A不正解
ファインチューニング
ファインチューニングは、ラベル付きデータでモデルの重みを追加学習して特定タスクに適応させる手法です。
本問は再学習せずに指示の工夫で改善する手法が論点のため不正解です。
ある担当者が、社内 FAQ ボットの回答品質を改善したいと考えています。モデルの再学習や外部データベースの追加はせず、与える指示や例文の書き方を工夫することで出力の質を高める方針です。この手法を表す概念はどれですか。
1 / 1
回答を選択してください
正解C
解説
再学習せず指示の工夫で出力を改善する手法を選ぶ問題。
- 1「モデルの再学習や外部データベースの追加はせず」重みの変更（ファインチューニング）も 外部知識の参照（RAG）も使わない
- 2「指示や例文の書き方を工夫することで出力の質を高める」入力の最適化＝プロンプトエンジニアリング
B不正解
事前トレーニング
事前トレーニングは、大量データでモデルを一から学習して汎用能力を獲得させる工程です。
再学習せずに指示で改善する手法ではないため不正解です。
C正解
プロンプトエンジニアリング
正解。プロンプトエンジニアリングは、モデルの重みを変えずに、与える指示・例・出力形式の書き方を工夫して出力の質を高める手法です。最も手軽に試せる最初の手段です。
D不正解
検索拡張生成 (RAG)
RAG は、応答の生成前に外部のナレッジソースを検索して根拠に使う手法で、再学習が不要な点は共通します。
ただし本問は『外部データベースの追加はせず、指示・例文の書き方を工夫する』方針と明記されており、外部知識を参照する RAG は要件に合わないため不正解です。
ポイント
再学習しない改善手法は 2 つを区別します。
・プロンプトエンジニアリング: 指示・例文・形式など『入力の書き方』を工夫する（外部データ不要）。
・RAG: 外部のナレッジを検索して根拠に使う（データソースの追加が必要）。
本問は『外部データベースの追加はせず』が決め手でプロンプトエンジニアリング。ファインチューニング・事前トレーニングは重みを変える手法で、再学習しない方針に反します。