- 大規模言語モデル（LLMs）に対処するための重要なツールの1つは、Retrieval Augmented Generation（RAG）であり、モデルのトレーニングデータの外部データを検索して質問によりよく答えるプロセスである。
- ファイナンスでこの技術を使用することは問題があるが、ヘッジファンドBalyasnyでは問題ない。
- Balyasnyは、GoogleやDeepMind出身者とともに、AIチャットボットBAMChatGPTなど、独自のAIツールを作成するために応用AI研究チームを構築している。
- Balyasnyは、新しい創造物であるBAM Embeddingsを発表し、これはRAGプロセスの重要な部分であり、金融サービスの「難解な専門用語」に特化して作成されている。
- BAM Embeddingsは、OpenAIの一般的な目的の埋め込みよりも、金融文書のデータセット内で最も関連性の高いパッセージを返す頻度が高い。
- しかし、BAM Embeddingsを使用したクエリは30％の間違いがあるが、RAGを使用してもLLMsは幻想を抱く傾向がある。
- それにもかかわらず、BalyasnyはRAGを利用する人々の競争が激化する分野で競争上の優位性を持っているようだ。
この記事では、Balyasnyが金融分野でRAGを活用するためのAIツールを開発していることが紹介されています。BAM Embeddingsは金融の専門用語に特化した埋め込みであり、外部データへのアクセス精度が高いことが示されています。ただし、まだ不完全な部分もあり、幻想を引き起こすリスクが存在します。それでも、BalyasnyはRAGを活用することで競争上の優位性を得ているようです。