| 講演抄録/キーワード |
| 講演名 |
2025-12-11 14:25
LLMを用いたソースコード改変タスクにおけるFine-Tuningの実験的調査に向けて ○數﨑大樹・柗本真佑・楠本真二(阪大)・安田和矢・伊藤信治・代 吉楠(日立) SS2025-23 |
| 抄録 |
(和) |
ソフトウェア開発に関する様々なタスクに対して,大規模言語モデル(LargeLanguageModel;LLM)を
用いた支援や自動化が可能となってきた.Fine-Tuning(FT)とは事前学習済みモデルに対して,特定タスクに特化
させる再学習手法である.FTの適用により,自然言語やソースコードに対する汎用的な知識を持つ事前学習済みモ
デルから,特定タスクに特化したモデルを獲得できる.FTの適用においては,再学習のため再学習データセットの
構築が欠かせない.しかしながら,ソフトウェア開発タスクにおいてどのような再学習データセットをどの程度用
意すべきかは明らかではない.本研究の長期的な目的は,LLMを用いたソフトウェア開発における高精度かつ高効
率なFT適用方法の獲得である.本研究会原稿では,ソースコードの改変というタスクに着目し,簡易的な再学習
データセットを用いてFT済みモデルと事前学習済みモデルの性能を実験的に比較する. |
| (英) |
|
| キーワード |
(和) |
LLM / Fine-Tuning / 再学習データセット / データセットの量 / データセットの質 / / / |
| (英) |
/ / / / / / / |
| 文献情報 |
信学技報, vol. 125, no. 288, SS2025-23, pp. 1-6, 2025年12月. |
| 資料番号 |
SS2025-23 |
| 発行日 |
2025-12-04 (SS) |
| 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 |
SS2025-23 |