WaferSAGE：合成データ生成とルーブリック誘導型強化学習によるLLMを活用したウェーハ欠陥分析
WaferSAGE: Large Language Model-Powered Wafer Defect Analysis via Synthetic Data Generation and Rubric-Guided Reinforcement Learning
記事のポイント
📰ニュース
半導体製造におけるウェーハ欠陥の視覚的質問応答を、小規模な視覚言語モデルで実現するフレームワークが発表されました。
🔍注目ポイント
限られたデータから、構造化された評価ルーブリックと合成VQAペアを生成し、強化学習で小規模モデルを訓練することで、大規模モデルに匹敵する性能を達成しました。
🔮これからどうなる
半導体メーカーは、機密データを保護しつつ、コスト効率良く、高精度な欠陥分析をオンプレミスで実施できるようになります。
WaferSAGEは、データ不足を解決するため、クラスタリングによるノイズ除去、VLMによる欠陥記述生成、構造化ルーブリックへの変換、VQAペア合成の3段階パイプラインを採用しています。
40億パラメータのQwen3-VLモデルが、ルーブリック誘導型強化学習により、Gemini-3-Flashに近いLLM-Judgeスコアを達成しました。
これにより、ドメイン特化型訓練を施した小規模モデルが、特定の産業分野で大規模モデルを凌駕する可能性を示しています。
40億パラメータのQwen3-VLモデルが、ルーブリック誘導型強化学習により、Gemini-3-Flashに近いLLM-Judgeスコアを達成しました。
これにより、ドメイン特化型訓練を施した小規模モデルが、特定の産業分野で大規模モデルを凌駕する可能性を示しています。
半導体製造の現場で、データプライバシーとコストを両立できる画期的な技術ですね。製造業の品質管理に大きな変化をもたらしそうです。