| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2025-07-18 11:00 マルチモーダルLLMの文脈内学習に画像サンプルが与える影響 ○池田智哉・山本修平（筑波大）  LOIS2025-8 |
|
| 抄録 | （和） | 近年，マルチモーダル大規模言語モデル（LLM）が注目されている．マルチモーダルLLMは，テキストだけでなく画像や音声などの他のモダリティを扱うことができるため，様々なタスクに対応可能である．特に，文脈内学習（In-Context Learning）においては，LLMに与えるプロンプトの中にタスクのFew-shotサンプルを含めることで，特定のタスクに関連する知識を学習し，そのタスクに対する性能を向上させることができる．しかし，マルチモーダルLLM においては，効果的なFew-shot サンプルの選択方法は明らかにされていない．そこで本研究では，マルチモーダルLLMのOne-shot文脈内学習において，画像サンプルが与える影響を調査する．具体的には，暴力的な画像判定タスクを例に取り上げ，どのような画像サンプルの解答例がLLMの性能を向上させるかを調査する．実験の結果，Zero-shot文脈内学習とOne-shot文脈内学習の性能を比較することで，画像サンプルがLLMの判定性能に与える影響を確認した．また，One-shot文脈内学習において，判定性能が良い/悪い画像サンプルの特徴を調査した．その結果，LLMのOne-shot文脈内学習において，画像サンプルがLLMの判定性能に与える影響を明らかにした． |
| （英） | Recently, multi-modal large language models (LLMs) have attracted attention. Multi-modal LLMs can handle not only text but also other modalities such as images and audio, making them applicable to various tasks. In particular, in In-Context Learning, LLMs can learn task-related knowledge and improve performance on specific tasks by including Few-shot samples in the prompts given to the LLMs. However, effective selection methods for Few-shot samples in multi-modal LLMs have not been clarified. Therefore, this study investigates the impact of image samples on One-shot In-Context Learning of multi-modal LLMs. Specifically, we examine what kind of image sample answers can improve the performance of LLMs, using a violent image classification task as an example. The results of the experiments confirmed the impact of image samples on the classification performance of LLMs by comparing the performance of Zero-shot and One-shot In-Context Learning. Additionally, we investigated the characteristics of image samples with good/bad classification performance in One-shot In-Context Learning. As a result, we clarified the impact of image samples on the classification performance of LLMs in One-shot In-Context Learning. | |
| キーワード | （和） | マルチモーダルLLM / 文脈内学習 / 画像サンプル / Few-shotサンプル / 暴力的画像判定タスク / / / |
| （英） | Multi-modal LLM / In-Context Learning / Image Sample / Few-shot Sample / Violence Image Classification Task / / / | |
| 文献情報 | 信学技報, vol. 125, no. 118, LOIS2025-8, pp. 30-35, 2025年7月. | |
| 資料番号 | LOIS2025-8 | |
| 発行日 | 2025-07-10 (LOIS) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | LOIS2025-8 |
|
| 研究会情報 | |
| 研究会 | LOIS IPSJ-DC |
| 開催期間 | 2025-07-17 - 2025-07-18 |
| 開催地（和） | 筑波技術大学 天久保キャンパス（産業技術学部）講堂 |
| 開催地（英） | Tsukuba University of Technology |
| テーマ（和） | ライフログ活用技術、オフィス情報システム、ドキュメントのデジタル化、行動認識／行動推定と情報通信システムおよび一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | LOIS |
| 会議コード | 2025-07-LOIS-DC |
| 本文の言語 | 日本語 |
| タイトル（和） | マルチモーダルLLMの文脈内学習に画像サンプルが与える影響 |
| サブタイトル（和） | |
| タイトル（英） | Effect of Image Samples on In-Context Learning of Multimodal LLMs |
| サブタイトル（英） | |
| キーワード(1)（和/英） | マルチモーダルLLM / Multi-modal LLM |
| キーワード(2)（和/英） | 文脈内学習 / In-Context Learning |
| キーワード(3)（和/英） | 画像サンプル / Image Sample |
| キーワード(4)（和/英） | Few-shotサンプル / Few-shot Sample |
| キーワード(5)（和/英） | 暴力的画像判定タスク / Violence Image Classification Task |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 池田 智哉 / Tomoya Ikeda / イケダ トモヤ |
| 第1著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Univ. of Tsukuba) |
| 第2著者 氏名（和/英/ヨミ） | 山本 修平 / Shuhei Yamamoto / ヤマモト シュウヘイ |
| 第2著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Univ. of Tsukuba) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-07-18 11:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | LOIS |
| 資料番号 | LOIS2025-8 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.118 |
| ページ範囲 | pp.30-35 |
| ページ数 | 6 |
| 発行日 | 2025-07-10 (LOIS) |
[研究会発表申込システムのトップページに戻る]