7 分エージェントの記憶(概念解説)
短期メモリと長期メモリに関する判断を分け、エージェントのメモリへ書き込むタイミングを決められるようになります。
上級者自動化
動画を再生freeCodeCamp.org. 講座はLlama 2とGemmaを用いて量子化、LoRA、QLoRA、PEFTを扱います。講座は特定の構成でのVRAM使用量の例を示します。記事は選んだモデルとハードウェアでの測定を求めており、これらの例はすべての適切なタスクにクラスターが不要だと証明するものではありません。
講座のベースモデル(Llama 2、Gemma)は当時の例です。手法を参考にしつつ、モデルの対応状況、ライブラリのバージョン、資源要件、選んだ構成の結果を確認してください。そのまま移植できる保証はありません。
講座をLoRAまたはQLoRA実験の計画例として使い、選んだ構成の資源要件と結果を自分で測定します。
PythonとMLツールの基礎知識が必要です。実験前に、選んだモデルとハードウェア構成の資源要件を確認してください。
最終確認日:2026年5月18日
同じ学習パスで次のキュレーション済みの補完動画を続けて視聴してください。
7 分短期メモリと長期メモリに関する判断を分け、エージェントのメモリへ書き込むタイミングを決められるようになります。
13 分プロンプトインジェクションを信頼できないデータの混在としてモデル化し、ツール利用の境界を設計できるようになります。
19 分実際のワークロードについて、キャッシュ書き込みの追加料金と読み取りによる節約額を比較し、プロンプトキャッシュが採算に合う場面を見積もれるようになります。