追加学習と検索の使い分け
B社は、カスタマーサポート用のチャットボットを作っている。要件は「毎週更新される料金表に基づいて正しい金額を答えること」と「自社の丁寧な文体と決まった回答フォーマットをそろえること」の2つである。これらの要件への対応として、適切なものを2つ選べ。
- A
料金表は毎週ファインチューニングで学習させるのが適しており、そうすればモデルが回答に根拠の文書名も添えられるようになる。
- B
社内の応対例をRAGで検索させれば、検索のたびにモデルの重みが更新されるので、文体が恒久的に自社のものに変わる。
- C
料金表は、質問のたびに検索して最新の文書をプロンプトに渡すRAGで扱うと、更新に追いつきやすく、根拠の文書も示しやすい。
- D
文体や回答フォーマットをそろえるには、望ましい応答例を集めて行うファインチューニングが有効な選択肢になる。
正解と解説を見る
正解:C・D
最新の事実や頻繁に変わるデータはRAGで、文体・形式・特定タスクでの振る舞いはファインチューニングで対応するのが基本である。両方を組み合わせることもある。
- A
誤り。毎週の再学習はコストがかかり、学習した数値を正確に思い出せる保証もない。重みに取り込んだ知識からは、根拠の文書を示すこともできない。
- B
誤り。RAGは検索した文書をプロンプトに加えるだけで、モデルの重みは変わらない。ファインチューニングと取り違えている。
- C
正しい。頻繁に変わる事実の情報は、モデルの重みに覚えさせるより、外部の文書を検索して参照させるほうが更新に強い。
- D
正しい。ファインチューニングは、知識を加えることより、話し方や出力形式などの振る舞いを安定させることに向く。
このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会(JDLA)・一般社団法人生成AI活用普及協会(GUGA)の公式サービスではありません。