Designing Large Language Model Applications
この本の所有者
(3.0)
1人が登録
419回参照
2026年1月12日に更新
書籍情報
- ISBN:
- 9781098150464
- ページ数:
-
375ページ
- 参照数:
- 419回
- 登録日:
- 2025/12/11
- 更新日:
- 2026/01/12
- 所有者:
-
taka_akiさん
この本を共有する
📝 レビュー (taka_akiさんのレビュー)
評価:
3/5
レビュー:
ためになることはそれなりにあったのですが、なんと言いますか「辞書的」な説明がひたすら続くので読むのに体力を必要としました。
大量の論文を引用しつつ網羅的に説明してくれているのですが、流れを感じにくいですし、コラムと実習が頻繁に挟まれるので読みにくさを感じてしまいました。
中盤はプレトレーニング、ファインチューニングに関する話がひたすら続きますが、個人的にはあまり興味がなかったです。読み応えがあったのはPart3: LLM Application Paradigmsでした。
ためになったこと:
・パフォーマンス要件が厳しい際には、文、段落、セクション、文書レベルなどでのエンベディングを作成するマルチレベルエンべディング
・ファインチューニングでのRAGの活用の活用
・RAGの文脈におけるHypothetical Document。LLMに「その質問に答えるであろう仮想的なドキュメント(hypothetical document)」を生成させ、その仮想ドキュメントを埋め込みベクトル化して検索に使用。
・MicrosoftのGraphRAG
・プロンプトをプログラミングして最適化するDSPy
大量の論文を引用しつつ網羅的に説明してくれているのですが、流れを感じにくいですし、コラムと実習が頻繁に挟まれるので読みにくさを感じてしまいました。
中盤はプレトレーニング、ファインチューニングに関する話がひたすら続きますが、個人的にはあまり興味がなかったです。読み応えがあったのはPart3: LLM Application Paradigmsでした。
ためになったこと:
・パフォーマンス要件が厳しい際には、文、段落、セクション、文書レベルなどでのエンベディングを作成するマルチレベルエンべディング
・ファインチューニングでのRAGの活用の活用
・RAGの文脈におけるHypothetical Document。LLMに「その質問に答えるであろう仮想的なドキュメント(hypothetical document)」を生成させ、その仮想ドキュメントを埋め込みベクトル化して検索に使用。
・MicrosoftのGraphRAG
・プロンプトをプログラミングして最適化するDSPy
読書履歴
2026/01/11
375ページ
読了
2026/01/11
283ページ
Ch11 done
2026/01/11
262ページ
2026/01/09
234ページ
2026/01/08
229ページ
Ch9 done
2026/01/07
211ページ
CH8 done
2026/01/06
191ページ
Ch7 done
2026/01/05
173ページ
Ch6 done
2025/12/30
149ページ
Ch5 done
2025/12/29
140ページ
他10件の履歴があります
taka_aki
Lv.305
ためになることはそれなりにあったのですが、なんと言いますか「辞書的」な説明がひたすら続くので読むのに体力を必要としました。
大量の論文を引用しつつ網羅的に説明してくれているのですが、流れを感じにくいですし、コラムと実習が頻繁に挟まれるので読みにくさを感じてしまいました。
中盤はプレトレーニング、ファインチューニングに関する話がひたすら続きますが、個人的にはあまり興味がなかったです。読み応えがあったのはPart3: LLM Application Paradigmsでした。
ためになったこと:
・パフォーマンス要件が厳しい際には、文、段落、セクション、文書レベルなどでのエンベディングを作成するマルチレベルエンべディング
・ファインチューニングでのRAGの活用の活用
・RAGの文脈におけるHypothetical Document。LLMに「その質問に答えるであろう仮想的なドキュメント(hypothetical document)」を生成させ、その仮想ドキュメントを埋め込みベクトル化して検索に使用。
・MicrosoftのGraphRAG
・プロンプトをプログラミングして最適化するDSPy