FujiCert

LLM・生成AI

パラメータとは？

読み: ぱらめーた英語: Parameter更新日: 2026-06-23

モデルが学習によって調整する内部の数値です。ニューラルネットワークの重みやバイアスなどを指します。

試験で問われるポイント

  • パラメータ数はモデル規模の目安になります。
  • 多ければ常に良いわけではなく、用途、コスト、速度も重要です。
  • 学習データの件数や対応言語数とは異なります。

具体例

大規模モデルは数十億から数兆規模のパラメータを持つことがあります。

よくある誤解

  • パラメータを学習データそのものと混同する。
  • パラメータ数だけでモデル性能を判断する。

対応試験

生成AIパスポートG検定

関連する表記: パラメータ / 重み / バイアス / Parameter

関連問題で復習

G検定ディープラーニングの概要

ニューラルネットワークの「パラメータ」と「ハイパーパラメータ」の違いとして、最も適切なものはどれか。

生成AIパスポートAI・生成AIの基礎

GPT-4のパラメータ数は推定で1兆以上とされる。このパラメータとは何を指すか。

G検定AIに関する法律と契約

日本の不正競争防止法において、AIモデルの学習済みパラメータを保護する概念として関連するものはどれか。

生成AIパスポートAI・生成AIの基礎

生成AIで創造的な文章を書かせたい場合と、正確な情報を出力させたい場合で、調整すべきパラメータはどれか。

生成AIパスポートAI・生成AIの基礎

学習率、バッチサイズ、層数など、学習前に人間が設定するパラメータを何と呼ぶか。

生成AIパスポートLLM・テキスト生成AI

GPT-4のパラメータ数に関する記述として最も適切なものはどれか。

生成AIパスポートLLM・テキスト生成AI

元のモデルパラメータを固定し、学習可能な仮想トークンを追加してモデルを適応させる手法を何と呼ぶか。

AWS AI Practitioner生成AIの基礎

温度パラメータを高くしたときの一般的な傾向として最も適切なものはどれか。

関連用語

大規模言語モデル（LLM）

大量のテキストで学習し、文章理解、生成、要約、翻訳、対話などを行う言語モデルです。

基盤モデル

大量データで事前学習され、さまざまな用途へ応用できる大規模なAIモデルです。

ニューラルネットワーク

多数の重み付き結合を持つ層で構成され、入力と出力の関係を学習するモデル構造です。

FujiCertの用語解説は、各試験の公式問題ではなく、学習者が問題演習で つまずきやすい観点を整理した非公式の学習支援コンテンツです。