このセクションでは、GPT-2 ベースの自作軽量LLMを活用した2つの機能をご体験いただけます。
迷惑メール分類: GPT-2 モデルに対して「分類タスク」のファインチューニングを施し、英語メッセージをスパム/非スパムに分類します。
指示に基づく回答生成: 同じく GPT-2 モデルに対して「命令文応答タスク」のファインチューニングを行い、英語での対話指示に応じた回答を生成します(日本語は未対応)
いずれのモデルも Google Colab 上で学習を行い、現在は EC2 上の Web アプリからリアルタイムで推論可能です。
なお、本デモでは計算リソースの制約を考慮し、軽量な GPT-2 モデルを採用しているため、対応言語は英語のみに限定しています 。
1. スパム分類モデル学習
この分類モデルは Google Colab 上で事前に訓練されました。学習の詳細はこちら:
▶ Google Colab Notebook を見る
2. スパム分類を試してみよう
📌 分類の例を表示(クリックで展開)
🟢 非スパム例:
Let’s meet at 3 PM for the project discussion.
Your Amazon package has been shipped.
Can you send me the updated file?
🔴 スパム例:
This is a limited time offer! Click now to win a free iPhone!
You are a winner you have been specially selected to receive $1000 cash or a $2000 award.
Call Free 0800 1956669 or text back help
分類
3. 指示に基づく回答生成モデル学習
この分類モデルは Google Colab 上で事前に訓練されました。学習の詳細はこちら:
▶ Google Colab Notebook を見る
4. 指示に基づく回答生成を試してみよう
📌 指示入力フォーマットと例(クリックで展開)
以下の形式で英語の指示を入力してください:
Below is an instruction that describes a task. Write a response that appropriately completes the request.
### Instruction:
Rewrite the sentence using a simile.
### Input:
The car is very fast.
その他の例:
### Instruction:
What type of cloud is typically associated with thunderstorms?
### Instruction:
Rewrite the following sentence using passive voice. ### Input:
The team achieved great results.
送信
RAG 質問応答
このセクションでは、自作のRAG(Retrieval-Augmented Generation)機能をご体験頂けます。
Amazon BedrockのKnowledge Base機能を活用し、社内資料を検索・要約して日本語での回答を生成します。
現在登録されているナレッジベースには、株式会社日本取引所グループ(JPX)の2023年度第2四半期・第3四半期の決算説明資料(PDF)が含まれています。
これらの資料には、売上・営業利益の変動要因、取引所別の業績、投資家向けの施策、費用構造の分析などが含まれています。
📌 質問例を表示(クリックで展開)
2023年度第3四半期の売上が増えた理由は何ですか?
JPXの2023年3Qの決算について教えてください。
2023年第2四半期と第3四半期の比較で、費用の増減要因は何ですか?
JPXは中期的にどのようなIT投資を計画していますか?
検索