あるFinTech企業は、独自の金融デリバティブ取引に関する専門用語（一般的なコーパスには存在しない社内固有の用語）を含む50GBの内部文書を保有しています。この専門知識をモデルに習得させたうえで、取引システムが要求する厳密なJSON形式で応答を生成できるようにしたいと考えています。ラベル付きの指示-応答ペアは2,000件しかなく、トレーニングコストも最小化したいという制約があります。Amazon Bedrockのカスタマイズ機能を使ってこの要件を最も効果的に実現する方法はどれですか？
CPT（継続事前学習）はラベルなし大量テキストでドメイン固有の知識・語彙を習得させ、IFT（指示ファインチューニング）はラベル付き指示-応答ペアで特定の出力形式・タスク挙動を学習させます。新規専門用語の習得とJSON出力形式の両立にはCPT→IFTの順序が最適です。 選択肢AのCPTのみでは出力形式の制御が困難です。 選択肢BのIFTのみでは新規専門用語の習得が困難です。 選択肢DのRAGは推論時のコスト・レイテンシが増加しリアルタイム取引システムには不向きです。