LLM・生成AI
ファインチューニングとは？
読み: ふぁいんちゅーにんぐ英語: Fine-tuning更新日: 2026-06-23
事前学習済みモデルに追加データを学習させ、特定用途や表現に適応させる方法です。
試験で問われるポイント
- 頻繁に変わる最新知識の参照だけならRAGが向く場合があります。
- 出力形式や専門用語の表現をそろえたい場合に検討されます。
- データ品質、コスト、評価が重要です。
具体例
社内文書の文体に合わせた回答を出したい場合に検討されます。
よくある誤解
- 最新文書を一度参照したいだけでも必ずファインチューニングすると考える。
- ファインチューニングすればハルシネーションが完全になくなると考える。
対応試験
生成AIパスポートG検定AWS AI Practitioner
関連する表記: ファインチューニング / Fine-tuning / 追加学習 / 微調整
関連問題で復習
G検定ディープラーニングの要素技術
「ファインチューニング」の説明として、最も適切なものはどれか。
G検定ディープラーニングの応用例
転移学習とファインチューニングの関係として、最も適切なものはどれか。
生成AIパスポートLLM・テキスト生成AI
質問と期待される回答のペアなど、ラベル付きデータを使ってモデルを教師あり学習でファインチューニングする手法を何と呼ぶか。
AWS AI Practitioner生成AIの基礎
ファインチューニングが適する場面として最も適切なものはどれか。
AWS AI Practitioner基盤モデルの活用
事前学習とファインチューニングの違いとして最も適切なものはどれか。
AWS AI Practitioner基盤モデルの活用
ファインチューニング用データ準備で重要な観点はどれか。
生成AIパスポートLLM・テキスト生成AI
大規模LLMを効率的にファインチューニングする手法「LoRA」の特徴に関する記述として最も適切なものはどれか。
生成AIパスポートLLM・テキスト生成AI
元のモデルパラメータを固定し、学習可能な仮想トークンを追加してモデルを適応させる手法を何と呼ぶか。
関連用語
FujiCertの用語解説は、各試験の公式問題ではなく、学習者が問題演習で つまずきやすい観点を整理した非公式の学習支援コンテンツです。