AIF-C01#57(foundation-models)
【問題2/3】ある企業は、生成 AI モデルのプロンプトに対して、よりカスタマイズされた応答を得たいと考えています。 以下のユースケースごとに、正しいカスタマイズ手法を選択してください。各ユースケースには一度だけ選択肢を使用します。 【ユースケース】ラベル付きデータが限られており、さらにデータが必要である 
正解：B
正解の根拠
ラベル付きデータが限られる状況では、データ拡張 (Data augmentation) で既存サンプルを変形・合成し、学習データ量を補強するのが有効です。テキストでは同義語置換やバックトランスレーション、画像では回転や色調変換といった手法で、過学習を抑えつつ汎化性能を高められます。
カスタマイズ手法の使い分け
| 手法 | 適用条件 |
|---|---|
| データ拡張 | ラベル付き少量を増強 |
| 継続的事前学習 | ラベルなし大量 |
| ファインチューニング | ラベル付き十分 |
| 合成データ | 生成 AI で補完 |
不正解の理由
- A: 継続的事前学習はラベルなしコーパスで知識を取り込む手法で、ラベル付き少量データを増やすという要件には対応しません。
- C: ファインチューニング自体はラベル付きデータをそのまま使う学習であり、データ量不足を解消する増強手段ではありません。
コメント