問題 No.1224
すでに大量のデータで学習を終えている大規模な既存モデル（基盤モデル）に対し、その一部またはすべてのパラメータを、特定の業務や狭いタスクに合わせた少量のデータを使って追加で微調整・学習させる手法はどれか。
【正解の解説】
ファインチューニング
ファインチューニングは、既に学習済みのモデルを、別の特定のタスクに合わせて微調整する手法です。ゼロから全部学習し直すよりも、効率的に精度を高めることができます。
スポンサーリンク
【その他の選択肢の解説】
ゼロショット学習
ゼロショット学習は、学習したことのない未知のタスクに対しても、モデルが自ら推論して対応できるようにする学習手法です。例示なしでいきなり回答を試みる手法を指します。
事前学習
事前学習は、モデルが特定のタスクを学ぶ前に、膨大なデータで一般的な基礎知識を養う学習段階のことです。これを行うことで、その後の応用学習が非常にスムーズになります。
蒸留
蒸留は、大きなモデルの知識を、より小さな軽量モデルに転移させる手法です。性能を維持しつつ、動作を軽くして環境の制約がある場所でも動かせるようにします。