In the Weights、LLM 内の知識保持量を可視化する検索ツールを公開──人名の認知度をスコア化
Google 検索に代わり LLM の重みの中に自身の情報がどの程度刻まれているかを、複数の主要モデルへのクエリから定量評価する。
リリース: 2026-06-20 · 読了 2 分記事の要約
1. 核心（What）
- Grok、Gemini、GPT シリーズ、Claude、Llama 等の主要モデルを対象に人名の認知度をクエリ
- 出力結果をクラスタリングし、モデルごとの回答精度に基づき 0 から 1000 までの強さスコアを算出
- 開発者は OpenAI に買収された Global Illumination の元メンバーである Thomas Dimson 氏と Joey Flynn 氏
2. 影響（Why）
- LLM の学習データに含まれる情報の「重み」を可視化することで、検索エンジン最適化（SEO）からモデルの記憶最適化（MO）へと個人のプレゼンス指標が転換する。
- モデルごとのハルシネーション傾向を人名検索という身近な指標で比較できるため、RAG のベースラインとなる LLM 選定時の定性的な判断材料になる。
- 開発者への影響: LLM アプリケーションを開発するエンジニアは、自社サービスやブランド名が主要 LLM にどの程度「既知」として保持されているかをスコアで把握し、プロンプトエンジニアリングやファインチューニングの必要性を判断する指標として活用できる。
- 日本への影響: 国内のブランディング担当者や広報部門を持つ中規模以上の事業者は、Google 検索順位だけでなく、LLM の回答精度を「デジタル上の存在証明」としてモニタリングする運用を検討すべきである。
3. 根拠・詳細（How）
- TechCrunch (2026-06-20 公開)