フューチャー、日本語によるソースコード補完のためのLLM学習データを無償公開

　フューチャーは、人がLLMに与える指示とそれに対する回答のペアで構成される、ソフトウェア開発に関するインストラクションチューニング（Instruction-Tuning）データを無償公開した。

　LLMの開発には良質な学習データが必要な一方、日本語に特化したソフトウェアに関するインストラクションチューニングデータが限られることが同分野の研究開発における障壁になっている。

　同社は、2024年10月より経済産業省とNEDO（国立研究開発法人 新エネルギー・産業技術総合開発機構）が実施する国内生成AIの開発力強化プロジェクト「GENIAC」に採択され、「日本語とソフトウェア開発に特化した基盤モデル」の研究開発を行ってきた。

　今回公開したデータは、同プロジェクトの研究過程においてベンチマークとしたLLMをもとに自動生成したもの。同社は、このデータを活用し、開発した「Llama 3.1 Future Code Ja」が、特に日本語の指示によるソースコード補完能力に優れていることを確認している。

公開データの例