<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>InformationTheory on SiBlog</title><link>https://sinimite.work/ja/tags/informationtheory/</link><description>Recent content in InformationTheory on SiBlog</description><image><title>SiBlog</title><url>https://sinimite.work/images/og-default.svg?v=20260525-210321</url><link>https://sinimite.work/images/og-default.svg?v=20260525-210321</link></image><generator>Hugo -- 0.156.0</generator><language>ja-JP</language><lastBuildDate>Fri, 27 Mar 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://sinimite.work/ja/tags/informationtheory/rss.xml" rel="self" type="application/rss+xml"/><item><title>LLM におけるエントロピー：学習・推論・プロダクトをつなぐ共通言語</title><link>https://sinimite.work/ja/posts/entropy-in-llm/</link><pubDate>Fri, 27 Mar 2026 00:00:00 +0000</pubDate><guid>https://sinimite.work/ja/posts/entropy-in-llm/</guid><description>Entropy は LLM のライフサイクル全体を貫きます。学習では cross-entropy を loss に使い、推論では temperature で出力 entropy を制御し、評価では perplexity を使い、プロダクトでは hallucination 検出の信号にできます。本記事は AI エンジニアの視点から全体像を整理します。</description></item></channel></rss>