# 電子商取引応用向けセマンティック対応マルチモーダルマルチ言語深層学習システム

- 日付: 2025-07-01
- 関係者: AI Singapore (AI 研究と人材育成機関) · AI Singapore
- 出典: https://www.youtube.com/watch?v=9ONmek-BRWE
- sgai: https://sgai.md/ja/videos/v050/
- ライセンス：sgai が作成した内容（要約・翻訳・分析）は CC BY 4.0（出典明記と sgai.md へのリンクが条件）。逐語的な原文（議会記録・演説・字幕・政策原文）は原権利者に帰属し、参照目的でのみ掲載。条項：https://github.com/meltflake/sgai/blob/main/DATA-LICENSE.md

## なぜ重要か

AISG 100Eプロジェクトが成功率を18%から56%に引き上げたモデルをShopee生産ラインに導入し、シンガポール応用型AI資金がグローバル大手企業が無視する東南アジア少数言語ギャップを埋めることができることが証明されました。

## 要約

AISG 100E プロジェクトは電子商取引シーン向けマルチ言語、マルチモーダル環境を対象とし、低資源言語アノテーションデータの稀少性と複雑なセマンティック学習の 2 つの大きなチャレンジを解決している。

## 要点

- 「AISG 100E プロジェクトは Shopee と協力し、ファインチューニングされた LLM を用いて既存の手動タスクフローを置き換え、Taskbot の完了率と誤り修正率を向上させました。」
- 「改善版 Shopee チャットボットは、ネガティブフィードバックもファインチューニングに組み込み、顧客満足度が向上し、失敗したインタラクションが減少しました。」
- 「NUS は東南アジア多言語 LLM を独自に訓練し、双方向ネガティブフィードバック損失により、勝率を 18% から 56% へ飛躍させました（GPT ベースラインとの比較）。」

## 全文

© AI Singapore — 参照目的でのみ掲載。

電子商取引は指数関数的な増加を経験しており、世界経済においてますます重要な役割を担っています。近年、深層学習がさまざまな電子商取引アプリケーションにおいてますます広く採用されています。しかし、既存の深層学習モデルは多言語およびマルチモーダル情報に直面する際に、効果的に理解および処理することが困難です。私たちはC社と協力して、高度な多言語マルチモーダルモデルを開発し、一流のカンファレンスで研究成果を発表し、C社のプラットフォーム上でモデルの検証に成功しました。以前は、shoppは手動で構築されたタスクフローに大きく依存していたため、コストが高く、カバレッジが限定的でした。しかし現在、ファインチューニングされた大規模言語モデルの力を利用することで、カスタマーインタラクションのやり方を根本的に変えました。

現在、Taskbotはすべての期待を超え、印象的な完了率と修正率を達成しています。その結果、カスタマーインタラクションはこれまで以上にインテリジェント、高速、かつ信頼性が高くなりました。別のアプリケーションでは、shoppyチャットボットは当初、従来の機械学習を採用し、成功事例のみでファインチューニングを行い、失敗事例を無視していました。私たちのソリューションはこれを変え、ポジティブおよびネガティブなフィードバックの両方を大規模言語モデルのファインチューニングに組み込みました。このアプローチの改善により、カスタマー満足度が大幅に向上し、失敗したインタラクションの発生率が大幅に削減されました。また、ゼロから独自の大規模言語モデルを訓練しました。東南アジア向けの多言語大規模言語モデルは独特な課題に直面しており、特に低リソース言語のデータが限定的です。国立台湾師範大学計算機科学科（NTUNC）では、この地域専用のモデルを構築しています。

私たちの主要な革新は双方向ネガティブフィードバック損失関数であり、ラベルスパースな状況下でも安定した選好アライメントを実現できます。これは顕著な改善をもたらしました。GPT基準線と比較して、勝率が18%から50%に急増しました。ポリシーサンプリングを通じて、私たちはさらにこれを56%に向上させました。shoppeeユーザーにとって、これは彼らのニーズを真に理解するより知的な大規模言語モデルをもたらし、アプリケーション使用時の毎回のインタラクションをより有用で正確にします。