Ambient SFTを提案、LLMのデータ効率的ファインチューニングで性能改善
ヤニス・ダラス (Giannis Daras) 氏らの研究チームは2026年11月17日(現地時間)、大規模言語モデル (Large Language Models, LLM) の教師ありファインチューニング (Supervised Fine-Tuning, SFT) におけるデータ効率を大幅に向上させる新フレームワーク「Ambient SFT」を発表した。arXiv cs.LGで公開されたこの研究は、従来のSFTが抱える小規模データセットでの過学習やデータ分布の「壊滅的忘却」といった課題に対応することを目的としており、限られたデータリソースでのLLMの適応能力強化に貢献すると期待される。