【Japanese Stable LM Beta】国内最大級の日本語特化型LLMをGPT 4と比較してみた

皆さん、Stability AI Japanによって11月2日に公開された「Japanese Stable LM Beta」というLLMsをご存知ですか？

MetaのLlama 2をベースに、大量の日本語で追加学習した、オープンソースのLLMシリーズなんです。その中には、日本語に特化した汎用モデルや、人間の指示に応えるのが得意なモデルなど、様々な種類が存在します。

中には、国内最大級のモデルまであるんです！

では、そんなJapanese Stable LM Betaの使い方や、実際に使ってみた感想、最後にはGPT-４と、Youri7B、Stockmark13Bとの日本語力の比較をまとめています。

この記事を最後まで読むと、Japanese Stable LM Betaの圧倒的実力を実感できます！
ぜひ最後までご覧ください！

Japanese Stable LM Betaの概要

11月2日、Stability AI Japan は、最高性能を誇るオープンな日本語LLM「Japanese Stable LM Beta (JSLM Beta)」シリーズを発表しました。そのシリーズには、以下の3種類のモデルが存在します。

• Japanese Stable LM Base Beta：日本語能力や日本に関する知識を持つ汎用的なモデル
• Japanese Stable LM Instruct Beta ：上記のBaseモデルに対して、指示に受け答えできるように、ファインチューニングを行ったモデル
• Japanese Stable LM JA-Vocab：上記の学習に加え、約20000語の語彙を追加したモデル

各モデルは7Bと70Bが存在し、Llama-2 に追加学習を行うことで、日本語に特化したものです。特に、最大サイズの指示応答言語モデルである Japanese Stable LM Instruct Beta 70Bは、700億パラメータを持ち、2023年11月2日までで、最大の日本語LLMとなります。

これらのLLMは誰でも自由に使うことができ、商用利用も可能です。ただし、プログラムが不適切な言葉や表現を生成することがあるため、使用する際には注意が必要です。

Japanese Stable LM Betaの料金体系

Japanese Stable LM Betaは誰でも無料で使うことができ、商用利用も可能です。

なお、日英特化型のLLMについて詳しく知りたい方は、下記の記事を合わせてご確認ください。
→【Japanese Stable LM 3B-4E1T】学習量4兆トークンの日英特化型LLM

Japanese Stable LM Betaの使い方

ここでは、Google Colab上で、「Japanese Stable LM Base Beta 70B」を実行してみます。

まずは、以下のURLからrequests.txtを取得し、Colabにアップロードしてください。その際、requests.txtの最終行に「transformers」と追記してください。

参考記事：stabilityai/japanese-stablelm-base-beta-70b

次に、以下のコードを実行して、ライブラリをインストールしましょう。

!pip install -r requirements.txt

続いて、以下のコードを実行すると、日本語の文章が生成されます。

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

model_name = "stabilityai/japanese-stablelm-base-beta-70b"
tokenizer = AutoTokenizer.from_pretrained(model_name)

# The next line may need to be modified depending on the environment
model = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype=torch.float16, low_cpu_mem_usage=True, device_map="auto")

prompt = """
AI で科学研究を加速するには、
""".strip()

input_ids = tokenizer.encode(
    prompt,
    add_special_tokens=False,
    return_tensors="pt"
)

# this is for reproducibility.
# feel free to change to get different result
seed = 23  
torch.manual_seed(seed)

tokens = model.generate(
    input_ids.to(device=model.device),
    max_new_tokens=128,
    temperature=0.99,
    top_p=0.95,
    do_sample=True,
)

out = tokenizer.decode(tokens[0], skip_special_tokens=True)
print(out)

上記のコードにおける、以下の部分の文章がプロンプトに当たります。

prompt = """
AI で科学研究を加速するには、
""".strip()

なお、Stability AI史上最強の日本語LLMについて詳しく知りたい方は、下記の記事を合わせてご確認ください。
→【Japanese Stable LM Gamma 7B】Stability AI史上最強の日本語LLMが誕生!?

