AIF-C01#59(foundation-models)
ある企業が、ファウンデーションモデル（FM）を最新のデータに適応させ、継続的に関連性を維持するための学習戦略を実装したい と考えています。 この要件を満たすトレーニング手法はどれですか？
正解：B
正解の根拠
継続的事前学習 (Continued pre-training) は、新たに収集したラベルなしテキストコーパスを使って FM の事前学習を継続し、知識やドメイン語彙を最新状態に更新する学習戦略です。Bedrock Titan などで利用でき、データドリフトに対して関連性を保ち続けることができます。
学習戦略の比較
| 戦略 | 特徴 |
|---|---|
| 継続的事前学習 | 新コーパスで知識更新 |
| バッチ学習 | 固定データで一括 |
| 静的トレーニング | 更新せず固定 |
| 潜在学習 | 一般的 ML 用語ではない |
不正解の理由
- A: バッチ学習は固定データセットを一度に学習する古典的方式で、継続的にデータを取り込み更新する戦略とは異なります。
- C: 静的トレーニングはモデルを更新せず固定する方式で、最新性を維持する継続的更新戦略の趣旨に反します。
- D: 潜在学習は FM 学習戦略の標準用語ではなく、AWS のドキュメントにおける継続適応の手法には該当しません。
コメント