野村総合研究所の業界・タスク特化型LLM(金融向けの中規模言語モデル) NRI industry- and task-specific LLM
野村総合研究所(NRI)が作る、特定の業界と業務に絞った大規模言語モデル(LLM)とその構築手法。公開モデルを元に、業界の文章で継続事前学習をし、高性能のモデルに作らせた問答データで追加学習する。経済産業省などの生成AI開発の支援事業「GENIAC」の第3期で、金融向けのモデルを作った。証券・保険の3業務でGPT-5.2を上回る正解率だった(2026年3月27日、会社発表)。モデル4本と学習データをハギングフェイスのサイトで公開している。
詳細解説
- 第1弾の発表
- 2025年4月15日、80億パラメーターの「Llama 3.1 Swallow 8B」を元に業界・タスク特化型LLMの構築手法を開発したと発表した nri.com
- GENIAC第3期の成果
- 2026年3月27日、経済産業省とNEDO(新エネルギー・産業技術総合開発機構)のGENIAC第3期(2025年8月〜2026年3月)の支援で、構築手法を高精度化・効率化したと発表した nri.com
- 中規模の定義
- NRIは100億〜400億パラメーターのモデルを中規模と呼ぶ(会社発表) nri.com
- 有価証券報告書での位置
- IT基盤サービスの研究開発として「特定業界向けの中規模言語モデルの開発」を挙げた(2026年3月期、同セグメントの研究開発費は6億9,300万円) disclosure2dl.edinet-fsa.go…
- 学会発表
- 言語処理学会第32回年次大会(NLP2026、2026年3月)で論文「ドメイン特化LLMの推論能力向上を目的とした合成指示データセットの構築と金融ドメインにおける評価」(大河内悠磨氏ら)を発表した anlp.jp
- サービスとしての提供
- 顧客向けに「業界・タスク特化型LLMの構築」の支援メニューを出している nri.com
🏭 製造工場
この製品を作る工場と、それぞれの役割。会社の発表・有価証券報告書・官公庁の資料で確かめた拠点だけを載せた。
| 工場 | 所在地 | 役割 | 備考 | 出所 |
|---|---|---|---|---|
| アマゾン・ウェブ・サービス(AWS)のクラウド(学習) | 公表されていない | 金融特化型モデルの追加学習(SFT)に、AWSの仮想サーバーの型p5en.48xlarge(エヌビディアのH200を8基)を使い、1モデルあたり約240時間かかった。継続事前学習の時間は公表されていない | huggingface.co |
⚙️ 技術・仕組み
どう動くか。方式・構造・制御・材料を、会社の技術資料と特許・論文で確かめた範囲で書いた。
- 元にするモデルの選び方
- 一般に公開されたモデルを元にし、特定のモデルに縛られない。2026年は基礎性能の高い中規模の公開モデルを複数選び、量子化(数値の桁を減らしてデータ量を減らす圧縮)でも性能が大きく落ちず、少ない計算資源で動かせることを確かめた nri.com
- 業界特化(継続事前学習)
- 業界の知識を含む大量の文章を自動で集めて選び、元のモデルに追加で学ばせる nri.com
- 問答データの自動生成
- オープンAIが重みを公開したモデルgpt-oss-120bで、思考の過程を含む問答データを自動で作り、指示に従うよう調整する学習(指示チューニング)に使う。上位モデルの能力を中規模モデルに移す蒸留にあたる nri.com
- データの品質の絞り込み
- 金融の135語と一般の20語を題材に問いを作り、重複を除いた上で、gpt-oss-120bが正確さ・関連性・有用性・推論・安全性の5項目すべてで満点の5点をつけたものだけを残した huggingface.co
- AIエージェントでの検証
- 特化型モデルを、複数の手順を自律的にこなすAIエージェントに組み込み、業務手順を模した環境でも使えることを確かめた nri.com
主要諸元
| 項目 | 値 | 出所 |
|---|---|---|
| 公開モデル | gpt-oss-20b-Ja-Fin-CPT、gpt-oss-20b-Ja-Fin-Thinking、Qwen3-14B-Ja-Fin-CPT、Qwen3-14B-Ja-Fin-Thinking(ハギングフェイスのnri-ai、2026年3月) | huggingface.co |
| 公開データ | nri-fin-reasoning(63万2,636件・約63億5,000万トークン、日本語と英語) | huggingface.co |
