大規模組織における専門用語は、トレーニングセットに存在しないため、大規模言語モデル（LLM）にとって課題となります。これを解決するために、LLMは組織の文書、メール、チャットログからドメイン固有の用語集を生成できます。このプロセスには、新しい用語や新しい方法で使用されている既存の用語を特定することが含まれます。特定されたら、LLMは定義を作成し、複数の意味を持つ用語の文脈上のバリエーションに注意を払うことができます。その後、人間の専門家がこれらのドラフト用語集を確認し、洗練する必要があります。最終的な用語集は、ルックアップのトークン消費を最小限に抑える効率的な形式でLLMがアクセスできるようにする必要があります。人間とLLMの両方による定期的なレビューと更新は不可欠であり、バージョン管理を維持する必要があります。組織は、ソースコードなどのさまざまな境界付けられたコンテキストで微妙に異なる定義を持つ場合があります。各境界付けられたコンテキストの個別の用語集は、単一の標準化された用語集よりも効果的な場合が多いです。異なるコンテキストからの用語集を比較すると、使用法のバリエーションが明らかになる可能性があります。大規模な用語集の場合、最初に用語と定義へのリンクのみを含めることで、トークン使用量を最適化できます。用語集はコード生成をガイドし、内部用語が顧客インターフェースで外部に公開されないようにすることができます。推奨される置き換えを含む非推奨の用語を含め、時間の経過とともにそれらの使用を管理することも有益です。大規模組織における専門用語の難しさは一般的なテーマであり、LLMによって生成された用語集は、ドメインモデリングとコンテキストレイヤリングにおける実用的なステップとなります。