LLMとは?関連技術・用語一覧
LLM(Large Language Model、大規模言語モデル)は、大量のテキストデータから学習した大規模なニューラルネットワークです。文章生成・要約・翻訳・コード生成など幅広いタスクをこなし、現代の生成AIの中心的存在です。
LLMに関連する用語(89件)。定義・仕組みはLLMの用語ページで解説。
LLM関連のモデル(33件)
推論モデル
Reasoning Model
出力前に長い内部推論過程を生成し、複雑な問題の精度を高めるよう最適化されたLLM
GPT
Generative Pre-trained Transformer
OpenAIが開発する、デコーダのみのTransformerに基づく生成AIモデルファミリー
Claude
Anthropicが開発する、安全性とアライメントを重視した大規模言語モデルファミリー
Gemini
Google Gemini / Bard
Googleが開発する、テキスト・画像・音声等を統合的に扱うマルチモーダル大規模言語モデルファミリー
Llama
LLaMA / Llama 4
Metaが開発する、研究・商用利用向けに重みを公開しているオープンウェイトの大規模言語モデルファミリー
Mistral
Mistral AI
フランスのMistral AIが開発する、効率性を重視したオープンウェイトの大規模言語モデルファミリー
DeepSeek
DeepSeek AI
中国のDeepSeekが開発する、高いコスト効率と推論能力を特徴とするオープンウェイトの大規模言語モデルファミリー
Qwen
通義千問
中国のAlibaba Cloudが開発する、多言語対応を強みとするオープンウェイトの大規模言語モデルファミリー
Phi
Microsoftが開発する、高品質な学習データを重視した小規模言語モデルファミリー
Gemma
Googleが公開する、Geminiの研究成果をもとに構築された軽量なオープンウェイトモデルファミリー
PaLM
Pathways Language Model
Googleが開発した、Pathwaysという分散学習システムを用いて学習された大規模言語モデル
Grok
Grok 4.7 / Grok 4
イーロン・マスク率いるxAIが開発する、X(旧Twitter)との統合を特徴とする大規模言語モデルファミリー
Cohere
Command R
カナダのCohereが開発する、企業向けRAG・検索用途に強みを持つLLM・埋め込みモデルファミリー
VLM
Vision-Language Model / 視覚言語モデル / VLM(Vision Language Model)
画像と言語を同時に理解し、画像に関する質問応答や説明生成ができるマルチモーダルモデル
基盤モデル
Foundation Model / ファウンデーションモデル
大量のデータで事前学習され、ファインチューニングやプロンプトによって幅広いタスクへ適応できる汎用モデル
フロンティアモデル
Frontier Model / フロンティアAI
その時点で最も高い能力を持つ一群の基盤モデルを指す、主に安全性・政策の文脈で使われる言葉
Kimi
Kimi K2 / Kimi K3 / Moonshot AI Kimi / 月之暗面
中国のMoonshot AI(北京月之暗面)が開発するLLMシリーズ。ロングコンテキストから始まるチャットサービスと、オープンウェイトのMoEモデルKimi K2以降で展開されている
Ornith
Ornith-1.0
AlibabaのQwen 3.5とGoogleのGemma 4を基盤に、エージェント型コーディング向けへ強化学習で自己改善させたオープンウェイトLLMファミリー
T5
Text-to-Text Transfer Transformer
あらゆる自然言語処理タスクをテキスト入力からテキスト出力への変換として統一的に扱うGoogleのエンコーダ・デコーダ型言語モデル
マルチモーダルLLM
Multimodal LLM / MLLM
テキストに加え画像・音声・動画など複数モダリティの入出力を単一モデルで扱える大規模言語モデル
Claude Opus
Anthropicが提供するClaudeモデルファミリーの中で、最も高い性能を重視して設計された最上位モデルライン
Orca
GPT-4が生成する詳細な推論過程を模倣学習させることで、小規模ながら高い推論能力を目指したMicrosoft Researchの言語モデル
DiffusionGemma
Diffusion Gemma
