VLLMとVPLLM：階層構造の標準化

モデルは、アーキテクチャの一部分です。

言語モデルは文章を生成する能力を提供します。一貫した体験を作るには、振る舞い、知識、識別情報、境界も定める必要があります。これらの判断を一つのプロンプトにまとめると、システム共通のルールと、各アプリケーション固有の設定を区別しにくくなります。

研究所の提案では、責任を階層ごとに整理します。LLMは推論の基盤、VLLMはシステムのプロファイル、VPLLMはプライベートな識別情報を担います。アクセス経路はその体験を利用者に届けますが、それ自体が別の認知的な識別情報になるわけではありません。

階層化された言語モデルに関するイメージ動画。

LLM
言語を扱う能力
基盤となるモデルが応答を生成します。アプリケーションの要件に応じて、外部事業者経由でも、自ら管理する基盤上でも利用できます。
VLLM
共通の振る舞い
Virtual Large Language Model。モデルの選択、パラメーター、利用可能な能力、共通の指示を、システムの契約としてまとめる論理的な層です。
VPLLM
プライベートな識別情報と知識
Virtual Private Large Language Model。目的、識別情報、応答の基準、利用を許可された知識を持ち、明確な範囲に結び付けられた設定です。
04
アクセス経路
ウェブ、アプリ、連携機能などがエージェントを利用者に届けます。経路を変えるだけで、別のエージェントが生まれたり権限が増えたりしてはいけません。

VLLMは、基準となるモデル、許可するパラメーター、利用可能な能力など、言語機能の提供方法を定義します。事業者を切り替える際は、異なるモデルが同等だと見なすのではなく、この契約を検証する必要があります。

VPLLMは目的、語調、言語、知識の参照元を通じて、共通の振る舞いを具体化します。応答の基準は期待する根拠を明確にし、その内容にどの程度忠実であるべきかを定義して評価します。

個別の指示はシステム方針を補足できますが、共通の制限を取り除いてはいけません。検索で得た内容、文書、利用者のメッセージに、ルールを書き換える権限を与えることはありません。

文書、ツール、会話へのアクセスは、操作ごとにアプリケーションが検証しなければなりません。「プライベート」という名前だけでは分離は保証されません。識別、認可、データの分離を実装する必要があります。

標準化では、ある実行に使われたモデル、VLLMプロファイル、VPLLM設定、コンテキストの参照元を特定できることが重要です。後から設定が変わっても、過去の結果を評価する基準が失われないようにします。

推論機能や応答の基準を新しい版へ移行する前に、代表的な事例で応答を評価し、差異を記録し、元に戻せるよう準備します。階層化は変更を進めやすくしますが、互換性の検証に代わるものではありません。

架空の研究施設を考えてみます。同じVLLMプロファイルで、異なるエージェントを支えることができます。共通の能力は共有しつつ、各エージェントの目的と、利用を許可されたコンテキストは分けておきます。

一つのVPLLMは、公開されている案内、開館時間、訪問情報を参照します。施設を訪れる人を支援することが目的です。

別のVPLLMは、チームが利用を許可した文書を扱います。推論機能を共有していても、最初のエージェントにその文書へのアクセス権が与えられるわけではありません。

この提案では、VLLMやVPLLMを作ることは、新しいモデルの学習や専用マシンの確保を意味しません。設定と運用を整理するための抽象化です。その価値は、明確な契約、範囲を定めたコンテキスト、検証できる制御、応答の継続的な評価にかかっています。