ひとことで言うと
ファインチューニングは、もともとあるモデルに追加学習を入れて、特定の言い回しや判断傾向へ寄せる調整です。
どんな場面で使うか
- 特定業界の言い回しを安定させたい時
- 出力形式をかなり固定したい時
- プロンプトだけでは癖が揃わない時
- 独自の分類ルールを覚えさせたい時
プロンプト調整との違い
プロンプト調整は、毎回の指示で出力を寄せる方法です。ファインチューニングは、モデル側の振る舞いを長期的に変えたい時に向きます。
実務で気にするポイント
- 学習データの質が悪いと癖も悪化する
- 精度向上より、評価設計のほうが先に必要
- データ更新が多い用途では保守負荷が上がる
- RAG で足りる課題かを先に見極める
注意: ファインチューニングは「自社専用にすれば全部よくなる」施策ではありません。評価指標が曖昧だと、費用だけ増えて改善が見えにくくなります。