Gemma 4のMoEアーキテクチャをベースに、離散拡散でテキストをブロック単位に並列生成するGoogle DeepMindの実験的オープンウェイトモデル
パラメータ
Parameter / モデルパラメータ / 重み
ニューラルネットワークが学習によって獲得する重みとバイアスの値。LLMの規模を表す指標としても使われる
オープンウェイトモデル
Open Weight Model / オープンモデル / オープンソースLLM
学習済みの重み(パラメータ)が公開され、誰でもダウンロードして手元の環境で実行や追加学習ができるAIモデル
アンセンサードモデル
Uncensored model / 無検閲モデル
安全性のための応答拒否や出力制限を取り除いたLLM
Dolphin
Dolphinモデル
Eric Hartfordらが公開している、応答拒否を取り除いたデータで学習したオープンウェイトLLMのシリーズ
WizardLM
Evol-Instruct
LLMに指示文を段階的に複雑化させるEvol-Instructの生成データを学習したLLMのシリーズ
Nous Hermes
Hermes / Nous-Hermes
Nous Researchが公開している、オープンウェイトのベースモデルをファインチューニングしたLLMのシリーズ
LongCat
LongCat-Flash / Meituan LongCat
中国Meituan(美団)が公開するオープンウェイトのLLMファミリー。LongCat-Flashは560BパラメータのMoEモデルで、ツール利用を伴うエージェント的な作業に強みを持つ
Nemotron
NVIDIA Nemotron / ネモトロン
NVIDIAが重み・学習データ・学習レシピまで公開する、ハイブリッドMamba-Transformer MoEを軸にしたオープンAIモデル群
GLM
ChatGLM / Zhipu AI
Zhipu AI(智谱AI)が開発する、MITライセンスで公開される中国発のオープンウェイトLLMファミリー
Laguna
poolside Laguna / Laguna S 2.1
poolsideが公開する、エージェント型コーディングと長時間作業向けのオープンウェイトMoEモデルファミリー
LLM関連のアーキテクチャ(1件)
LLM関連の技術(46件)
RAG
検索拡張生成 / Retrieval-Augmented Generation
検索(Retrieval)と生成モデルを組み合わせ、外部知識に基づいて出力を根拠づける手法
ハルシネーション
Hallucination
LLMが事実に基づかない内容を、もっともらしく生成してしまう現象
トークン
Token
LLMなど自然言語処理モデルがテキストを入出力する際に扱う最小の処理単位
コンテキストウィンドウ
Context Window
LLMが一度の推論で参照できる入力・出力トークンの合計量の上限
プロンプト
Prompt
LLMに入力する指示・質問・文脈などのテキスト
プロンプトエンジニアリング
Prompt Engineering
LLMから望む出力を引き出すために、プロンプトの書き方を設計・改善する手法
システムプロンプト
System Prompt
会話の冒頭でLLMに与える、応答全体の振る舞いや役割を規定する特別な指示
Chain-of-Thought
CoT / 思考の連鎖
最終的な答えに至る過程を段階的に言語化させることで、LLMの推論精度を高めるプロンプティング手法
Temperature
温度パラメータ
LLMの出力トークン選択のランダム性を調整する、確率分布のサンプリングパラメータ
Top-p
Nucleus Sampling / 核サンプリング
累積確率が閾値 p に達するまでの上位トークン群だけからサンプリングする、核サンプリング手法
Top-k
Top-k Sampling
確率が高い上位 k 個のトークンのみを候補に絞ってサンプリングする手法
Seed
乱数シード
乱数生成の初期値。同じ値を指定することでLLMの出力サンプリング結果を再現できる
アライメント
Alignment
LLMの出力を人間の意図・価値観・安全基準に沿わせるための研究・技術分野
推論
Inference
学習済みモデルへ入力を与え、出力を計算する処理
デコーディング
Decoding / デコード
モデルが計算した確率分布から、次に出力するトークンを実際に選び取る処理
ストリーミング
Streaming
LLMが生成したトークンを、完成を待たずに逐次クライアントへ送信する応答方式
プロンプトインジェクション
Prompt Injection
