AIF基盤モデルのアプリケーション
社内の独自ドキュメントに基づいて質問応答を行う生成AIアプリケーションを構築したいと考えています。モデルの再学習を行わずに、最新の社内データを外部から検索してプロンプトに組み込む手法はどれですか？
Aファインチューニング (Fine-tuning)
ファインチューニングはモデルのパラメータを特定ドメインのデータで再調整する手法で、追加の学習プロセスが必要になる。「再学習を行わずに」という本問の要件とは相反しており、コストと時間も要する。
B事前学習 (Pre-training)
事前学習は大規模なデータセットを使って基盤モデルをゼロから学習させる手法で、膨大な計算リソースと時間を要する。モデルパラメータを更新するプロセスであり、「再学習を行わずに」という要件に合致しない。
C検索拡張生成 (RAG)
✓ 正解
外部データベースから関連文書を検索してプロンプトに組み込み、モデルに入力として渡す手法（RAG: Retrieval-Augmented Generation）。モデル自体の再学習なしに最新の社内データに基づいた回答生成を実現できる。
D継続的学習 (Continuous Learning)
継続的学習は新しいデータが利用可能になるたびにモデルのパラメータを更新し続ける手法。逐次的であっても学習プロセス（重みの更新）を伴うため、「再学習を行わずに」という本問の要件には合致しない。
解説
正解はCのRAG（Retrieval-Augmented Generation：検索拡張生成）です。RAGはユーザーからの質問に対して社内データベースやナレッジベースから関連情報を検索し、その結果をプロンプトに組み込んで基盤モデルに渡す手法です。モデルの再学習なしに、最新かつ非公開の情報に基づいた正確な回答を生成できます。
ファインチューニング（選択肢A）はモデルのパラメータを特定データで調整するプロセスで、時間とコストがかかります。
事前学習（選択肢B）は大規模データでモデルをゼロから学習させるプロセスで、非常に高コストです。
継続的学習（選択肢D）は新データでモデルを逐次更新する手法です。A・B・Dはいずれもモデルの重みを更新するプロセスであり、「再学習を行わずに」という要件に合致しません。
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 →