株式会社

エムエーエス

― RAG・QLoRA・スプレッドシート自動化を使った実践アプローチ ―

近年、ローカルLLM（Local Large Language Model）を使って独自AIを育てる動きが加速しています。しかし多くの人が最初にぶつかる壁があります。

「教材テキストを読ませるだけで、本当に賢くなるのか？」

結論から言うと、
それだけでは “知識” は増えても “知恵” は育ちません。

この記事では、

• 知識と知恵の違い
• RAG × QLoRA の役割分担
• 「質問で賢くする」学習設計
• Googleスプレッドシートを使った自動評価・記録
  まで、実際の試行錯誤をもとに体系化して解説します。

---

知識と「知恵」はまったく別物

まず重要な前提です。

項目	知識	知恵
内容	情報・事実・暗記	思考法・判断法・応用力
増やし方	文書を読む	問題を考えさせる
RAG向き	◎	✖
学習向き	△	◎

• RAG → 必要な「情報」をその場で探す仕組み
• 知恵 → 問題解決・意思決定・思考プロセスそのもの

つまり今回は、

「知識を詰める」のではなく、「考え方を鍛える」

という方向でLocal LLMを育てる試みになります。

---

今回の学習思想の核心

今回目指したのは、次の思想です。

資料を読ませるのではなく、質問を投げて考えさせることで賢くする。

これは人間の教育と同じです。

• 教科書を読むだけ → すぐ忘れる
• 問題を解く → 思考力が定着する

LLMでも同じ構造が使えます。

---

採用した学習フォーマット（知恵データセット）

今回作成されたデータは、次の形式です。

{
“question”: “…質問…”,
“reference_answer”: “…模範的な思考プロセス…”,
“local_llm_answer”: “”,
“diff_comment_prompt”: “reference_answer と local_llm_answer を比較して、不足点や改善点をJSON形式で書け.”
}

特徴

• 単なる正解ではなく
  → 「思考プロセス」そのものがReference Answer
• 差分評価もLLMにやらせる
• 人間は最終チェックのみ

これは「知恵の型（思考フレーム）」を学ばせる設計です。

---

RAG × QLoRA × 思考学習の役割分担

技術	役割
RAG	知識の検索・補完
QLoRA	モデルの思考特性の微調整
今回の質問学習	知恵（判断・構造化・抽象化）の訓練

つまり、

RAG が「図書館」
QLoRA が「脳の調整」
この質問セットが「思考トレーニング」

という構造です。

---

「知恵を磨く」学習はすでに世界で実証済み

この方向性は決して妄想ではなく、以下はすでに実在します。

• Chain of Thought（思考連鎖）
• Self-Reflection（自己内省）
• Process Supervision（結果ではなく思考過程を学習）
• Reinforcement Learning from AI Feedback（AI同士で反省会）

今回の設計は、これらの思想を ローカルLLM環境で再現する試み です。

---

Googleスプレッドシート連携の意味

スプレッドシートでLLMの学習結果を自動記録する仕組み

ただし重要な点があります。

ここでやっているのは「LLMの直接学習」ではない

• モデルの重みは変わらない
• あくまで：
  • 回答
  • 模範解答との差分
  • 改善点
    を 自動記録しているだけ

しかしこれが「再学習データ」になる

• うまくいった回答
• ダメだった回答
• 改善された回答

これらがすべて 後でQLoRA微調整に使える高品質教材 になります。

---

「再学習データ」とは何か？

再学習データとは、学習成果が思わしくないものを再学習させるためのリストか？

答えは：

その通りであり、かつそれだけではない。

正確には：

種類	目的
失敗例	苦手分野の補強
成功例	得意パターンの定着
改善後	思考修正の記録

すべてが「次の学習の材料」になるのが再学習データです。

---

今回のプロジェクトの本質

最終的に、このプロジェクトの本質はここです。

「正解を覚えさせる」のではない
「考え方をインストールする」

• 資料を食わせる
  → 知識AI
• 問題を考えさせ、反省させる
  → 思考AI（知恵AI）

---

まとめ

今回の試みを一言で言うと：

「ローカルLLMに人間の“思考訓練”を与える実験」

実践したことは：

• RAG・QLoRAの役割理解
• 思考型80問データセット設計
• Reference Answerとの自動比較
• Googleスプレッドシートによる記録
• 再学習データの蓄積設計

これは単なるAI運用ではなく、

「AI教育」そのものです。