概要　/　RAGの検索精度の向上を支援

大規模言語モデル（LLM）の活用で主流となるドキュメント検索やAIエージェント（FAQ）
言い回しの違いで欲しい回答が得られない、誤回答（ハルシネーション）を抑制。RAGエンジニアリングを承ります

1.無関係な話題、不適切な話題には付き合いません

• JetrunのNLP(意味解析)で記事との関連を精査
  LLMにデータを丸投げすることで発生するリスクを最小限にします
  NLPの品質はこちらからご確認ください📑
  
  
• ・言い回しを集約し検知制度を上げることで、ハルシネーションを低減
• ・作成したトレーニングデータと独自のプロンプトを用いてRAGの正確性を向上
• ・専用アカウントを作成。当社指定サイトにて、精度検証とチューニングを実施
• 
  生成AIを活用し構築したカスタマーサポートのRAGチューニング事例では
  各クライアント様より期待以上の結果を得られたとのお声を頂戴しております

2.アノテーション業務代行 / コーパス付きトレーニングデータ

概要
・データの正規化	収集データから個人情報・固有名詞・URLなどを抽出し、一般名詞に置き換えて正規化 対話ログなどでよくみられる「あー」「えーっと」などのつなぎ言葉を除去
・類語、同義語集約	微妙な言い回しの違いや似た意味の言葉を集約し正規化
・5W1H分類	収集データを5W1H（いつ、どこで、誰が、何を、なぜ、どのように）で分類し、ユーザーの行動意図を理解
・アノテーション業務代行	蓄積したデータからの迅速な提供のほか、新規収集やアノテート業務まで一律で対応



• アノテーション業務代行、コーパス付きトレーニングデータに関する詳細はこちら