保険会社が Amazon Bedrock Custom Models を使用して保険証券説明文書を生成するモデルをファインチューニングしようとしています。データチームには次の2つのオプションがあります： ・オプション A：自動スクレイピングした 50 万件の保険関連文書（品質がまちまちで、誤り・重複・無関係なコンテンツを多く含む） ・オプション B：手動キュレーションした 5,000 件の高品質な証券説明サンプル（一貫したフォーマット・正確な内容） 最も優れたファインチューニングモデルを生成する可能性が高いのはどちらで、その理由は何ですか？
ファインチューニングの基本原則は「データの質はデータ量に勝る」である。低品質・ノイズの多いデータは誤ったパターンをモデルに学習させ、「Garbage In, Garbage Out（粗悪な入力は粗悪な出力を生む）」という問題を引き起こす。5,000 件の高品質データは 50 万件の低品質データよりも優れたモデルを生成することが多い。