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 » 📘 もっと体系的に学びたい方へ 🎁 全問図解の無料Udemy講座 380問／先着30名・限定クーポン 📕 おすすめ教材2選 2026シラバス対応 ← 前の問題 次の問題 → 🎓 講義もセットで学びたい方へ（講義＋問題集のオールインワン）🎫 1,300円クーポン配布中（5/30(土)12:00まで）講義＋本番形式の模擬試験2回分をオールインワンで／2026年改訂シラバス対応講座を見る → 📝 問題演習を徹底したい方へ（問題集特化・200問＋模擬試験3回分） 🎫 クーポン配布中（1,500円） 2026年2月改訂シラバス・最新動向に完全対応／全問解説付き 詳細を見る → おすすめ記事【生成AIパスポート】完全対策｜知識定着に効く演習380問で合格ライン80%を超えるUdemy講座📚 より詳細を学びたい方へ🎓 動画で学ぶ合格者が選ぶ Udemy講座3選2026年シラバス対応。タイプ別におすすめ3講座を比較。📕 紙で読む2026対応 おすすめ参考書2選改訂シラバスに完全対応した参考書を厳選比較。 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
