FM カスタマイズ手法のコスト面でのトレードオフ
Cost Trade-offs of FM Customization Approaches
AI 生成試験ガイド v1.1 準拠人による確認：未実施
このページの内容は、AWS 公式の試験ガイドをもとに AI が作成しました。誤りを含む可能性があります。正式な情報は公式の試験ガイドで確認してください。
概要
(FM) の手法は、 (ICL)、RAG、、、の 5 つ。前者ほどを変更せずが低く、後者ほどを変更しコストが高い。選択の基準は、変えたいものが「知識」「スタイル」「コスト」のどれかである。
There are five ways to customize a foundation model: ICL, RAG, fine-tuning, distillation, and pre-training. The earlier ones leave the model untouched and are cheaper; the later ones modify weights and cost more. Choose by asking whether you need to change knowledge, style, or cost.
主な用語
| 日本語 | English |
|---|---|
| きばんモデル | Foundation Model (FM) |
| じぜんトレーニング | Pre-training |
| Fine-tuning | |
| コンテキストないがくしゅう | In-context learning (ICL) |
| けんさくかくちょうせいせい | Retrieval-Augmented Generation (RAG) |
| モデルじょうりゅう | Model distillation |
| おもみ | Weights |
| すいろん | Inference |
解説
日本語の解説は準備中です。上の概要と用語表で要点を確認し、確認テストで理解度を確かめてください。
出典：AWS Certified AI Practitioner (AIF-C01) 試験ガイド Domain 3 › Task 3.1
項目名と要約は本サイトによるものです。試験ガイドの原文は公式サイトで確認してください。
読み終えたら「学習済み」にしましょう。確認テストで 80% 以上正解すると「習得済み」になります。
D3 確認テスト 1 へ