悪意ある指示を入力に紛れ込ませ、LLMに開発者の意図しない挙動をさせる攻撃手法
ジェイルブレイク
Jailbreak
特殊なプロンプトによってLLMに組み込まれた安全性の制約を回避させる手法
ガードレール
Guardrails
LLMアプリケーションの入出力を監視・制御し、有害な出力や情報漏洩を防ぐための仕組み
スケーリング則
Scaling Laws
モデルサイズ・データ量・計算量を増やすほど、損失が予測可能な形でべき乗則的に改善するという経験則
創発的能力
Emergent Abilities
モデル規模がある閾値を超えたときに、小規模モデルには見られなかった能力が急激に現れる現象
Zero-shot
ゼロショット
タスクの例を1つも示さず、指示文だけでLLMに未知のタスクをこなさせる手法
モデル抽出攻撃
Model Extraction Attack / Model Stealing
APIへの大量の問い合わせと応答の観察から、対象モデルの挙動を模倣する代替モデルを構築する攻撃
電子透かし
Watermarking / AIウォーターマーク
生成テキストの単語選択に統計的な偏りを埋め込み、AI生成コンテンツかどうかを後から検出可能にする技術
事前学習
Pre-training / Pretraining
大規模データから汎用的な知識や表現をあらかじめ学習させ、下流タスクの土台を作る学習段階
ロングコンテキスト
Long Context / Long-Context LLM
非常に長い入力を一度に処理し、その内容を精度良く活用できるLLMの能力、およびそれを実現するための技術群
コンテキストエンジニアリング
Context Engineering
限られたコンテキストウィンドウ内でLLMやエージェントが最大の性能を発揮できるよう、渡す情報全体(指示・例・ツール定義・検索結果・記憶等)を設計する実践
テスト時スケーリング
Test-time Scaling / Test-time Compute / 推論時スケーリング
学習済みモデルの推論時に計算量を追加投入し、思考の長文化や複数候補の生成・選別によって回答品質を高めるアプローチ
GRPO
Group Relative Policy Optimization / グループ相対方策最適化
価値関数モデルを使わず、同一プロンプトから生成した複数出力のグループ内比較で優位性を計算する、LLM向けの強化学習アルゴリズム
RLVR
Reinforcement Learning with Verifiable Rewards / 検証可能報酬による強化学習
学習済みの報酬モデルの代わりに、数学の正誤判定やテストの合否など機械的に検証できる報酬を使ってLLMを強化学習する手法
llms.txt
llms-full.txt
WebサイトのルートにMarkdown形式で置き、LLMにサイトの概要と主要コンテンツを伝える提案仕様
In-Context Learning
ICL / 文脈内学習 / コンテキスト内学習 / コンテクスト内学習
重みを更新せず、プロンプト内の例示や指示だけから新しいタスクの解き方を捉えて実行するLLMの能力
モデルマージ
Model Merging / モデル融合
複数の学習済みモデルの重みを演算で合成し、追加学習なしで新しいモデルを作る手法
プロンプトハイジャック
Prompt Hijacking / ゴールハイジャッキング / Goal Hijacking
信頼できるシステムプロンプトと信頼できない外部入力を結合するアプリケーションに対し、モデルの出力を攻撃者の意図した内容へ乗っ取る攻撃
出力フィルタリング
Output Filtering
LLMが生成したテキストをユーザーへ返す前に検査し、有害な内容や個人情報の漏洩を検知した場合にブロックまたは修正する仕組み
コンテンツモデレーション
Content Moderation
ユーザー生成コンテンツやAIの生成物から、暴力的表現やヘイトスピーチなどの有害なコンテンツを検出・排除する取り組み
ステガノグラフィー
Steganography
データや画像の中に他の情報を人に気づかれない形で埋め込み隠す技術
ステアリング
Steering / Activation Steering / Model Steering
モデル内部の活性化を直接操作し、出力のスタイルや性質を狙った方向へ誘導する技術
制約付き生成
Constrained Generation / Constrained Decoding / 制約付きデコーディング
LLMの生成時に、文法・正規表現・スキーマ等の制約に従うトークンのみを候補とすることで出力形式を保証する技術の総称
