ある企業が、社内規程や製品マニュアルの内容に基づいて社員からの問い合わせに答えるチャットボットを導入したいと考えている。モデル自体は再学習させず、質問のたびに関連する社内文書を検索し、その内容をプロンプトに加えて回答を生成させる手法として最も適切なものはどれか。
- 1ファインチューニング
- 2知識蒸留
- 3RAG（検索拡張生成）
- 4RLHF（人間のフィードバックによる強化学習）
正解と解説を見る
正解：3
RAG（Retrieval-Augmented Generation）は、外部の文書やデータベースから関連情報を検索し、プロンプトに組み込んで回答を生成させる手法です。モデルを再学習させずに、社内の最新情報を回答に反映できます。ファインチューニングは追加データでモデルの重み自体を更新する手法、知識蒸留は大きなモデルの知識を小さなモデルに移す手法、RLHFは人間の評価を使って出力を好ましい方向に調整する学習手法です。いずれも、質問のたびに文書を検索して参照する仕組みではありません。RAGは回答の根拠となる文書を示しやすく、企業での生成AI活用で広く採用されている点を覚えておきましょう。
根拠：Lewis et al.「Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks」（2020年）