ChatGPTをはじめとする大規模言語モデル（LLM）は、情報源としてますます重要性を増している。ただし、その応答は使用前に評価する必要があるため、情報生成の取り組みから情報の質を評価する取り組みへと重点が移る必要がある。
本講演では、LLMプラットフォームを用いた学習に用いられるプロンプトの設計に再び焦点を当てます。JMPを用いて統計的に設計された実験手法を実装し、一連のプロンプトを設定します。そして、潜在意味解析などのテキスト分析手法から得られた応答の分析結果を用います。次に、一般化回帰を用いて、プロンプトで使用される要素がText Explorerから得られるトピックスコアに与える影響をモデル化します。
JMPは、実験計画法とテキスト分析、ペナルティ付き回帰をスムーズに組み合わせることで、LLMからの学習効果を高める機能を提供している点で注目に値します。このアプローチはあらゆる応用分野に適用可能であり、その観点から広く一般化できると言えます。
