大規模言語モデルを用いた自然言語処理において，事前学習済みのモデルに対して行う，ファインチューニングに関する記述として，最も適切なものはどれか。

選択肢

• ア強化学習を行い，最適な結果が得られるようにする。
• イ事前学習と同じデータを繰り返し用いて学習を行い，モデルの精度を高めるようにする。
• ウ大量のテキストデータを用いて学習を行い，モデルの精度を高めるようにする。
• エ特定のデータを用いて追加で学習を行い，目的とするタスクに適用できるようにする。

正解と解説

正解：エ 特定のデータを用いて追加で学習を行い，目的とするタスクに適用できるようにする。

ファインチューニングは、大量の汎用データで作られた事前学習済みモデルに対し、目的とする用途に合わせた比較的少量のデータで追加学習を行う手法である。ゼロから学習し直すより少ない計算資源で、特定タスクの精度を高められる点が利点になる。事前学習そのものや強化学習とは段階も目的も異なる。

選択肢ごとの解説

• ア強化学習は報酬に基づく別の学習手法で、ファインチューニングの定義ではない。
• イ同じデータを繰り返すだけでは新しいタスクへの適応にならない。
• ウ大量のテキストで汎用的な能力を作るのは事前学習の段階である。
• エ特定データで追加学習し目的タスクに適応させる、ファインチューニングの説明。

同じ分野の他の問題

• AIの事例として，適切でないものはどれか。2026年度 公開問題 科目A 問18
• インターネット上の生成AIサービスを利用する際に，オプトアウトを設定することはどのような場合に有効か。2025年度 公開問題 科目A 問17
• 生産現場における機械学習の活用事例として、適切なものはどれか。2019年度 秋期 午前 問73
• 機械学習における教師あり学習の説明として、最も適切なものはどれか。2019年度 春期 午前 問4
• IoTの構成要素に関する記述として，適切なものはどれか。2018年度 秋期 午前 問71