ファインチューニング

LLMをゼロから作ろうとすれば、数十億円規模の費用と数か月がかかる。そこで既存のモデルを土台にして、手持ちの例で練り直す。たとえば社内メール1,000通で文体を覚えさせたり、サポート問い合わせ500件で自社の回答の仕方を教えたりする。

多くの用途では、RAGのほうが安価で柔軟である。ファインチューニングが向くのは、モデルの文体を変えたいときや、狭い領域に特化させたいときだ。