Slide 1

Slide 1 text

メルカリのLLMを使ったサービ ス開発の進め方 株式会社メルカリ 大嶋

Slide 2

Slide 2 text

自己紹介 大嶋@メルカリ 2014~2019 NTT研究所 ● OSS活動 ● ML Ops 2019 ~ 株式会社メルカリ ● ~2022 EdgeAI チーム テックリード ● 生成AI/LLMチーム テックリード 2

Slide 3

Slide 3 text

開発中の機能:SEO改善 ページのコンテンツを反映したい ● 日傘と傘で重複 ● ブランド名の書き方 など カテゴリ X ブランド名の組み合わせ LLMでいい感じのタイトルを生成 3

Slide 4

Slide 4 text

開発中の機能:商品情報サジェスト 商品に不足している情報がありそうなら提案 例:定価 ルールベースの実装をLLMで推定に 4

Slide 5

Slide 5 text

LLMは必要か? それって小さめな ● 分類モデル ● 要約モデル で十分なのでは? 5

Slide 6

Slide 6 text

LLMは必要か? それって小さめな ● 分類モデル ● 要約モデル で十分なのでは? Yes だがLLMでやる意義があると思っている 6

Slide 7

Slide 7 text

なぜLLMを使うのか/使ったのか LLM = Chatbot ではない LLM導入の価値 ● PoCコストの劇的な低減 ● LLMがないと実現できない体験 えっ!? 7

Slide 8

Slide 8 text

PoCコストの劇的な低減 LLMは広範なタスクを高い精度でこなせる データ作成 モデル学習 リリース 効果検証 ルールベース・人手で代替 リリース 効果検証 やりたいこと Feasibility check 検証がでるまでに時間・コストがかかる 精度不足や代替可能性の問題 8

Slide 9

Slide 9 text

PoCコストの劇的な低減 LLMは広範なタスクを高い精度でこなせる データ作成 モデル学習 リリース 効果検証 LLM + Few shot で代替 リリース 効果検証 やりたいこと Feasibility check 検証がでるまでに時間・コストがかかる それなりの精度でかなり多くのタスクの PoCが可能 9

Slide 10

Slide 10 text

LLMでないと実現できない体験 複雑なパイプラインの構築 ● LLMによる情報抽出 ● Evidenceの検索 ● LLMによる生成 いずれも簡単ではない 小規模な機能でコンポーネントの知見を貯める Build and maintain your company Copilot with Azure ML and GPT-4 10

Slide 11

Slide 11 text

LLMがないとできない体験のための準備 ● どのレイヤ/コンポーネントか意識 ● API・モデルの特性の理解 ● FineTuningの必要性 The era of the AI Copilot 11

Slide 12

Slide 12 text

まとめ ● LLM ≠ Chatbot ●  リリースしないと分からない ●  リリースしたけど分からなかった 12