講演情報
[5L3-OS-6b-05]予測モデリングのためのマルチモーダル大規模言語モデルによる適応的特徴量生成法
〇吉村 皐亮1、鹿島 久嗣1 (1. 京都大学)
キーワード：
特徴量生成、マルチモーダル大規模言語モデル
学習データや計算資源が限られる予測モデリングにおいて，高精度かつ解釈可能な特徴量の設計は重要な課題である．特に信頼性が求められる応用分野では，説明性を備えた特徴量が不可欠となる．従来は人手による特徴量生成も用いられてきたが，作業スループットの低さが実運用上のボトルネックであった．本研究では，マルチモーダル大規模言語モデル（MLLM）を用いて，特徴量の定義およびラベリングを適応的に行う手法を提案する．本手法は，既存手法 AdaFlock において人間が担っていた役割を MLLM に置き換えることで，人手作業を介する場合と比較して大幅に高速な特徴量生成を実現する．具体的には，MLLM への問い合わせを通じて解釈可能な特徴量集合を動的に生成し，それらを用いたアンサンブル分類器を構築する．三つのモダリティが異なるデータセットを用いた実験の結果，Qwen3 系のモデルにおいて提案法が MLLM による直接推論を一貫して上回る性能を達成した．また，学習を含む一連の処理時間は最大約37分に収まっており，クラウドソーシング等の人的リソースに依存する手法と比して，実運用において極めて実用的であることを示した．