Q57 — AWS AIF-C01 第3章

第 57/100 問 | ← 第3章

ある製造企業が、社内従業員向けの仮想アシスタントを構築したいと考えています。この仮想アシスタントは、企業独自の技術文書のみに基づいて技術的な質問に回答すべきです。また、モデルのハルシネーション（幻覚）を最小限に抑え、データ準備に関連する作業を軽減したいと考えています。これらの要件を、最小限の運用負荷で満たすには、どのソリューションが最も適していますか？

• A. 企業の知識ベースを用いて基礎モデル（FM）をファインチューニングする
• B. 製造分野に関連するデータで訓練された基礎モデルを活用する
• C. 検索拡張生成（RAG）を実装する ✓
• D. 多数の指示をプロンプトに記述して、コンテキストラーニングを活用する

正解: C. 検索拡張生成（RAG）を実装する

解説

製造企業が社内従業員向けに構築する仮想アシスタントの核心的な要件は、企業独自の技術文書に基づく技術質問への回答、ハルシネーションの最小化、データ準備作業の軽減、および最小限の運用負荷での実現です。A：企業の知識ベースを用いた基礎モデル（FM）のファインチューニングは、既存の基礎モデルをカスタマイズする方法ですが、データ準備およびモデル調整の複雑さは依然として高く、ハルシネーションの最小化を保証できません。B：製造分野に関連するデータで訓練された基礎モデルは、分野特化知識を提供しますが、企業独自の技術文書へのカスタマイズがなければ、特定要件を完全に満たせません。C：検索拡張生成（RAG）の実装は、仮想アシスタントが企業独自の技術文書から情報を検索し、それに基づいて回答を生成することを可能にします。これはハルシネーションを最小限に抑え（回答が実際の文書に基づく）、データ準備作業を軽減（検索操作は比較的単純）し、運用負荷も低いという利点があります。D：多数の指示をプロンプトに記述するコンテキストラーニングは、モデルのコンテキスト理解を強化できますが、大量のデータおよび計算リソースを必要とし、企業独自の技術文書への対応を保証できません。以上より、C「検索拡張生成（RAG）の実装」が、最小限の運用負荷でこれらの要件を満たす最適なソリューションです。