Simon Willison's Weblogは2026年8月14日(現地時間)、大規模言語モデル (LLM) を活用したブログ記事のタグ付けにおける新しい手法について紹介した。この手法は、既存のタグボキャブラリーから直接タグを分類させるのではなく、LLMにタグを生成 (hallucinate) させ、その後ベクトル埋め込み (vector embeddings) を使って既存のタグと最も近いものを見つけるというもの。これはダグ・ターンブル (Doug Turnbull) 氏が提案した解決策として言及されている。
この新しい手法は、Simon Willisonのブログが抱える課題に対応するものだという。同氏のブログには1,856個のタグが存在しており、これら全てのタグを一度にLLMに与え、「コンテンツに合うタグはどれか」と問い合わせることは困難であるとしている。
ターンブル氏の提案する解決策では、LLMに対し、既存のタグの詳細を与えずにタグを出力させる。その後、生成されたタグに対しベクトル埋め込みを使用し、既存のコーパスと照合することで、LLMが想定したタグに最も近い具体的なタグを特定するプロセスが説明されている。プロンプトの例として、これまでに見たことのない、斬新な家具、家庭用品、またはハードウェアの分類を作成することという指示と、Furniture / Living Room Furniture / Coffee Tables & End Tables / Coffee Tablesのようなプロダクト分類の形式が提示されている。
参考: Simon Willison’s Weblog (アーカイブ) — 2026年8月15日 06:54 (JST)
原文ハイライト"Tell the model to output tags without any details of the existing vocabulary"