G検定 用語解説
大規模言語モデル（LLM）とは
膨大なテキストで事前学習した大規模なモデルで、文章生成や質問応答など幅広い言語タスクをこなす。
まず押さえる結論
大規模言語モデル（LLM）は、G検定の「大項目6 ディープラーニングの応用例」で確認しておきたい用語です。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: 2026-07-03。
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
×物体検出（R-CNN系/YOLO/SSD）とセグメンテーション（セマンティック＝画素単位の塗り分け、インスタンス＝個体ごとに区別）の混同。
×word2vec・BERT・GPTの違い（BERT＝前後両方向、GPT＝一方向・自己回帰）。
×強化学習の応用（DQN、AlphaGo）と画像/言語タスクの取り違え。
関連する確認問題
大項目6 ディープラーニングの応用例 / 生成AI・基盤モデル
大規模言語モデルが、事実に基づかないもっともらしい誤った情報を生成してしまう現象を指す語はどれか。
正解は「ハルシネーション」である。大規模言語モデルが事実に基づかないもっともらしい誤情報を生成してしまう現象はハルシネーション。マルチモーダルは複数種類のデータを扱うこと、プロンプトはモデルへの入力指示、ファインチューニングは追加学習による調整を指し、いずれも誤情報生成の現象名ではない。4つの選択肢は「誤情報を生成する現象」「複数データ種を扱う性質」「モデルへの入力指示」「追加学習による調整」という異なる対象を指す語であり、モデルの出力結果そのものの問題を指すのはハルシネーションだけである。
大項目6 ディープラーニングの応用例 / 生成AI・基盤モデル
大規模言語モデル（LLM）の説明として、最も適切なものはどれか。
正解は「膨大なテキストデータで学習し、文章の生成や理解を行う巨大なパラメータを持つ言語モデル」である。大規模言語モデル（LLM: Large Language Model）は、膨大なテキストデータで学習し、非常に多くのパラメータを持つ言語モデルで、文章の生成・理解・翻訳・要約など幅広い言語タスクに対応する。画像専用のモデルや手書きルールベースのモデルとは異なる。見分ける軸は、主な学習対象がテキストであること、文章の生成と理解を扱うこと、巨大なパラメータを持つことの3点である。画像の物体検出、少数の手書きルール、音声の記録装置は、言語モデルの学習方法と機能を説明していない。
大項目6 ディープラーニングの応用例 / 生成AI・基盤モデル
大規模言語モデルにおける「事前学習」と「ファインチューニング」の関係の説明として、最も適切なものはどれか。
正解は「事前学習で大量データから汎用的な知識を獲得し、ファインチューニングで特定タスク向けに追加調整する」である。大規模なモデルはまず大量のデータで事前学習（プレトレーニング）を行い汎用的な知識を獲得する。その後、目的の下流タスクに合わせてファインチューニング（追加学習）で調整する。順序と役割が逆になった選択肢や、両者を同一視する選択肢は誤り。 選択肢ごとの差は次のように整理できる。「事前学習は特定タスク向けの微調整、ファインチューニングは大量データによる汎用的な学習である」は誤答側で、誤答。事前学習とファインチューニングの役割が逆である。大量データによる汎用的な学習が事前学習で、特定タスク向けの追加調整がファインチューニングである。「事前学習で大量データから汎用的な知識を獲得し、ファインチューニングで特定タスク向けに追加調整する」は正解側で、正解。まず事前学習で大量データから汎用的な知識を獲得し、その後にファインチューニングで目的のタスクへ追加調整する。順序と役割がともに正しい。「両者は同じ処理の別名であり違いはない」は誤答側で、誤答。事前学習とファインチューニングは同じ処理ではない。扱うデータの範囲と、汎用的な学習か特定タスクへの調整かという目的が異なる。「ファインチューニングを行うと事前学習の知識はすべて失われる」は誤答側で、誤答。ファインチューニングは事前学習済みのモデルを特定タスク向けに追加調整する処理であり、事前学習の知識がすべて失われるという説明ではない。
同じ章で確認したい用語
到達チェック
- 大規模言語モデル（LLM）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（LLM）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）