基盤モデルのカスタマイズ戦略

イントロ

知識更新、振る舞い変更、規模縮小を別の手段として選ぶ

目的に合わせて、入力文脈、外部知識、追加学習、または小型モデルへの知識移転を使い、モデル利用の振る舞いや効率を調整することです。

定義

とは、入力文脈、外部知識、追加学習などで振る舞いや効率を調整することです。
見分けるポイント: は重みを変えず、入力内の例を使います。は更新知識を検索し、は特定用途へ振る舞いを適応させます。は領域知識を深め、は小型モデルへ振る舞いを移します。

手順

要点

へ領域知識を加えるは、データ・費用・運用の負担が大きくなります。改定が多い知識はRAG、安定した振る舞いは微調整を候補にし、同じ基準でします。

例

場面: 毎月変わる商品在庫を答え、回答文体は一定にしたいチャットを設計します。
順に考えると: 在庫の最新値はRAGや業務ツールから取得し、モデルの重みへ固定しません。文体は明確なプロンプトと例で評価し、不十分で大量利用の価値がある場合に微調整を比較します。最新知識と表現傾向を別問題として扱うことで、改定費用と誤情報を減らします。
ここが結論: 一つのカスタマイズ方法へ全要件を押し込まず、役割ごとに手段を選べます。

注意

確認

Q1

頻繁に改定される社内規程を根拠付きで回答したい場合の第一候補はどれですか。

まとめ

AIエージェントと業務ワークフローを、AIF-C01の公式objective 3.1.6に沿って、用語、判断順序、例、誤解修正で整理します。

新しいカテゴリが追加されました