ガイド付き生成
Guided Generation
テンプレートやプレースホルダーを用いて、LLMの生成の流れそのものを事前定義した構造に沿って進行させる技術
Reasoning
論理的推論 / 推論能力
モデルが単純な入力→出力変換でなく、複数ステップの論理的思考を経て結論に至る能力・プロセス
Grounding
グラウンディング / 根拠付け
LLMの出力を検証可能な外部の事実情報やデータに結び付け、幻覚を抑え信頼性を高める性質・手法
Self-correction
自己修正 / 自己訂正
LLMが自ら生成した出力の誤りを検出し、訂正する能力・アプローチ全般を指す概念
Meta-prompting
メタプロンプティング
LLM自身がタスクに適したプロンプトを設計・生成・改善する手法
相転移
Phase Transition
モデル規模が臨界点(閾値)を超えた際、性能や能力が連続的でなく急激に変化する現象を、物理学の相転移になぞらえた呼び方
Abliteration
アブリテレーション
LLM内部で応答拒否を担う方向を特定し、重みからその成分を取り除くことで拒否行動を無効化する手法
LLM関連のエージェント(5件)
AIエージェント
AI Agent / エージェント
LLMを中核に、周囲の状況を認識し計画を立てツールを使って自律的にタスクを遂行するシステム
エージェンティックAI
Agentic AI
単発の応答生成ではなく、自律的な計画・行動・ツール利用を通じてタスクを遂行するAI設計の潮流
ツールコーリング
Tool Calling / ツール呼び出し
LLMが外部の関数・API・ツールを呼び出し、その実行結果を応答に反映する仕組み
ファンクションコーリング
Function Calling / 関数呼び出し
LLMに外部関数の呼び出し内容を構造化データとして出力させる、OpenAIが導入したツール連携の仕組み
MCP
Model Context Protocol
LLMアプリケーションと外部のツール・データソースを標準化された方法で接続するオープンプロトコル
LLM関連の評価(4件)
BIG-Bench
Beyond the Imitation Game Benchmark
200を超える多様なタスクでLLMの能力と限界を測る大規模協働ベンチマーク
指示追従
Instruction Following / インストラクションフォローイング
自然言語で与えられた指示の内容や制約を理解し、それに沿った出力を返すモデルの能力
HELM
Holistic Evaluation of Language Models
スタンフォード大学CRFMが開発した、多数のシナリオと複数の評価軸で言語モデルを横断的に評価するフレームワーク
ベンチマーク
Benchmark / 評価ベンチマーク
共通の問題セットと採点方法でAIモデルの性能を測り、モデル同士を比較するための標準テスト
LLM関連の比較
GPT vs Claude
GPTはOpenAIが開発するクローズドウェイトのLLMファミリー、ClaudeはAnthropicが開発する安全性とアライメントを重視したクローズドウェイトのLLMファミリー。いずれも重みは非公開で、API・チャットサービス経由での利用が基本となる。
MCP vs ファンクションコーリング
MCPはLLMアプリケーションと外部ツール・データソースの接続方法を標準化するオープンプロトコル、Function CallingはLLMが構造化された関数呼び出しを出力する仕組み。抽象化のレイヤーが異なり、両者は代替関係ではなく組み合わせて使われる。
Claude vs Gemini
ClaudeはAnthropicが開発する安全性とアライメントを重視したLLMファミリー、GeminiはGoogleが開発するテキスト・画像・音声・動画を統合的に扱うマルチモーダルLLMファミリー。いずれも重みは非公開で、API・チャットサービス経由での利用が基本となる。
Gemini vs Grok
GeminiはGoogleが開発するテキスト・画像・音声・動画を統合的に扱うマルチモーダルLLMファミリー、GrokはxAIが開発するX(旧Twitter)とのリアルタイム統合を特徴とするLLMファミリー。いずれもチャットサービス・API経由で利用できる。
Llama vs Mistral
Llamaは米Metaが開発する、研究・商用利用向けに重みを公開しているオープンウェイトのLLMファミリー。Mistralはフランスの Mistral AI が開発する、効率性を重視したオープンウェイトのLLMファミリー(一部上位モデルはクローズドウェイトのAPI提供)。
