AI 産業と応用 · 2025-07-01 · 03:00
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
コア観点
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。
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。
重要なポイント
- 「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)。」
内容サマリー
AISG と Shopee は協力し、先進的な多言語・マルチモーダル深層学習モデルを使用して、電子商取引シーンにおけるセマンティック理解の問題を解決しています。従来、Shopee は手動で構築されたタスクフローに大きく依存しており、コストが高く、カバレッジが狭いという課題を抱えていました。チームは微調整された大規模言語モデルを使用して Taskbot を再構築し、完了率とエラー訂正率の両方が顕著に改善されました。
別のアプリケーションは、従来の機械学習を使用した Shopee チャットボットをアップグレードしました。元のバージョンは「成功事例」のみを使用して微調整されていましたが、新しいソリューションは失敗事例の負のフィードバックも訓練に組み込み、顧客満足度の向上と失敗インタラクションの減少を実現しています。NUS はさらに、東南アジアを対象とした多言語 LLM をゼロから訓練しました。重要なイノベーションは双方向負フィードバック損失関数であり、教師あり学習データが少ない場合でも、好みの安定した整列を実現できます。GPT ベースラインに対する勝率は 18% から 50% に向上し、戦略的サンプリングを加えてさらに 56% に達しました。研究成果はすでに複数の著名な会議で発表されており、モデルが成熟した後は Shopee の本番環境に導入される予定です。
完全字幕(原文整形)
字幕言語: ja · 取得日: 2026-05-02
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。
関連動画
シンガポール、660台の電動バスを導入、AI交通信号を試験
2026-11-04 · CNA · 04:10
シンガポールは2026年末までに660台の新型電動バスを配備し、AI交通信号管理を試験する計画です。
AI需要で製造業が楽観的
2026-11-02 · CNA · 02:37
シンガポール製造業は世界的なAI製品需要により楽観的です。政府調査は3割の企業が事業改善を期待していることを示しています。
AIAP見習い評価:メンターの推測
2026-10-29 · AI Singapore · 01:31
AIAPのメンターは、見習いがプロジェクトの各モジュールについての評価を推測します。ビデオはメンターの予測が見習いの実際のフィードバックと一致しているかを示します。
AIAP第26期の新動向
2026-10-23 · AI Singapore · 00:37
シンガポールのAIプロジェクトはAIAP第26期の新展開を予告し、来週から申請が開放されます。
OpenAI for Singapore FDE ブートキャンプ
2026-10-16 · AI Singapore · 03:59
3日間の AI 実務者向けブートキャンプです。参加者は、ビジネス要件を理解し FDE ソリューションを設計する方法を学びます。
AI生成コードの信頼性探討
2026-10-07 · Terence Kong · 00:29
本論壇は、信頼できるAIエージェント・システムの構築、およびAI生成コードをより確実に管理する方法について論じました。