内容紹介：【推薦の言葉】あなたのＬＬＭスキル、「実戦」で通用しますか？ファインチューニング、ＲＡＧ、量子化、モデルマージ……知識や理論を知っているだけでは、性能を引き出すことはできません。トップＫａｇｇｌｅｒたちはスコアを削り出すために、何を試し、何を捨て、なぜその手法を選んだのか。課題解決のための「本物」の技術を身につけられる一冊です。－－秋葉拓哉氏（Ｓａｋａｎａ　ＡＩ　Ｓｔａｆｆ　Ｒｅｓｅａｒｃｈ　Ｓｃｉｅｎｔｉｓｔ）従来のＫａｇｇｌｅ関連書籍では、十分に取り扱うことができずにいたテキストデータを扱うコンペティション（ＮＬＰコンペ）に焦点を当てた初の書籍です。注目が集まっている大規模言語モデルに関する内容をふんだんに盛り込み、基本的な使い方から、性能を底上げする応用的な使い方までを幅広く解説しています。・実践的な課題解決の場で得られた知見をもとに内容を構成し、教科書的な書籍とは異なる実用的な視点を提供。コンペ参加者に限らず、大規模言語モデルに関心を持つエンジニアや研究者にとっても有益！・基礎編では、基礎知識のみにとどめず、大規模言語モデルの性能をさらに引き出すための、実践的な暗黙知や勘所などのウラ側も詳しく解説。コンペの上位スコアを追体験できるサンプルコードも提供。・応用編では、多彩な８つのＫａｇｇｌｅコンペを題材に、概要・データ構造・評価指標を整理し、ベースラインとして公開されている手法および上位解法を紹介。【編著者】高野海斗（主に１、３章）／齋藤慎一朗（主に４、５、１０章）／石原祥太郎（主に２章と全体の編集）【応用編の寄稿者】坂見耕輔さん（６章）／ｃｈｕｍａｊｉｎさん（７章）／郭林升さん（８章）／三好拓志さん（９章）／村上直輝さん（１１章）／洪立航さん（１２章）／吉原浩之さん（１３章）／井ノ上雄一さん（１３章）／山口大器さん（１３章）【サポートサイト】サンプルコード・参考文献・正誤表・編著者および寄稿者のプロフィール一覧を掲載します。ｈｔｔｐｓ／／ｇｉｔｈｕｂ．ｃｏｍ／ｓｉｎｃｈｉｒ０／ｋａｇｇｌｅ＿ｌｌｍ＿ｂｏｏｋ／
トップＫａｇｇｌｅｒたちはスコアを削り出すために、何を試し、何を捨て、なぜその手法を選んだのか。圧巻の情報量で唯一無二の価値を誇る決定版！
もくじ情報：基礎編（自然言語処理の基礎；データサイエンスコンペティションの基礎；「ａｔｍａＣｕｐ　＃１７」に挑戦；大規模言語モデルの性能改善；大規模言語モデルの軽量化・高速化・省メモリ化）；応用編（Ｊｉｇｓａｗ　Ｕｎｉｎｔｅｎｄｅｄ　Ｂｉａｓ　ｉｎ　Ｔｏｘｉｃｉｔｙ　Ｃｌａｓｓｉｆｉｃａｔｉｏｎ；ＣｏｍｍｏｎＬｉｔ‐Ｅｖａｌｕａｔｅ　Ｓｔｕｄｅｎｔ　Ｓｕｍｍａｒｉｅｓ；Ｋａｇｇｌｅ‐ＬＬＭ　Ｓｃｉｅｎｃｅ　Ｅｘａｍ；Ｂｅｎｇａｌｉ．ＡＩ　Ｓｐｅｅｃｈ　Ｒｅｃｏｇｎｉｔｉｏｎ；Ｔｈｅ　Ｌｅａｒｎｉｎｇ　Ａｇｅｎｃｙ　Ｌａｂ‐ＰＩＩ　Ｄａｔａ　Ｄｅｔｅｃｔｉｏｎ；Ｅｅｄｉ‐Ｍｉｎｉｎｇ　Ｍｉｓｃｏｎｃｅｐｔｉｏｎｓ　ｉｎ　Ｍａｔｈｅｍａｔｉｃｓ；ＷＳＤＭ　Ｃｕｐ‐Ｍｕｌｔｉｌｉｎｇｕａｌ　Ｃｈａｔｂｏｔ　Ａｒｅｎａ；ＡＩ　Ｍａｔｈｅｍａｔｉｃａｌ　Ｏｌｙｍｐｉａｄ‐Ｐｒｏｇｒｅｓｓ　Ｐｒｉｚｅ　２）

高野　海斗(タカノ　カイト)
Ｋａｇｇｌｅ　Ｍａｓｔｅｒ。資産運用会社で自然言語処理技術を活用した投資戦略の開発や業務効率化ツールの開発を担当。Ｋａｇｇｌｅでは「ＬＬＭ‐Ｄｅｔｅｃｔ　ＡＩ　Ｇｅｎｅｒａｔｅｄ　Ｔｅｘｔ」コンペで単独で金メダルを獲得したほか、さまざまなコンペでメダルを獲得。博士（理工学）。大阪公立大学客員研究員。人工知能学会企画委員（コンペ担当）