AIF-C01#29(fundamentals-generative-ai)
RAG（検索拡張生成）を正確に説明している記述はどれですか？
正解：B
正解の根拠
RAG (Retrieval-Augmented Generation) は LLM のパラメータを再学習せず、外部の信頼できる知識ベース (ベクトル DB 等) から関連情報を検索し、その内容をプロンプトに注入して回答を生成する手法です。これにより最新情報や社内知識を柔軟に反映でき、回答の関連性と事実精度を向上させつつハルシネーションを抑制できます。
RAG と他手法の比較
| 手法 | 特徴 |
|---|---|
| RAG | 外部知識を検索し注入 |
| Fine-tuning | 重みを更新する追加学習 |
| 継続事前学習 | 大規模追加コーパスで再訓練 |
| プロンプトエンジニアリング | 指示文の工夫 |
不正解の理由
- A: 大量データで LLM を再学習する内容は事前学習・継続学習の説明であり、RAG の核である「検索による参照」と異なります。
- C: 元の学習データのみに制限する記述は逆方向で、RAG は外部知識を取り込む拡張アプローチです。
- D: 翻訳タスクへの特化はユースケース限定の説明で、RAG が汎用的に取り扱う検索拡張概念とは合致しません。
コメント