MLA-C02：AWS Certified Machine Learning Engineer - Associate ML モデルと基盤モデルの開発 問7
ML モデルと基盤モデルの開発／モデリングアプローチの選択基盤モデルを、自社の専門用語や独特の文体・フォーマットに合わせて応答させたい。社内知識の最新性よりも、出力のスタイル・振る舞いの習得が目的である。最も適したアプローチはどれか。
当サイトのオリジナル問題（MLA-C02：AWS Certified Machine Learning Engineer - Associateの出題範囲「ML モデルと基盤モデルの開発」に対応。実際の試験問題ではありません）
- ARAG（検索拡張生成）だけで対応する
- Bモデルを毎回ゼロから自前で事前学習する
- Cファインチューニング（追加学習でモデルの振る舞い・スタイルを獲得させる）
- D温度パラメーターを上げる
正解：C
解説
ファインチューニングは、基盤モデルに追加学習を行い、専門用語・文体・出力フォーマットなどの振る舞いを獲得させるのに適します。RAG は最新・根拠のある情報の提供に強みがありますが振る舞いの習得向けではなく、ゼロからの事前学習は過剰、温度調整はスタイル習得ではありません（最新性重視なら RAG、スタイル重視ならファインチューニング、と使い分けます）。
下線の用語は 用語集 で意味を確認できます。
選択肢ごとの解説
- A誤り。RAGは最新の根拠提供に強い一方、文体・振る舞いの習得はファインチューニングが適します。
- B誤り。ゼロからの事前学習は莫大なコスト/データが必要で過剰です。
- C正しい。スタイル・振る舞いの習得にはファインチューニングが適します。
- D誤り。温度調整は多様性の制御で、スタイル習得ではありません。