学習・調整
ファインチューニングとは
Fine-tuning（ファインチューニング）
ひとことで言うと
学習済みモデルを追加データで再学習し、特定の用途や文体に適応させる工程です。
詳しい説明
ファインチューニング(微調整)とは、事前学習済みのモデルに対して、特定分野やタスクのデータで追加学習を行い、その用途に最適化する手法です。ゼロから学習するより少ないデータとコストで専門性を高められます。
たとえば自社の問い合わせ履歴で微調整すれば、自社サービスに沿った回答をしやすくなります。文体・専門用語・出力形式を安定させたい場合にも有効です。
ただしデータ準備や再学習の手間・コストがかかるため、まずはプロンプトエンジニアリングやRAGで足りないかを検討し、それでも不十分な場合に選ぶのが定石です。
具体例
- 法律文書で微調整し、契約書の条項チェックに強いモデルを作る。
- 自社ブランドの口調に合わせてカスタマーサポートの返答を統一する。
よくある質問
ファインチューニングとRAGはどちらを選ぶ?
知識を最新・大量に参照させたいならRAG(外部データを検索して渡す)、文体や振る舞い・出力形式を安定させたいならファインチューニングが向きます。両者は併用も可能です。
出典・参考(一次ソース)
本ページは、広く確立したAIの用語・概念を、公開情報にもとづき編集部がわかりやすく整理したものです。特定製品の最新仕様・数値は各提供元の公式ドキュメントをご確認ください。
最終更新: 2026-07-07