Japanese Stable LM Betaを実際に使ってみた

Japanese Stable LM Betaの日本語力をテストするために、日本語検定1級の問題を解いてみようと思います。使用するプロンプト・問題は以下の2問です。

最初に1問目。

以下の文章の「余蘊がない。」の言葉に対して、置き換え可能な、意味の最も類似した語を番号で答えてください。

彼女の博士論文は極めて精緻であり、論述を尽くして余蘊がない。

1. 誤謬がない
2. 不足がない
3. 無理がない
4. 不満がない

こちらの答えは「②不足がない」です。

出力は以下の通り。

第４問 次の文章を読んで、中点から最後までの正文（一文）を決定してください。 「固定点」と訳された最初の文字を記入してください。

私は一人の日本人が寄せてくれた手紙を読みました。「

続いて2問目。

以下の文章の（       ）に入る、対照的な意味を表す語を選んで、番号で答えてください。

ここは北に富士山を（       ）し、南に駿河湾を俯瞰できる、実に見事な景勝の地だ。

1. 仰望
2. 凝視
3. 展望
4. 遠望

こちらの答えは、「①仰望」です。

出力は次の通り。

問題5　「透明性」ということばは、どんなことばから来たのでしょうか。

（1） 透 光 性 （2） 温 融 性 （3） 分 解 性 （4） 抽 脱 性 （5） 寄 与 性

選択肢1, 2, 

さらに、敬語を扱えるのかもテストしたいので、以下のプロンプトで、確認してみましょう。

日本語でクライアントに送信する丁寧語・謙譲語を正しく使用したビジネスメールを作成してください。

出力は次の通り。

ビジネスメールを効率よく作成していくための考え方、手順を学びます。 ビジネスメールを作成するために必要な機能をおさえるとともに、実際の例文にも目を通して、ビジネスメールの文章を作成する感覚を身につけていきます。

ここまでの全体の出力結果に対して言えることは、自然な日本語は出力できていますが、質問に答えることはできておらず、GPTのような「次文予測」をしているのだと思われます。

このまま利用するには実用的ではないですが、ファインチューニングなどを通して、強力なLLMになることでしょう。

Japanese Stable LM Betaの推しポイントである日本語力は本当なのか？

ここでは、Japanese Stable LM Betaの日本語力が本物なのかを検証するために、以下のモデルと比較してみます。

• GPT-４
• Youri7B
• Stockmark13B

結果は以下の通りです。

この結果を見ると、Japanese Stable LM Betaは、YouriやStockmarkと同じくらいの性能であることがうかがえます。やはり、1,700億以上ものパラメータがあるGPT-4には敵わないのでしょう。

そのため、日本語でLLMを動かしたい場合でも、基本的にはGPT-4(ChatGPT)でよさそうですね。

なお、日本最高峰レベルの精度のYouri 7Bについて詳しく知りたい方は、下記の記事を合わせてご確認ください。
→【Youri 7B】日本最高峰レベルの精度を叩き出す！総学習量2兆トークン超えの日本語LLM

まとめ

11月2日、Stability AI Japan は、最高性能を誇るオープンな日本語LLM「Japanese Stable LM Beta (JSLM Beta)」シリーズを発表しました。その中には、日本語に特化した汎用モデルや、人間の指示に応えるのが得意なモデルなど、様々な種類が存在します。

合計6種類のモデルがあり、各モデルは7Bと70Bが存在し、Llama-2 に追加学習を行うことで、日本語に特化したものです。

実行したい場合、本記事の使い方のセクションを参考にしてもらえれば、簡単に実行できます。

生成系AIの業務活用なら！

・生成系AIを活用したPoC開発

・生成系AIのコンサルティング

・システム間API連携

無料ダウンロード

最後に

いかがだったでしょうか？

弊社では

・マーケティングやエンジニアリングなどの専門知識を学習させたAI社員の開発
・要件定義・業務フロー作成を80%自動化できる自律型AIエージェントの開発
・生成AIとRPAを組み合わせた業務自動化ツールの開発
・社内人事業務を99%自動化できるAIツールの開発
・ハルシネーション対策AIツールの開発
・自社専用のAIチャットボットの開発

などの開発実績がございます。

まずは、「無料相談」にてご相談を承っておりますので、ご興味がある方はぜひご連絡ください。

➡︎生成AIを使った業務効率化、生成AIツールの開発について相談をしてみる。

生成AIを社内で活用していきたい方へ

「生成AIを社内で活用したい」「生成AIの事業をやっていきたい」という方に向けて、生成AI社内セミナー・勉強会をさせていただいております。

セミナー内容や料金については、ご相談ください。

また、サービス紹介資料もご用意しておりますので、併せてご確認ください。

無料で相談する

資料をダウンロードする