AIP実装と統合
医療系SaaS企業が、社内にある500GBの非構造化臨床記録・医学論文・薬剤添付文書（ラベルなし）を用いてAmazon Bedrockの基盤モデルをカスタマイズし、社内専門用語や略語を正確に理解させたいと考えています。モデルに会話形式の指示追従能力は不要で、まずドメイン知識の獲得を最優先とします。この要件に最も適したカスタマイズ手法はどれか。
A指示ファインチューニング（IFT: Instruction Fine-Tuning）— ラベル付きprompt/completionペアを作成してBedrock Custom Modelsでファインチューニングする
IFT（指示ファインチューニング）は指示追従能力の向上に特化しており、ドメイン語彙の獲得には向きません。
B継続事前学習（CPT: Continued Pre-Training）— ラベルなしの医療文書をそのままトレーニングデータとしてBedrock Custom Modelsに投入する
✓ 正解
CPT（継続事前学習）は、ラベルなしの大量ドメイン固有テキストを使って基盤モデルの内部表現を更新し、専門知識・用語・略語をモデル自体に習得させる手法です。
CBedrock Knowledge Basesを使用してRAGパイプラインを構築し、医療文書をベクトルストアにインデックスする
Bedrock Knowledge Basesを使用したRAGは推論時に外部知識を参照する手法で、モデル自体の語彙理解は変わりません。
DBedrock Agentsのシステムプロンプトに医学用語辞書と略語集を直接埋め込む
Bedrock Agentsのシステムプロンプトへの辞書埋め込みはコンテキスト長に制限があり、根本的な理解は得られません。
解説
CPT（継続事前学習）は、ラベルなしの大量ドメイン固有テキストを使って基盤モデルの内部表現を更新し、専門知識・用語・略語をモデル自体に習得させる手法です。
選択肢AのIFT（指示ファインチューニング）は指示追従能力の向上に特化しており、ドメイン語彙の獲得には向きません。
選択肢CのBedrock Knowledge Basesを使用したRAGは推論時に外部知識を参照する手法で、モデル自体の語彙理解は変わりません。
選択肢DのBedrock Agentsのシステムプロンプトへの辞書埋め込みはコンテキスト長に制限があり、根本的な理解は得られません。
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AIP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 →