Googleは2025年8月27日（現地時間）、大規模言語モデル（LLM）の評価作業を効率化する開発者向けツール「Stax」を発表した。Staxは用途特化型の評価基準や自動評価機能を提供し、AI活用の精度向上を支援する。
従来、LLMの出力評価は感覚的な試行錯誤に頼るケースが多く、生産性や精度の課題が指摘されてきた。Staxはこの課題に対処するため、Google DeepMindの知見とGoogle Labsの試験的開発経験を活かし、AI評価の全プロセスを効率化する。
Staxでは、開発者がテスト用データセットをCSV形式でアップロードしたり、独自のプロンプトや正答データを作成できる。さらに、整合性や事実性などを自動で評価する事前構築済みの自動評価ツールも備える。
加えて、要件に応じたカスタム評価基準を簡単に作成する機能も搭載しており、用途ごとに出力の質を定量的にチェックできる。これによりLLM採用時の意思決定や改善がデータに基づいて行えるようになる。
この記事は参考になりましたか？
- この記事の著者
-
CodeZine編集部（コードジンヘンシュウブ）
CodeZineは、株式会社翔泳社が運営するソフトウェア開発者向けのWebメディアです。「デベロッパーの成長と課題解決に貢献するメディア」をコンセプトに、現場で役立つ最新情報を日々お届けします。
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です
