パーソナルスタイリングサービス「DROBE（ドローブ）」を展開する株式会社DROBEは、大規模言語モデル（以下、LLM）に、独自開発のファッションQAデータセットを用いたファインチューニングを実施し、ファッションにおける高精度のLLMを実現したと発表。ファッションQAデータセットにおける回答精度は、GPT-4を上回るスコアとのこと。
DROBEは、"ファッションから、日々を楽しもう。"をコンセプトに、スタイリストとAIがパーソナルなスタイリングを提案するサービス。会員数は20万人を超える。
同サービスは、2019年の提供開始時より、独自のスタイリングAIを実装している。顧客の好きなテイストを定量化し、商品のマッチ度を数値化。ほかにも、商品とともに届けるスタイリングカルテの文章校正や、顧客自身が商品を選ぶオリジナルストアの商品ラインアップ選定など、様々な領域でAIを活用している。
株式会社DROBEは、生成AIの活用範囲の拡大を検討する中で、既存のLLMでは特定領域に特化した情報に正確に応答することが困難という課題を抱えていた。ファッションアイテムの規格や価格がそれにあたる。そのため、同社で独自開発したQAデータセットを用いて、ファッションドメインの知識を学習させ、ファッション領域に強いLLMの実現を試みた。
開発内容と成果
株式会社DROBEは、ファッションドメインに特化したQAデータセットを作成。PeFT（Parameter-Efficient Fine-Tuning）と呼ばれる手法を用いて、商用利用可能なGemma7Bモデルをファインチューニングした。その結果、Gemma7B固有の汎用性を確保したまま、ファッションドメインに関する質問応答について、GPT-4の性能を上回ることに成功したとしている。
今後の展開
同社は、今回開発したモデルを活用し、秘匿性の高い企画段階の商品情報を記憶させることで、ファッション・アパレル業界の業務効率化を目指す。一方で、誤った情報を断定的に答えるハルシネーションなどの現象へ、対応が必要だと考えている。
