本文へスキップ
ReviewRamble

週刊ブリーフ

AIのレビューを、あなたの受信箱に。

  • ツール、モデル、MCPサーバー、リポジトリの新しいレビュー(結論を最初に)
  • 変更があったときに再確認した価格と評価
  • 公開された新しい分析記事

モデル、エージェント、MCPサーバー、そして本当に時間をかける価値のあるツール。

週に1通です。配信停止は各メールのリンクからできます。 メールアドレスの利用について

判定モデル

判定モデル(decision model)とは、自由なテキストを生成する代わりに、一覧からの選択、ルーブリックによるスコア、はい/いいえの確率など、型の決まった答えを返すために作られたモデルです。

執筆 Divya Sharma · 2026年11月15日確認 · レビューの方法

エージェントは多くの時間を小さな判断に費やします。このチケットはどのチームの担当か、このメッセージはスパムか、この手順には人の承認が必要か、といった判断です。チャットモデルでも答えられますが、返答はコードで解析しなければならない文章であり、どれだけ確信があるかについて信頼できる尺度も示しません。判定モデルは、その狭い仕事のために作られています。

仕組み

モデルに根拠となる情報(テキスト、JSON、画像)と、1 つ以上の型の決まった質問を送ります。自社の Jev モデルを「System One」モデルと呼ぶ TypeSafe は、3 種類の質問を挙げています。選択肢の一覧からの選択、ルーブリックによるスコア、ある記述が正しい確率です。答えは確率付きの値として返ってくるので、コードはそれをしきい値と比べて行動したり、確信度が低いときは人に回したりできます。ほかの例には Laya や GLiNER2.5-Decide があります。

どこに位置づけられるか

主な用途は、LLM ルーティング、振り分け、ツール呼び出し前の安全確認、エージェントが作業を続けるかどうかの判定です。ガードレールや構造化出力と並ぶものです。構造化出力はテキストモデルにスキーマを埋めさせるものですが、判定モデルは最初から型の決まった答えを中心に設計されています。

限界

ラベルは学習で組み込まれるのではなくリクエストから読み取られるため柔軟ですが、自分のカテゴリーでの正確さは保証されません。判定モデルのスコアを信頼する前に、自分のデータのラベル付きサンプルでテストしてください。

関連用語

LLM routing(LLMルーティング)
LLM routing(LLMルーティング)とは、各リクエストをそれに最も適した言語モデルに送る手法です。簡単なプロンプトには安価なモデル、難しいプロンプトには強力なモデルを使うことが多く、コスト、速度、品質のバランスを取ります。
Structured output(構造化出力)
Structured output(構造化出力)とは、言語モデルの応答を、通常はJSONスキーマなど自分で定義した形式に従わせるAPIの機能です。自由なテキストから抜き出す代わりに、コードで確実に解析できます。
ガードレール(AI)
ガードレール(guardrails)とは、言語モデルの周りに置く実行時のチェックです。入力と出力を調べ、ブロックしたり、書き換えたり、別の経路に回したりします。これにより、アプリケーションが話題から外れず、有害なコンテンツを避け、モデルだけでは確実に守れないルールに従うようにします。
小規模言語モデル(SLM)
小規模言語モデル(small language model、SLM)とは、パラメータが比較的少なく、通常は数十億以下の言語モデルで、ノートPC、スマートフォン、1枚のGPUで、大規模なモデルより低いコストで動くように作られています。
LLM-as-a-judge
LLM-as-a-judge とは、人のレビュアーの代わりに、あるいは人と併用して、強力な言語モデルに別のモデルやアプリケーションの出力を採点させる評価方法です。ルーブリック、参照用の回答、並べての比較を使います。

出典