AIF-C01#70(fundamentals-generative-ai)
AIプラクティショナーが、自然言語生成モデルの精度を向上させる必要があります。このモデルは、頻繁に変更される在庫データを使用しています。 モデルの精度を向上させる手法はどれですか？
正解：C
正解の根拠
RAG (Retrieval Augmented Generation) は外部の最新データソースを検索して LLM のプロンプトに注入する手法で、頻繁に更新される在庫データのような動的情報に最適です。モデル再訓練なしに最新値を反映でき、Bedrock Knowledge Bases では S3 上の在庫ファイルを定期同期しベクトル DB を更新するだけで、生成結果に常に最新情報を取り込めます。
更新頻度別アプローチ
| 手法 | 更新適性 |
|---|---|
| RAG | 頻繁な更新に最適 |
| Fine-tuning | 更新ごとに再学習が必要 |
| Transfer Learning | ベースモデルからの転用 |
| One-shot Prompt | プロンプト内例示のみ |
不正解の理由
- A: 転移学習は事前学習済モデルの再利用で、頻繁な在庫更新には再訓練コストが大きすぎます。
- B: 連合学習は分散デバイス間で重みを共有する手法で、リアルタイム在庫反映の用途とは異なります。
- D: ワンショットは 1 例の提示のみで、変動するデータ全体を反映する仕組みを持ちません。
コメント