DX wpmaster 2026年3月25日 0 コメント

Axelidea、日本語特化の大規模言語モデル「AXELIDEA-QUON-14B-Japanese-v01」を公開「知識の組み合わせ方」を学習し日本語総合評価で首位を獲得

Axelidea株式会社は、2026年3月25日、日本語に特化した大規模言語モデル「AXELIDEA-QUON-14B-Japanese-v01」を公開しました。このモデルは「QUON（Quantum Universal Originative Nucleus）」と名付けられ、従来のLLMが「どれだけ多くの知識を持つか」を重視してきたのに対し、「知識をどう組み合わせて答えを導き出すか」という、より深い思考プロセスを学ぶことに焦点を当てています。

「知識の組み合わせ方」を学ぶ新しい発想

「AXELIDEA-QUON-14B-Japanese-v01」は、膨大な特許文献を学習の源としています。特許文献には、さまざまな問題解決のアイデアや考え方が詰まっており、このモデルはその「問題解決の考え方」そのものを習得しています。

その結果、JA Leaderboard（日本語総合評価7タスクの平均点）において、GoogleやMicrosoftなどが開発した同規模のモデルと比較して、非思考型14B（140億のパラメータを持つモデルの規模を示す数字）クラスで首位を獲得しました。

ベンチマーク結果

モデル名	開発元	パラメータ	JA Leaderboard(平均)
AXELIDEA-QUON-14B	Axelidea	14B	71.99
shisa-v2.1-unphi4-14b	Shisa AI	14B	71.44
Gemma-3-12B-IT		12B	63.42
Phi-4	Microsoft	14B	59.30
Sarashina2-13B	SB Intuitions	13B	56.43

このモデルは以下のURLで公開されています。
https://huggingface.co/Axelidea/AXELIDEA-QUON-14B-Japanese-v01

開発の背景と技術的な工夫

大規模言語モデル（LLM）の性能は日々向上していますが、日本語において「知識を正確に理解する力」と「新しいアイデアを生み出す創造性」を両立させることは難しい課題でした。

特に、新しいことを学習させると、以前に学んだ一般的な知識を忘れてしまう「壊滅的忘却」という問題が起こりやすい傾向があります。Axelideaは、独自の5次元創造性評価システムと知識を失わないファインチューニング技術によって、これらの課題を解決しました。

「AXELIDEA-QUON-14B-Japanese-v01」は、以下の技術的な工夫によって高い性能を実現しています。

多様な創造性：4つのカテゴリと15のサブドメインにわたる60体の専門家エキスパートを個別に訓練することで、多様な創造的な考え方を網羅しています。
5次元創造性報酬モデル：特許から得られた学習データの質を、独創性、精緻性、実現可能性、流暢性、柔軟性の5つの視点から評価するシステムです。
量子コンピューティング技術の導入：60体のエキスパートの中から最適な組み合わせを選ぶために、量子コンピューティングの考え方を取り入れています。これにより、多数の候補の中から効率的に最適なチームを選び出すことが可能になり、将来的にエキスパートの数が増えても対応できます。
知識保持型ファインチューニング：新しい学習をしても、すでに持っている大切な知識を忘れないようにする技術が使われています。これにより、モデルは汎用的な知識を保ちながら、創造性を高めることに成功しました。