RAGとファインチューニングの違い 問題 LLMに新しい知識を追加する方法である「RAG」と「ファインチューニング」の比較について誤っている記述を1つ選べ。 1. ファインチューニングはモデルそのものを再学習させるため時間とコストがかかる。 2. RAGはモデルを再学習させずに外部データベースを参照するため知識の更新が容易である。 3. RAGは非公開の社内マニュアルなどをAIに参照させて回答させたい場合に適している。 4. 常に最新のニュースをAIに答えさせたい場合RAGよりもファインチューニングを毎日行う方が効率的である。 この問題の関連テキスト RAG Web教科書で詳しく学ぶ » ← 前の問題 次の問題 → おすすめ記事生成AIパスポートは「意味ない」？受験前に知るべき評判と本当のメリット 同じカテゴリの問題 テキスト生成AIの仕組み テキスト生成AIの主要サービス 画像生成AIのデータ処理 リマスタリング技術の理解 動画生成AIの主要モデル ディープフェイクの定義 偽情報と誤情報の違い ディープフェイクの悪用事例 RAGの基本的な仕組み RAGの導入メリット チャンクの役割 ベクトルデータベースの特徴 ● RAGとファインチューニングの違い (表示中) RAGの歴史 AIエージェントと従来のAIの違い AIエージェントの処理サイクル GenSparkの特徴 Manusの特徴 Skywork AIの特徴 MCPの役割 カテゴリを選択する 他のカテゴリを選択する
