まあ、あながち間違いじゃないよ。これはAIが特定の分野、特に医学とかの難しい情報を探す能力を、いかに効率よく鍛えるかっていう研究なんだ。

一般的なことは知っていても、専門的な検索となると精度が落ちるんだ。そこで、この論文は『STM』っていう3ステップの魔法みたいな方法を提案しているんだよ。

違うよ。Synthesize（合成）、Train（学習）、Merge（統合）の略だ。まず最初の『合成』では、GPT-4を使って「ひっかけ問題」を作るんだ。

そうじゃない。これを「ハードネガティブ」って言うんだけど、正解にすごく似ているけど実は間違い、っていうデータで学習させることで、AIの目利き能力を養うんだよ。あと、AIへの「指示の出し方（プロンプト）」も自動で最適化するんだ。

「学習」では、医療のリアルなデータや合成したデータを使って、特定の分野に強い「専門家モデル」をいくつか作る。そして最後の「統合（マージ）」が面白いんだけど、複数の専門家の知識を、追加の学習なしでガッチャンコして一つの最強モデルにするんだ。

そうだね。膨大な医学論文から必要な情報をすぐに見つけられるようになるから、RAG（検索拡張生成）の精度も上がって、AIの嘘（ハルシネーション）も減らせるはずだよ。

今回は英語のデータが中心だから、他の言語やもっとニッチな分野でどうなるかはこれからの課題だね。でも、この「少ないデータで賢く作る」っていう流れは、今後のAI研究の主流になると思うよ。

勝手に僕をマージしないでくれるかな。あと、宿題は自分でやりなよ。