ある法律事務所がAmazon Bedrockを活用した法的契約書分析システムを構築しています。要件として以下の2点があります。 ①社内固有の法律用語・判例・慣行についての深い知識をモデルに習得させる ②分析結果をリスクレベル・条項リスト・推奨アクションを含む特定のJSON形式で出力させる 100GBのラベルなし法的文書コーパスと5,000件の正解付き指示-応答ペアの両方が利用可能です。最適なカスタマイズ戦略はどれですか？
CPT（継続事前学習）とIFT（指示ファインチューニング）の役割の違いを理解することが重要です。 選択肢AのCPTのみでは100GBの法的文書からドメイン知識は習得できますが、特定のJSON形式での出力形式制御が困難です。 選択肢BのIFTのみでは5,000件のペアから出力形式は学習できますが、社内固有の法律用語・判例・慣行の深い知識を十分に習得させることが難しいです。 選択肢CはまずCPTで大量の法的文書コーパスからドメイン知識を習得させた後、そのモデルをベースにIFTで出力形式を学習させる2段階アプローチです。両要件を同時に満たせる最適な戦略です。 選択肢DのRAGはリアルタイムで文書を参照できますが、社内固有の慣行・用語の深い習得や厳密なJSON形式出力の制御には限界があります。