ある開発チームが Azure OpenAI Service を使って RAG（検索拡張生成）アーキテクチャを設計しています。RAG の主な利点として正しいものを2つ選択してください。
- A. モデルの学習データにない最新情報や社内固有のデータに基づいて回答できる
- B. ファインチューニングと比べて大幅に低コストで最新の知識を組み込める
- C. 検索結果を参照することでモデルのパラメータが自動更新され、永続的に学習する
- D. コンテキストに含まれた文書に回答を根拠付けることで、ハルシネーションをゼロにできる
- E. Azure AI Search のインデックス更新だけで知識の鮮度を保てるため、再トレーニングが不要である
解答と解説を見る
正解: A, B
RAG の主な利点は、選択肢 A「モデルの学習カットオフ以降の最新情報や社内固有データへの対応」と、選択肢 B「ファインチューニングに比べて低コストで知識を更新・組み込める点」です。選択肢 C は誤りで、RAG はモデルのパラメータを更新しません。検索結果はプロンプトのコンテキストに含めるだけであり、モデル自体は変化しません。選択肢 D は誤りで、RAG はハルシネーションのリスクを大幅に低減しますがゼロにはできません。モデルがコンテキスト外の情報を使って回答する場合や、コンテキスト内の誤情報を反映するケースがあります。選択肢 E は選択肢 A と重複しており、内容は概ね正しいですが、本問では A・B の組み合わせが最も代表的な利点です。