AIF基盤モデルのアプリケーション
あるテクノロジー企業が、社内専用の技術文書・設計書・開発ガイドライン（合計数百万トークン規模）を基盤モデルに習得させたいと考えています。
目標は社内固有の専門用語や記述スタイルをモデルに深く吸収させることであり、特定の質問への回答パターンを教えることではありません。
Amazon Bedrockで利用できるモデルカスタマイズ手法として最も適切なものはどれですか？
Aインストラクションファインチューニング（Instruction fine-tuning）— プロンプトと補完のペアでモデルの応答スタイルを訓練する
「インストラクションファインチューニング」はインストラクションファインチューニングは指示-応答ペア（ラベルあり）で振る舞いを調整するもので目的が異なります。
B継続事前訓練（Continued pre-training）— ラベルなしの生テキストを用いてモデルのドメイン知識と語彙を拡張する
✓ 正解
継続事前訓練（Continued Pre-training）は、ラベルなしの大量テキストでモデルをさらに訓練し、特定ドメインの語彙・概念・文体を深く習得させる手法です。
CRLHF（Reinforcement Learning from Human Feedback：人間のフィードバックによる強化学習）— 人間の評価者がモデル出力に報酬シグナルを付与して最適化する
「RLHF」はRLHF（強化学習）は人間の好みに合わせた出力改善を目的とした手法です。
DAmazon Bedrock Knowledge Bases — 文書をS3に格納してベクトル検索で推論時に参照する
「Amazon Bedrock Knowledge Bases」はKnowledge Basesは知識をモデルに「学習」させるのではなく、推論時に外部検索で補完する仕組みであり根本的に役割が異なります。
解説
継続事前訓練（Continued Pre-training）は、ラベルなしの大量テキストでモデルをさらに訓練し、特定ドメインの語彙・概念・文体を深く習得させる手法です。
選択肢Aのインストラクションファインチューニングは、指示-応答ペア（ラベルあり）で振る舞いを調整するものであり、目的が異なります。
選択肢CのRLHF（人間のフィードバックによる強化学習）は、人間の好みに合わせた出力改善を目的とした手法です。
選択肢DのAmazon Bedrock Knowledge Basesは、知識をモデルに「学習」させるのではなく、推論時に外部検索で補完する仕組みであり、根本的に役割が異なります。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでAIFを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →