この記事のポイント
- 国産LLMの技術選定を進める方には、学習データ・モデル・評価の工程をたどれる一次資料です。
- NIIのシンポジウムから、研究グループ別の講演PDFを公開。無料で閲覧できます。
- 欧州のEuroLLMの講演も掲載。資料は登壇者の許可を得たものから順次公開されます。
2026年11月5日、国立情報学研究所(NII)が「第2回オープン大規模言語モデルシンポジウム」を開催しました。その講演資料が公開されています。国産オープンLLM「LLM-jp」の開発手法を知れる一次資料です。
「LLM-jp」とは何か、今回公開された資料の中身
LLM-jpは、大規模言語モデル(LLM)をオープンに研究開発するコミュニティです。LLMは、大量の文章などから学び、文章生成の基盤となるモデルを指します。NIIの大規模言語モデル研究開発センター(LLMC)と連携し、学習データや学習手順を公開する方針を掲げています。
公開されたのは、11月5日のシンポジウムの講演資料です。NII所長・黒橋禎夫氏の活動概要に続き、研究グループごとの発表が並びます。コーパス(学習用に集めた文章群)の構築、モデル構築、事後学習と評価、画像も扱う視覚言語モデル、安全性などを扱っています。
大学ごとの担当と、公開資料から学べること
講演者は複数の大学に所属しています。コーパス構築は河原大輔氏(早稲田大学)、モデル構築は鈴木潤氏(東北大学)、事後学習と評価は宮尾祐介氏(東京大学)です。視覚言語モデルは岡崎直観氏(東京科学大学)が担当しています。
例えば、河原氏の資料では、学習用の文章を集めるだけでなく、似た文書の重複除去や、不要な内容を取り除く処理も紹介しています。モデルの名前や規模だけでは見えにくい、データを整える工程を知る資料になります。
基調講演には、リスボン大学のAndré Martins氏による、欧州の多言語モデルEuroLLMなどを扱う資料もあります。複数の開発活動を知る比較材料になります。資料は登壇者の許可を得て順次公開し、一部は非公開です。動画は準備が整い次第追加する案内です。
まとめ
LLMの技術選定や追加学習を検討している方には、データをどう整え、モデルをどう評価しているかを工程別に確認する材料です。まず自社で知りたい工程を選び、講演資料の説明と必要な利用条件を照合すると、製品の機能表だけでは見えない違いを整理しやすくなります。
ELYZAの自己改善AI研究は改善の評価条件、PLaMoのFoundry提供は利用経路と費用を知る関連記事です。公開された研究資料と、契約して使うサービスを分けると、知見を学ぶ段階と導入候補を比較する段階をつなげやすくなります。
※2026年11月10日に確認した公式情報に基づきます。
