AIF-C01#67(fundamentals-generative-ai)
自然言語処理（NLP）タスクにおいて、検索拡張生成（Retrieval Augmented Generation: RAG）を使用する利点を示しているのはどの記述ですか？
正解：A
正解の根拠
RAG (Retrieval Augmented Generation) は、ユーザー質問に対し外部知識ソース (ベクトル DB や検索インデックス) から関連情報を検索し、取得したコンテキストをプロンプトに注入して LLM に回答させる手法です。最新情報や社内固有データを反映でき、ハルシネーションを抑制し回答の正確性と根拠提示性を向上させます。Bedrock Knowledge Bases や Kendra と組み合わせて構築します。
関連手法の比較
| 手法 | 特徴 |
|---|---|
| RAG | 外部知識を検索して回答 |
| Fine-tuning | 重みを更新して知識を取込 |
| Prompt Engineering | プロンプト工夫で品質向上 |
| Pre-training | 大規模コーパスで基礎学習 |
不正解の理由
- B: RAG は推論時の検索拡張機構であり、訓練速度を向上させるための仕組みではありません。
- C: 音声認識は Transcribe など別ドメインで、RAG の典型的な用途ではありません。
- D: データ拡張はラベル付き画像の水増しなど別技術で、RAG の本質である検索拡張とは異なります。
コメント