特許ウォッチ

公開番号2025062592
公報種別公開特許公報(A)
公開日2025-04-14
出願番号2024190888,2023171681
出願日2024-10-30,2023-10-02
発明の名称情報処理装置及び情報処理システム
出願人株式会社Preferred Elements
代理人個人,個人,個人
主分類G06F 16/90 20190101AFI20250407BHJP(計算;計数)
要約【課題】提供したデータに応じた適切な貢献度を設定する。
【解決手段】情報処理装置は、1又は複数のメモリと、1又は複数のプロセッサと、を備え
る。前記1又は複数のプロセッサは、第1モデルによって回答が生成される質問を取得し、
前記質問に基づいて、データ群から、前記質問に対する回答の生成に前記第1モデルによ
って用いられる情報を取得し、前記第1モデルによる前記回答の生成における前記情報の
貢献度を算出する。
【選択図】図1
特許請求の範囲【請求項１】
1又は複数のメモリと、
1又は複数のプロセッサと、
を備え、
前記1又は複数のプロセッサは、
第1モデルによって回答が生成される質問を取得し、
前記質問に基づいて、データ群から、前記質問に対する回答の生成に前記第1モデル
によって用いられる情報を取得し、
前記第1モデルによる前記回答の生成における前記情報の貢献度を算出する、
情報処理装置。
続きを表示（約 1,100 文字）【請求項２】
前記1又は複数のプロセッサは、前記情報の前記貢献度に応じた額のロイヤリティを、
前記情報の提供者に付与する、
請求項1に記載の情報処理装置。
【請求項３】
1又は複数のメモリと、
1又は複数のプロセッサと、
を備え、
前記1又は複数のプロセッサは、
第1モデルによって回答が生成される質問を取得し、
前記質問に基づいて、データ群から、前記質問に対する回答の生成に前記第1モデル
によって用いられる情報を取得し、
ロイヤリティを前記情報の提供者に付与する、
情報処理装置。
【請求項４】
前記1又は複数のプロセッサは、前記第1モデルによる前記回答の生成における前記情報
の貢献度に応じて、前記ロイヤリティを前記情報の提供者に付与する、
請求項3に記載の情報処理装置。
【請求項５】
前記1又は複数のプロセッサは、
前記第1モデルによる前記回答の生成に用いられた前記情報の提供者を示す情報を、
当該提供者が提供した情報を用いて前記回答が生成されたことを前記回答の受領者が識別
できる態様で出力する、
請求項1から請求項4のいずれかに記載の情報処理装置。
【請求項６】
前記1又は複数のプロセッサは、前記情報で補強された前記第１モデル、及び、前記情
報で補強されていない前記第１モデル、を用いて、前記貢献度を算出する、
請求項1、2、4のいずれかに記載の情報処理装置。
【請求項７】
前記第1モデルは、確率モデルである、
請求項1、2、4のいずれかに記載の情報処理装置。
【請求項８】
前記第1モデルは、言語モデルである、
請求項1、2、4のいずれかに記載の情報処理装置。
【請求項９】
前記1又は複数のプロセッサは、
前記情報を用いて前記第1モデルによって前記質問に対する回答を生成する、
請求項1、2、4のいずれかに記載の情報処理装置。
【請求項１０】
前記1又は複数のプロセッサは、
前記質問に対する回答の生成に前記第1モデルによって用いられる情報を検索するた
めの第2データを取得し、
前記第2データを検索エンジンに入力して検索を実行することで、前記データ群から
前記情報を取得する、
請求項1、2、4のいずれかに記載の情報処理装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、情報処理装置及び情報処理システムに関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
機械学習により訓練されたモデルを用いた言語モデルである大規模言語モデル (LLM: L
arge Language Model) は、種々の用途において活用され始めている。大規模言語モデル
の一用途として、入力に対して情報を検索して、大規模言語モデルによる出力の生成にそ
の検索された情報を利用する、Retrieval Augmented Generation（RAG）と呼ばれる手法
が知られている。
【先行技術文献】
【非特許文献】
【０００３】
S. Borgeaud, et.al., “Improving language models by retrieving from trillions of tokens”, arXiv.org:2112.04426v3, 7 February 2022, https://arxiv.org/pdf/2112.04426v3.pdf
【発明の概要】
【発明が解決しようとする課題】
【０００４】
本開示の実施形態が解決しようとする限定されない課題の1つは、大規模言語モデル等
の基盤モデルや生成モデルによる出力の生成に利用される情報を評価することである。
【課題を解決するための手段】
【０００５】
一実施形態によれば、情報処理装置は、1又は複数のメモリと、1又は複数のプロセッサ
と、を備える。前記1又は複数のプロセッサは、第1モデルによって回答が生成される質問
を取得し、前記質問に基づいて、データ群から、前記質問に対する回答の生成に前記第1
モデルによって用いられる情報を取得し、前記第1モデルによる前記回答の生成における
前記情報の貢献度を算出する。
【０００６】
一実施形態によれば、情報処理システムは1又は複数の情報処理装置を備える。前記1又
は複数の情報処理装置は、第1モデルによって回答が生成される質問に対応する第1データ
を取得し、前記質問第1データに基づいて、データ群から、前記質問第1データに対する回
答の生成に前記第1モデルによって用いられる情報を取得し、前記第1モデルによる前記回
答の生成における前記情報の貢献度を算出する。前記質問第1データに対する回答の生成
をする1又は複数の前記情報処理装置と、前記情報の貢献度を算出する1又は複数の前記情
報処理装置は、別の情報処理装置であるか、又は、少なくとも一部が同一の情報処理装置
である。
【図面の簡単な説明】
【０００７】
一実施形態に係る処理の概略を示す図。
一実施形態に係る貢献度算出処理の一例を示す図。
一実施形態に係る貢献度算出処理の一例の擬似コードを示す図。
一実施形態に係る情報の管理の一例を示す図。
一実施形態に係る情報処理システムにおける少なくとも一部を構成する情報処理装置の実装例を示す図。
【発明を実施するための形態】
【０００８】
本開示の実施形態により解決しようとする課題は、上記に記載した課題に限定されるも
のではなく、さらに限定されないいくつかの課題の例として、実施形態において記載した
効果に対応する課題、とすることもできる。すなわち、本開示の実施形態の説明において
記載された効果のうち任意の少なくとも1つに対応する課題を本開示における解決しよう
とする課題とすることができる。
【０００９】
以下、図面を参照して本発明の実施形態について説明する。図面及び実施形態の説明は
一例として示すものであり、本発明を限定するものではない。
【００１０】
例えば、本開示においては、主に言語モデルとしての情報である文字、文章等のテキス
トのデータを用いる場合について説明するが、本発明の実施形態は、これに限定されるこ
となく、画像、音声、動画、センサデータ等のデータに対しても適用することができる。
これらのデータは、適切にトークナイズされることにより、以下に説明する形態において
同様に適用することができる。
（【００１１】以降は省略されています）

関連特許