継続的コンセプトミキシング（CoCoMix）は、Meta、韓国科学技術研究院、カリフォルニア大学サンディエゴ校の研究者によって2025年に提案された、機械学習と人工知能における新しい概念を生成および統合する技術です。継続的概念による LLM 事前トレーニング「」。この手法は、複数の概念または機能を継続的に混合して新しいサンプルまたはデータ ポイントを生成し、それによってタスクにおけるモデルの概念機能を拡張することによって機能します。 CoCoMix は、さまざまな概念や特徴を混合して新しいデータ サンプルを生成し、モデルの学習および推論機能を拡張することを目的としています。教師なし学習、生成モデル、転移学習などの分野で広く使用されています。

CoCoMix の中心的なアイデアは、複数の異なる概念または機能を継続的に混合すること、つまり、一定の範囲内で元の概念またはデータの線形または非線形の加重組み合わせを実行して、新しい複合概念を生成することです。この混合は単純な平均化に限定されず、いくつかの数学的変換 (補間、非線形結合など) を通じて新しいデータ サンプルを作成することもできます。

CoCoMixの利点:
• 一般化の向上: 複数の概念を組み合わせることで、CoCoMix はより多様なデータ サンプルを作成し、未知のデータに対するモデルのパフォーマンスを向上させます。
• 革新性と多様性の向上: 生成タスクでは、コンセプトブレンディング技術により、これまでにない新しいコンセプトやデータポイントを作成できるため、創造性と多様性が向上します。
• 複雑なタスクの処理: CoCoMix は、複数の概念や機能間の相互作用を必要とする複雑なタスクに特に適しており、モデルが複数の次元にわたる情報を理解して組み合わせるのに役立ちます。