| 追加学習の規模 | 補助のデータを含め約144万件・約95億トークン。全データを2回通す学習(2エポック)(gpt-oss-20b-Ja-Fin-Thinking) | huggingface.co |
| 金融知識の試験 | 日本語金融ベンチマークjapanese-lm-fin-harnessの平均でgpt-oss-20b-Ja-Fin-Thinkingは72.50、元のgpt-oss-20bは66.93 | huggingface.co |
| 業務の正解率(2026年) | 証券営業会話チェック88.00%(GPT-5.2は85.56%)、保険営業会話チェック94.12%(同92.67%)、保険募集文書校正86.67%(同66.67%)。元のモデルはgpt-oss-20b | nri.com |
| 業務の正解率(2025年) | 保険の営業コンプライアンスチェックで86.3%。GPT-4o(2024-11-20)は76.7%、元のLlama 3.1 Swallow 8Bは51.7% | nri.com |
| 使用条件 | モデルはApache 2.0、データはCC BY 4.0。研究用で、追加の安全性評価なしの本番利用は対象外とする | huggingface.co |
🔩 各部品と部品メーカー
部品は諸元表と発表で存在を確かめたものを並べ、メーカーは会社か部品メーカーの発表、有価証券報告書、分解調査の報道で供給元を確かめられたときだけ社名を書いた。確かめられない部品は「公表されていない」。載っていない会社は「関与していない」ではなく「公表資料で確かめられていない」。確度 A は会社の一次資料、B は報道。
| 部品 | 品名・型式 | メーカー | 銘柄 | 国・製造拠点 | 根拠 |
|---|---|---|---|---|---|
| 元のモデル | gpt-oss-20b・gpt-oss-120b(データ生成と判定) 重みを公開したモデル。未上場 |
オープンAI | — | 米国 | NRIの発表とハギングフェイスの公開情報 A |
| 元のモデル | Qwen3-14B-Base 重みを公開したモデル。ニューヨーク・香港上場 |
アリババ集団 | — | 中国 | ハギングフェイスの公開情報 A |
| 元のモデル(2025年) | Llama 3.1 Swallow 8B メタのLlama 3.1を土台に東京科学大学と産業技術総合研究所が開発した |
東京科学大学・産業技術総合研究所 | — | 日本 | NRIの発表 A |
| 学習の計算資源 | p5en.48xlarge(エヌビディアH200を8基) GENIACの計算資源の支援との関係は公表されていない |
アマゾン・ウェブ・サービス | — | 米国 公表されていない |
ハギングフェイスの公開情報 A |
🔗 部品製造サプライチェーン
材料から部品・組み立て・販売までを、上流から下流の順に並べた。
- 1支援国内の生成AIの開発力を高める事業として、採択した事業者を計算資源の提供などで支援する企業: 経済産業省・NEDO(GENIAC)
- 2元のモデル重みを公開したモデルを提供する企業: オープンAI、アリババ集団、東京科学大学・産業技術総合研究所
- 3評価の基準日本語金融ベンチマークを公開する企業: プリファード・ネットワークス(japanese-lm-fin-harness・pfmt-bench-fin-ja)
- 4構築データの収集・生成、追加学習、評価、AIエージェントへの組み込み企業: 野村総合研究所
🏗️ 製造ライン
工場の中でこの製品がどう作られるか。工程の順に、ラインの構成・設備・自動化・検査・生産能力を、会社の発表と工場見学の記録で確かめた範囲で書いた。
- 11 元のモデルの選定基礎性能の高い公開モデルを選び、必要なら量子化する設備・企業: 野村総合研究所
- 22 業界特化型モデルの構築業界の文章で継続事前学習をし、自動生成した問答データで指示チューニングする設備・企業: 野村総合研究所
- 33 タスク特化型モデルの構築少数の業務の見本と業務の定義から学習データを自動で作り、業務に特化させる設備・企業: 野村総合研究所
💴 販売価格と補助金
| 型番・グレード | 税込価格 (円) | 時点 | 出所 |
|---|---|---|---|
| 特化型LLMの構築支援 | 公表していない。問い合わせ | 2026-11-12 | nri.com |
| 公開モデルと学習データ | 無料(Apache 2.0・CC BY 4.0) | 2026-03-27 | huggingface.co |
