教師ありファインチューニング
初期実験量子化した Qwen ベースモデル上の LoRA アダプターは、情報を求め、ツールを呼び出し、実行可能な行動を比較し、根拠のある結論を導くという、検証済みの実演から学習します。ユーザーの入力内容とツールの観測結果は文脈として扱い、モデルに生成させる出力の正解としては扱いません。
提案候補財務面の検証実行可能な選択肢
私たちの考え方
より良い答えは、より良い意思決定から始まる。
有用な財務エージェントには、何を調べ、どのツールを使い、どのような根拠が得られたときに推奨を変えるべきかを判断する力が必要です。
私たちは、事業を明示的にモデル化したうえで動作する、Qwen ベースの専門特化したエージェントを開発しています。モデル化するのは、資金、期日、支払義務、選択可能な行動、そして制約です。判断の拠り所は、引き続き財務記録と計算結果です。
学習された表現は、有用な組み合わせの発見に役立つ可能性があります。各提案は、検証・計算・説明が可能な行動に落とし込めなければなりません。流暢な回答それ自体が、実行可能性を裏づけるわけではありません。
プロダクトの例を見る根拠から、レビュー可能な意思決定へ。
システムの各要素には、明確な役割があります。
-
1
状態を根拠で裏づける
文書、口座データ、タイムスタンプを、出所と重要な欠落情報を伴う構造化された財務事実に変換します。
-
2
提案し、調査する
エージェントは的を絞った質問を行い、型付けされた行動を提案します。探索によって、組み合わせとストレスシナリオを検討します。
-
3
計算し、検証する
独立したツールが資金繰りの結果を計算し、根拠、権限、支払義務、ハード制約を確認します。
-
4
説明し、レビューする
意思決定ブリーフは、人によるレビューのために選択肢と不確実性を保持します。採用された事例は、学習の改善に活用できます。
ひとつのプロダクト、独立した研究プログラム
根拠から学ぶ。
同じ業務フローを改善する。
Qelly は、使い慣れたアシスタントのインターフェースを通じて提供を開始します。将来的には、特化モデルにより、お客様に業務の進め方の変更を求めることなく、一部の Qelly ツールを改善できる可能性があります。
当社の学習パイプラインでは、ホストプラットフォーム上のリクエストと生成された回答を既定で対象外としています。研究資料には別個の出所確認・権利処理のプロセスを適用します。対象となるのは、独自に作成し検証した事例、利用要件を満たす公開データ、許諾を得て独自に収集した記録、専門家による注釈です。
レビュー担当者の承認はフィードバックであり、正しさを証明するものではありません。実際の結果は記録に反映されますが、選ばれなかった選択肢の結果まで明らかになるわけではありません。
実運用への導入には、定義された業務フローで品質を向上させるか、同等の品質を大幅に低いコストで実現することが求められ、あわせて制約の確実な適用と不確実性の適切な取り扱いが必要です。量子的手法は有用となり得る領域で評価するものであり、提供開始の前提条件ではありません。
学習プログラム
手順を教える。判断を測る。
まず、同じツールと根拠を使う未調整のモデルから始めます。学習目標の変更は、データと評価がそれを裏づける場合にのみ行います。
マルチターン強化学習
計画中GRPOでは、管理された財務環境で新たに生成した軌跡を比較する予定です。独立した検証により、数値の正確性、重要な欠落情報、制約の充足、意思決定としての有用性を採点します。
専門家の選好からの学習
条件付きDPOは、コベナンツ条項を明確に説明した例など、信頼できる「採用／不採用」の事例ペアに限って用います。検証されていないモデルのスコアだけでは、採用すべき回答を決める根拠にはなりません。
何を前進とみなすか
財務上の意思決定は、検証に耐えなければなりません。
私たちは、利用可能な根拠、ツール、推論予算を同一にして、ワークフロー全体を評価します。汎用モデルと未調整の Qwen も、引き続き比較対象として維持します。
| 問い | 私たちが求める根拠 |
|---|---|
| 数値は正しいか。 | 金額、単位、日付を確認済みの、実行可能な計算。 |
| その推奨は実行可能か。 | ハード制約は維持されます。未確認の資金調達や同意は、条件付きのまま扱います。 |
| 重要な点を問えていたか。 | 重要な欠落事実は特定され、無関係な質問は加点対象になりません。 |
| 汎化するか。 | 事業、原資料、期間、シナリオ系統によるホールドアウト。関連する事例は同じ分割にまとめます。 |
| 学習は効果があったか。 | ベースモデル、プロンプトを与えたモデル、学習済みモデルを固定した事例群で比較し、コストとレイテンシを記録します。 |
古典的探索と量子支援探索
より優れた探索は、より良い次の一手を明らかにできるか。
私たちは、学習された表現と D-Wave のアニーリングによって、他の手法では見落とされる有用な行動の組み合わせやストレスシナリオを発見できるかを検証しています。
直接アニーリングには、適切な二値二次形式による定式化が必要です。ハイブリッドソルバーは別途評価します。返された候補はすべて、同一の独立した財務検証にかけられます。
検証の基準：同等の総コストのもとで、強力な古典的探索と比べて、より良い実行可能な意思決定、より広く有用なシナリオの網羅、あるいはより効率的な学習を実現できるか。
研究仮説 · 優位性は未確立研究の記録
まず、根拠から。
最初の学習サイクルは、範囲を限定したローカル環境でのパイロットです。公開ベンチマークでの優位性、顧客における性能、量子優位性は、いずれも確立されていません。測定結果は、実行内容、データ分割、評価方法をたどれるようになってから、ここに掲載します。
基盤決定論的な資金繰り判断の例計算を確認する
開発中CFO業務に特化した学習と比較評価
ベースライン → 教師ありアダプター → 固定ホールドアウト。定性的なモデルレビューに加えて、独立した数値検証を行います。
次に必要な根拠デザインパートナー向けワークフロー
利用許諾を得た入力データと、アドバイザーがレビューした結論、そしてその後の実際の事業運営から得るフィードバック。
技術的基盤
私たちの研究は、確立された学習手法と、独立に検証可能な財務タスクを基盤としています。
研究者、パートナー、投資家の皆さまへ