生成AIパスポート 用語解説
LLM（大規模言語モデル）とは
大量のテキストで学習し、人間が書いたような自然な文章を生成できる大規模な言語モデル。
まず押さえる結論
LLM（大規模言語モデル）は、生成AIパスポートの「第5章 テキスト生成AIのプロンプト制作と実例」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: 2026-06-27。
公式シラバス（PDF）（公式）比較記事でさらに確認する
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
×Zero-ShotとFew-Shotの取り違え。例を示さず指示だけ＝Zero-Shot、例をいくつか示してから指示＝Few-Shot。
×プロンプトエンジニアリングとファインチューニング／プレトレーニングの混同。前者は指示の与え方の工夫、後者2つはモデル側の学習段階。
×テキスト生成AIの不得意（正確な計算・最新の情報・芸術の批評）を、得意分野（要約・メール作成・箇条書き変換）と取り違える。
関連する確認問題
第5章 テキスト生成AIのプロンプト制作と実例 / LMとLLM
「LM（言語モデル）」と「LLM（大規模言語モデル）」の関係を説明したものとして、最も適切なものはどれか。
正解は「LMは言語モデル全般を指す語であり、LLMはその中でも大規模なデータで学習した言語モデルを指す」である。LM（Language Model、言語モデル）は、n-gramモデルからニューラル言語モデルまでを含む言語モデル全般を指す語であり、LLM（Large Language Model、大規模言語モデル）はその中でも大量のデータで学習した大規模なモデルを指す。両者は上位概念と下位概念の関係にあり、LLMがLMより後に登場した小規模なモデルとする説明や、無関係とする説明、LLMの方が広い概念とする説明は、いずれもこの関係と一致しない。
第5章 テキスト生成AIのプロンプト制作と実例 / LMとLLM
大量のテキストデータで学習し、人間が書いたような自然な文章を生成できる大規模な言語モデルを何というか。
正解は「LLM（大規模言語モデル）」である。大量のテキストで学習した大規模な言語モデルをLLM（大規模言語モデル）という。n-gramモデルは単語の並びを統計的に扱う初期の言語モデル、RAGは外部知識を検索して回答に活かす手法、GANは画像などを生成する敵対的生成ネットワークで、いずれも大規模言語モデルそのものを指す語ではない。 候補はモデルそのものか利用手法かを区別する。n-gramは限定した直前語の統計を使う古典的言語モデル、GANは敵対的生成モデル、RAGは外部検索を生成へ組み込む方式である。大規模コーパスで自然言語能力を学ぶモデルはLLMである。
第5章 テキスト生成AIのプロンプト制作と実例 / LMとLLM
ニューラルネットワークを使わず、直前に現れた数語の並びをもとに、次に来る単語の出現確率を統計的に求める初期の言語モデルを何というか。
正解は「n-gramモデル」である。設問は「ニューラルネットワークを使わず」「直前に現れた数語の並び」「次に来る単語の出現確率を統計的に求める」という3条件を示しており、これは連続するN個の単語の並びから次の単語の出現確率を計算する初期の言語モデルであるn-gramモデルの特徴と一致する。「ニューラル言語モデル」はn-gramモデルの後に登場したニューラルネットワークを用いる方式であり、「使わず」という条件と正反対である。「LLM（大規模言語モデル）」は大量のテキストで学習した大規模な言語モデルを指し、数語の並びだけを統計的に扱う初期モデルより後の規模の大きな概念である。「プロンプトエンジニアリング」は指示の与え方を工夫する取り組みであり、言語モデルの方式そのものを指す語ではない。
同じ章で確認したい用語
到達チェック
- LLM（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、LLM（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）