DS検定 用語解説
大規模言語モデルとは
大量のテキストを学習し、文脈に応じた自然な文章を生成する言語モデル。
まず押さえる結論
大規模言語モデルは、DS検定の「第2章 データ可視化とAI活用の基礎」に出てくる用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-10-02。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
「第2章 データ可視化とAI活用の基礎」の問題で、取り違えやすい組み合わせです。
- Hallucinationを『まれに起こる不具合』と誤解する。大規模言語モデルの構造上根本的に避けられない現象として理解する必要がある。
- Hallucination対策を『使わない』ことだと誤解する。検索によるリサーチ結果との比較や他LLMの出力との比較など、気づくための具体的な行動が問われる。
- ITセキュリティのリスク種類（消失・漏洩・サービスの停止）を漠然と『危険』とまとめてしまい、どの種類のリスクかを区別できない。
関連する確認問題
第2章 データ可視化とAI活用の基礎 / 生成AI活用
大規模言語モデルの回答にHallucinationが疑われ、質問に関する正確な社内規程の文章を用意できる。追加情報の効果を確かめる方法として最も適切なものはどれか。
正解は「正確な追加情報を入力データに付与し、出力結果の変化を比較する」である。公式スキルチェックリストは、Hallucinationに気づくための行動として、正確な追加情報を入力データへ付与し、その前後で出力がどう変わるかを比較する方法を挙げている。設問では正確な社内規程を利用でき、追加情報の効果を確かめたいので、この方法が直接対応する。最初の出力を採用するのは出力を鵜呑みにする行為である。他LLMとの比較も確認方法の一つだが、追加した規程の影響を比較する設問の目的とは異なる。ヒートマップは値を色の濃淡で示す可視化であり、回答の根拠確認にはならない。
第2章 データ可視化とAI活用の基礎 / 生成AI活用
大規模言語モデルでHallucinationが起こる理由を、学習に使われたデータの観点から説明したものとして最も適切なのはどれか。
正解は「学習用データに誤りや歪みがある場合や、問いに対応する学習用データが存在しない場合がある」である。公式スキルチェックリストは、大規模言語モデルでHallucinationが起こる理由として、学習データに関するこの二つを挙げている。誤った内容や偏った内容を含むデータから学習すれば、その影響が出力へ現れ得る。また、問いに対応する学習用データがない場合にも、事実と異なる内容をもっともらしく生成する可能性がある。他のLLMとの比較や正確な追加情報の付与は、Hallucinationに気づくための確認方法であり、学習データ側の原因ではない。
第2章 データ可視化とAI活用の基礎 / 生成AI活用
生成AIの出力を業務で使う前の確認として最も適切なものはどれか。
正解は「検索結果や他LLMの出力結果と比較し、出力を鵜呑みにしない」である。大規模言語モデルはHallucinationを起こすことがあり、文章が自然でも内容が事実と異なる場合がある。業務で使う前には、検索結果や一次情報、他のLLMの出力と比較して、出力をそのまま鵜呑みにしないことが求められる。「大規模言語モデルの出力は常に正しいため、そのまま採用する」は、Hallucinationが起きる可能性を無視した姿勢である。「Hallucinationは画像生成だけで起きるため、文章では確認しない」は、Hallucinationを画像生成に限定しており、文章生成でも誤った内容が出力されうる点を見落としている。「追加情報を与えても出力結果は変わらないため比較しない」は、他LLMの出力結果との比較や追加情報による確認という、鵜呑みにしないための具体的な行動を放棄する考え方である。
同じ章で確認したい用語
他資格でも出題される用語
到達チェック
- 大規模言語モデルを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、大規模言語モデルに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）