Phi vs Gemma
PhiはMicrosoftが開発する、高品質な学習データを重視した小規模言語モデルファミリー。GemmaはGoogleが公開する、Geminiの研究成果をもとに構築された軽量なオープンウェイトモデルファミリー。いずれも限られた計算資源での実行を意識した設計を特徴とする。
ファンクションコーリング vs ツールコーリング
Function CallingはOpenAIが最初に導入した、LLMに外部関数の呼び出し内容を構造化データとして出力させる仕組みの名称。Tool Callingは、対象を関数に限らずAPI・検索・コード実行等のツール全般に広げた、より一般的・業界横断的な呼び方。実装としての仕組みはほぼ同一で、名称の由来と適用範囲の広さが異なる。
MCP vs ツールコーリング
MCP(Model Context Protocol)はLLMアプリケーションと外部ツール・データソースの接続方法を標準化するオープンプロトコル、Tool CallingはLLMが個々のツール呼び出しの要否と引数を判断し構造化データとして出力する仕組み。MCPはツールの提供・発見・接続という上位レイヤーを標準化し、Tool Callingはその標準化されたツールを実際に呼び出す下位レイヤーの動作にあたる。両者は代替関係ではなく組み合わせて使われる。
LLM関連の特集記事
主要オープンウェイトLLMモデル一覧
Llama・Mistral・DeepSeek・Qwen・Phi・Gemma等、モデルの重みが公開されている主要なオープンウェイトLLM・生成AIモデルを一覧で紹介。各モデルの特徴・開発元比較・リリース年表まとめ。
主要AIコーディングエージェント一覧
Claude Code・GitHub Copilot・Cursor・Windsurf・Codex等、ソフトウェア開発を支援する主要なAIコーディングエージェント・AI IDEを一覧で紹介。各ツールの提供形態・開発元比較・公開年表まとめ。
主要マルチエージェント・オーケストレーションフレームワーク一覧
LangGraph・CrewAI・AutoGen・Semantic Kernel・Agent Development Kit・OpenAI Agents SDK等、複数のAIエージェントを協調させるマルチエージェントフレームワークを一覧で紹介。協調方式の比較・開発元・公開年表まとめ。
主要ベクトルデータベース一覧
Pinecone・Weaviate・Milvus・Qdrant・Chroma・pgvector等、RAGやAIエージェントの記憶機構を支える主要なベクトルデータベースを一覧で紹介。提供形態・特徴比較・公開年表まとめ。
主要クローズドウェイトLLMモデル一覧
GPT・Claude・Gemini・Grok・Cohere等、モデルの重みが非公開でAPI経由で提供される主要なクローズドウェイトLLMを一覧で紹介。各モデルの特徴・開発元比較・発表年表まとめ。
RAG完全ガイド
RAG(検索拡張生成)の仕組みを、チャンキング・Embedding・ベクトルデータベース・ハイブリッド検索・リランカー・GraphRAG・Agentic RAGまで構成要素ごとに整理し、各用語の詳細ページへたどれるガイド。
LLM関連の年表
Claudeの歴史
Anthropicが2023年に公開した対話型AI「Claude」の、Claude 2・Claude 3ファミリー・Computer Use・Claude Codeを経てClaude Sonnet 5に至るまでの変遷。
LLMの歴史
Transformerの登場から、ChatGPTによる一般普及、オープンウェイトモデルの拡大、推論特化モデルの登場まで、大規模言語モデル(LLM)全体の主要な流れをベンダー横断でたどる。
MCP(Model Context Protocol)の歴史
AnthropicがLLMアプリケーションと外部ツール・データを接続する標準として公開したMCPが、主要AIベンダーを巻き込んだ業界標準へと広がっていった過程をたどる。
Transformerの歴史
自己注意機構(Self-Attention)のみで構成されるTransformerアーキテクチャが2017年に登場して以降、自然言語処理から画像・音声まで広がっていった変遷をたどる。
GPTの歴史
OpenAIが2018年のGPT-1から一貫して開発してきたGPTシリーズの変遷。ChatGPTによる一般普及からGPT-5に至るまでの主要リリースをたどる。