| 項目 | 額 (円) | 備考 | 出所 |
|---|---|---|---|
| GENIAC第3期 | 経済産業省・NEDOの支援(2025年8月〜2026年3月) | 支援の金額は公表されていない | nri.com |
🛒 購入方法
| 経路 | 内容 | 出所 |
|---|---|---|
| NRIへの問い合わせ | 顧客ごとの特化型モデルの構築を支援メニューとして受ける | nri.com |
| ハギングフェイスのサイト | 金融向けの4モデルと学習データを誰でも取得できる | huggingface.co |
🛠️ アフターサービス・保守サービス
| 項目 | 内容 | 出所 |
|---|---|---|
| 知識の更新 | 業界の新しい知識や規制の変化を追加学習で取り込み、業務に合った状態を保つ | nri.com |
🌏 海外輸出
| 仕向け地 | 内容 | 出所 |
|---|---|---|
| 世界(公開モデル) | ハギングフェイスのサイトで公開し、地域の制限は公表されていない。日本語の金融分野を対象にしたモデル | huggingface.co |
| 日本(構築支援) | 構築支援は日本の企業向け。海外での提供は公表されていない | nri.com |
📈 販売の実績
| 期間 | 指標 | 値 | 単位 | 備考 | 出所 |
|---|---|---|---|---|---|
| 2026年11月時点 | 構築支援の売上・導入社数 | 公表されていない | nri.com |
💰 金額
| 項目 | 値 | 備考 | 出所 |
|---|---|---|---|
| IT基盤サービスの研究開発費(2026年3月期) | 6億9,300万円(特化型モデル以外の研究を含む) | disclosure2dl.edinet-fsa.go… |
解析 — 部品・製造・販売の特徴
NRIの特化型LLMは、巨大な汎用モデルと規模で競うのではなく、狭い業務で上回ることを狙う。2025年は80億パラメーターのモデルが、保険の会話チェックでGPT-4oを上回った。2026年はgpt-oss-20bを元にしたモデルが、3業務ともGPT-5.2を上回った。ただし比べたのは業務を模した試験の正解率で、評価データは21件から344件と少ない。保険募集文書校正の差は20ポイントと大きいが、21件での結果だ。NRIは量子化しても性能が大きく落ちず、少ない計算資源で動かせることを確かめた。公開モデルを元にし、特定のモデルに縛られない形をとるため、より強い公開モデルが出れば同じ手順で作り直せる。モデルと学習データを公開したことで、外部の研究者も結果を確かめられる。
公表されていないこと
- 特化型モデルを実際の顧客の業務で使っている件数は公表されていない
- GENIACの支援の金額と、提供された計算資源の内容は公表されていない
- 2026年の業務試験に使ったモデルが公開の4本のどれかは公表されていない
出所
- 野村総合研究所 ニュースリリース「業界・タスク特化型LLMの構築手法を独自に開発」 (2025-04-15)
- 野村総合研究所 ニュースリリース「AIエージェント活用へ向けて業界・タスク特化型LLMの構築手法を高精度化・効率化」 (2026-03-27)
- 野村総合研究所 サービス「業界・タスク特化型LLMの構築」 (2026-11-12)
- Hugging Face nri-ai(組織ページ) (2026-03-27)
- Hugging Face nri-ai/gpt-oss-20b-Ja-Fin-Thinking (2026-03-27)
- Hugging Face nri-ai/gpt-oss-20b-Ja-Fin-CPT (2026-03-09)
- Hugging Face nri-ai/Qwen3-14B-Ja-Fin-CPT (2026-03-09)
- Hugging Face nri-ai/nri-fin-reasoning (2026-03-09)
- 言語処理学会第32回年次大会 論文 C7-2 (2026-03)
- 野村総合研究所 有価証券報告書 第61期(2026年3月期) (2026-06-15)
出所との照合日: 2026年11月12日。数字は出所の書類のまま。株価・時価総額は扱わない。
野村総合研究所 のほかの製品
🧰 ツール・特集の入口
一次データで動く 14 本 — 銘柄の絞り込み・供給網・比較・一次データの台帳・解説・規制レンズ (すべて無料)