3.1標準
社内規程は毎月更新される。回答は常に最新版を参照し、更新のたびにモデルを再学習したくない。
規程本文を検索して回答の根拠にしたい。
最初に検討すべき構成はどれか。
× 不正解
頻繁に更新される外部知識には、文書を検索して推論コンテキストへ追加するRAGが適している。微調整は知識の毎月更新そのものを目的にする方法ではない。
詳細解説
誤り規程をプロンプトへ永久にハードコードする
長さ上限、更新、アクセス制御、機密性の管理が難しく、検索方式より柔軟性が低い。
正しい規程を検索して取得し、回答時のコンテキストへ渡す検索拡張生成
頻繁に更新される知識を外部データとして検索することで、モデルの再学習なしに最新情報を参照できる。
誤り更新のたびに基盤モデル全体をゼロから事前学習する
更新頻度に対してコストと時間が過大で、通常は必要ない。
誤りモデルの温度を0にして規程を記憶させる
温度は生成のランダム性を変えるだけで、モデルへ新しい知識を学習させない。
公式資料で確認する
以下の項目を公式資料の記述と照合して確認します。
Amazon Bedrock Knowledge Bases公式ドキュメントでデータ取り込み、検索、生成の流れを確認する。
参考にした公式資料
確認できる内容
更新頻度の高い知識にはRAG、振る舞いや形式の適応には微調整という使い分けを説明できる。
理解のポイント
- 更新頻度
- RAG
- 微調整との違い
確認時の注意
- 確認環境: AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
- AWS公式ドキュメントで、対象サービスが提供する機能と前提条件を確認する。
- モデル、データ、アプリケーション、利用者の責任分界を混同しない。
基礎のおさらい
RAG
外部データを検索してモデルのコンテキストへ追加し、知識の更新と根拠提示を支援する方式。
微調整
特定の形式やタスクへの振る舞いを追加学習で適応する方式。
問題IDAWS-AIF-037
確認環境AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
最終技術確認2026-08-20
誤り・権利侵害を報告