モデルアーキテクチャ
モデル選択マトリクス
利用者の目的と失敗要因から始めます。ここで示すのは最初に検証する基準方式であり、常に最良という意味ではありません。
| 製品の要件 | 最初に試す基準方式 | 適合する理由 | 注意深く確認する点 |
|---|---|---|---|
| オープンエンドのAIアシスタントまたはコーディングコパイロット | デコーダー専用LMに、必要に応じて検索/ツールを追加 | 柔軟な生成とインコンテキストタスク適応 | 根拠の担保、プロンプトインジェクション、ツール権限、直列遅延 |
| 分類、抽出、または再ランキングを大量に実行する必要があります | エンコーダのみのモデル、またはコンパクトなエンコーダ・デコーダから開始します | 上限の定まった一回の予測は、低コストで較正しやすい | ドメインシフト、入力長、ラベルキャリブレーションに注意が必要です |
| 翻訳、書き起こし、または忠実な変換 | エンコーダー・デコーダーモデル | 専用のソース表現によって、生成する各トークンを条件付けできる | 欠落、名前/数字、ソース長、デコード遅延 |
| 大規模コーパスに対するセマンティック検索 | デュアルエンコーダ + ベクトルインデックス + オプションのリランカー | 候補は一度埋め込みベクトル化され、効率的に検索可能 | リコール、ネガティブサンプル、フィルタ、スコアキャリブレーション |
| 現在の知識またはプライベートな知識からの回答 | ハイブリッドRAG + 再ランキング + 根拠に基づく生成器 | 知識は外部に保持され、検証可能で更新可能です | 取り込み、アクセス制御、欠落した証拠、悪意のあるコンテキスト |
| 画像生成または編集 | U-Net または DiT デノイザーを用いた潜在拡散法 | 圧縮された反復的な生成は、強力な条件付けと編集をサポートします | コーデックの詳細の損失、サンプリング遅延、権利および出所 |
| 動画生成 | 時空間潜在拡散モデルまたはメディアトークン生成器 | 視覚的な詳細と時間的依存性の両方がモデル化される | 同一性ドリフト、動き、持続時間、計算コスト、音声同期 |
| 音声認識 | ASR向けに設計されたオーディオエンコーダ・デコーダ | 音響理解とテキスト生成を分離する | 言語、アクセント、重なり、ノイズ、ストリーミング遅延 |
| 厳しい状態制約下での長ストリームシーケンス | SSM/再帰的またはアテンション–SSMハイブリッド | 完全なアテンションキャッシュの代わりに、コンパクトな再帰状態を保持する | 正確な長距離想起、カーネルサポート、実スループット |
| マルチモーダル文書またはチャートアシスタント | 画像エンコーダ + 言語デコーダ + 文書検索 | 視覚的な証拠を保持しつつ、回答をソースページに根差させる | 小規模テキスト、空間参照、メディアトークンコスト、引用 |
| ビジネスシステムにおける確実なアクションの実行 | 決定論的なポリシー/コントローラー内のツール使用型LM | 言語が意図を理解し、コードが権限と副作用を適用する | 冪等性、承認、リトライ、スキーマ、監査ログ |
サイドバーから方式を開くと、学習、推論、選択に関する詳しい指針を確認できます。