hillclimb

山登り法

評価スコアを基準に小さな変更を繰り返し、より良い結果へ少しずつ登っていく探索・最適化の手法。

記事1本最終言及

山登り法(ヒルクライミング、hillclimb)は、現在の状態に小さな変更を加え、評価スコアが上がればその変更を採用し、上がらなければ元に戻す過程を繰り返して、徐々により良い解へ進む探索・最適化の手法である。数理最適化と人工知能の探索アルゴリズムにおける古典的な技法で、全体で最良の解ではなく局所最適解に陥る可能性があり、収束が保証されないヒューリスティックである。

AI開発の現場では、評価(eval)スコアを指標として、プロンプトや設定、コードなどを少しずつ変えながらスコアを引き上げる作業を指す言葉として使われる。評価データにのみ適合してしまう過学習を防ぐため、データを学習用とテスト用に分け、両方でスコアが上がった場合にだけ変更を維持する方式が併用される。

この説明は、AIPOSTの記事と広く知られた事実をもとにまとめたものです。誤りがあれば訂正依頼でお知らせください。

この項目を扱った記事

  • フロンティアモデルの隠れコストを削る3つの修正、プロンプト負債・キャッシュ・評価AI活用 ·

    /claude-api hillclimb コマンドは、そのループに防御策を組み込んでいます。

    記事を読む

説明の誤りや、見つからない項目はありますか?

事典の説明は、AIPOSTの記事と広く知られた事実をもとにまとめています。誤りは訂正依頼でお知らせいただければ、確認して修正します。新しい記事に登場した名前は、記事の公開後に事典に加わります。