内容紹介：現場で生きるＬＬＭ導入・運用・活用ガイド！大規模言語モデルでは、従来のルールやＭＬＯｐｓが通用せず、ハルシネーションやセキュリティ崩壊、モニタリング不全など未知の課題が発生します。本書はＬＬＭＯｐｓの実践ガイドとして、評価・ガバナンス・監査の設定、ＲＡＧやエージェント運用の整理、パフォーマンス監視、コスト効率の高いインフラ拡張まで、本番環境においてＬＬＭを安定的に稼働させる方法を解説します。
大規模言語モデルでは、従来のルールやＭＬＯｐｓが通用せず、ハルシネーションやセキュリティ崩壊、モニタリング不全など未知の課題が発生します。本書はＬＬＭＯｐｓの実践ガイドとして、評価・ガバナンス・監査の設定、ＲＡＧやエージェント運用の整理、パフォーマンス監視、コスト効率の高いインフラ拡張まで、本番環境においてＬＬＭを安定的に稼働させる方法を解説します。
もくじ情報：１章　大規模言語モデル入門；２章　ＬＬＭＯｐｓ入門；３章　ＬＬＭベースアプリケーション；４章　ＬＬＭのためのデータエンジニアリング；５章　ＬＬＭベースアプリケーション向けモデルドメイン適応；６章　ＡＰＩファーストＬＬＭデプロイ；７章　ＬＬＭの評価；８章　ガバナンス：監視、プライバシー、セキュリティ；９章　スケーリング：ハードウェア、インフラ、リソース管理；１０章　ＬＬＭとＬＬＭＯｐｓの未来

アーリアン，アビ(アーリアン，アビ)
Ａｂｉｄｅ　ＡＩ（ｈｔｔｐｓ：／／ａｂｉｄｅａｉ．ｃｏｍ）の創設者であり、本番環境向けのＭＬシステムを構築してきた約１０年の経験を持つ機械学習研究エンジニア。数学を専攻し、以前はＪｕｄｅａ　Ｐｅａｒｌ博士の指導のもとＵＣＬＡのＣｏｇｎｉｔｉｖｅ　Ｓｙｓｔｅｍｓ　Ｌａｂで客員研究員として、知能エージェントの開発に注力していた。ＡｕｔｏＭＬ、マルチエージェントシステム、大規模言語モデルに関する研究論文を執筆し、ＮｅｕｒＩＰＳ、Ａｓｓｏｃｉａｔｉｏｎ　ｆｏｒ　Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｌｉｎｇｕｉｓｔｉｃｓ（ＡＣＬ）、Ｅｍｐｉｒｉｃａｌ　Ｍｅｔｈｏｄｓ　ｉｎ　Ｎａｔｕｒａｌ　Ｌａｎｇｕａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ（ＥＭＮＬＰ）、Ａｄｖａｎｃｅｓ　ｉｎ　Ａｐｐｒｏｘｉｍａｔｅ　Ｂａｙｅｓｉａｎ　Ｉｎｆｅｒｅｎｃｅ（ＡＡＢＩ）といった主要な研究会議やワークショップで積極的に査読者を務めている。現在は、ＡＩエージェントにおける反射知能、マルチエージェントシステム向けの分散自己修復プロトコル、超大規模ＡＩシステム向けのＧＰＵエンジニアリングの研究をさらに推進している