GLOSSARY
アンサンブル
複数モデルの出力を組み合わせ、どれ単独よりも良い答えを得ること。多数決、best-of-N 選択、大規模なエキスパート混合ルーティングなど。
単一のモデルは独自の誤りを犯します。複数のモデルは誤り方が異なるため、一致はシグナルで、不一致はフラグです。アンサンブルは単純なもの（出力の多数決、検証器つき best-of-N）から、アーキテクチャ的もの（トークンごとに専門家へ振り分ける MoE）、製品レベル（Genspark 流マルチエージェント回答）まであります。このパターンはテスト時コンピュートの利得の基盤です。追加の推論でより多くの意見を聞くことです。
コストは意見の数だけレイテンシと支出が増えること、そして誤りの相関です — 似たデータで学習した五つのモデルは似たやり方で失敗するため、学習の多様性がアンサンブルを機能させます。高いリスクの分類とリサーチでは、アンサンブルはしばしば「まだ買える最安の精度」です。