コンテキスト拡張（こんてきすとかくちょう）

最終更新：2026/4/28

コンテキスト拡張とは、自然言語処理において、文脈情報を追加することで、曖昧な表現や省略された情報を補完する技術である。

別名・同義語文脈付加状況拡張

ポイント

大規模言語モデルの性能向上に不可欠な技術であり、より自然で人間らしい対話を実現する上で重要な役割を担う。

コンテキスト拡張とは

コンテキスト拡張は、自然言語処理（NLP）の分野で、特に大規模言語モデル（LLM）の性能を向上させるために用いられる技術です。人間は会話や文章を読む際に、明示的に述べられていない情報でも、文脈から推測し理解することができます。この能力を機械に持たせるために、コンテキスト拡張が利用されます。

コンテキスト拡張の基本的な考え方は、入力されたテキスト（クエリ）に加えて、関連する文脈情報を提供することで、モデルがより正確な応答を生成できるようにすることです。この文脈情報は、過去の会話履歴、ユーザーのプロファイル、外部知識ベースなど、様々なソースから取得できます。

具体的な手法としては、以下のものが挙げられます。

埋め込み（Embedding）: 単語や文をベクトル空間にマッピングし、意味的に近いものを近くに配置することで、文脈情報を表現します。
アテンションメカニズム（Attention Mechanism）: 入力テキストのどの部分に注目すべきかを学習し、重要な文脈情報を抽出します。
Retrieval-Augmented Generation (RAG): 外部知識ベースから関連情報を検索し、生成時に利用することで、より正確で詳細な応答を生成します。

コンテキスト拡張は、様々なNLPタスクに応用されています。

コンテキスト拡張は、LLMの性能向上に大きく貢献する一方で、いくつかの課題も抱えています。