実験室
-
MCP LLMに翼を与える Web 検索ツールを実装
LLMが Web 検索できるように MCPツールを実装
-
RoLA を重ねて結果を見てみる
RoLAを重ねて出力の結果を比較してみる
-
Application chrome系ブラウザの機能拡張
chrome系ブラウザの機能拡張を作成する基本
-
軽量・爆速モデル LFM2 を 爆速言語 Rust で翻訳タスクを試す。
CPUでも動作する軽量モデル LFM2 をRustで動かしてみました。
-
DirectML でRoLAコードを書いてキャラクターを学習させる
DirectML環境でRoLAを訓練するコードを作成して試しています
-
MCP FastMCPでサーバーとクライアントを試す
MCPをFastMCPを使用してどのようなものか試してみます
-
プロンプト Few‑Shot
軽量モデルへ代表的なプロンプト手法を実際のコードで試しモデルの反応を確認します
-
プロンプト Self‑Consistency（SC）
軽量モデルへ代表的なプロンプト手法を実際のコードで試しモデルの反応を確認します
-
プロンプト Self‑Ask
軽量モデルへ代表的なプロンプト手法を実際のコードで試しモデルの反応を確認します
-
プロンプト ReAct
軽量モデルへ代表的なプロンプト手法を実際のコードで試しモデルの反応を確認します
-
プロンプト Active Prompting
軽量モデルへ代表的なプロンプト手法を実際のコードで試しモデルの反応を確認します
-
MCP + RAG で知識を取得して出力するAgentを試す
LM Studioでベクターストアに知識を入れて、MCP呼び出しで知識を取得する様子を試しています
-
プロンプト Chain‑of‑Thought (CoT)
軽量モデルへ代表的なプロンプト手法を実際のコードで試しモデルの反応を確認します
-
LangChain ベクターストアへのデータの保存
RAGの為のデータを取得、分割、ベクトル化、保存の一連の流れを試しています
-
LangGraph エージェントのツール呼び出しを確認する
LangGraphを利用してモデルがどのようにツールを呼び出しているのか確認します
-
LangChain 画像を理解できるモデルを利用したOCR
画像を理解できるモデルを利用してOCRが作れるか試しています
-
LangChain SQL を操作しデータを取得するAgent の作成
モデルがデータベースを操作してデータを取得できるのか確認しています