【LLM・VLM実践学習 #6】良い回答例でAIの振る舞いを変える — ファインチューニングの判断・データ設計・実践手順

LLMの振る舞いのばらつきを改善するファインチューニングについて解説。プロンプトだけでは解決が難しい、文体や分類ミスの改善に有効。データ設計と実践手順、判断基準についても触れている。

• LLM・VLMの振る舞いのばらつきを改善する手段としてファインチューニングを解説。
• ファインチューニングは「繰り返したい仕事の見本」を教えるイメージであり、知識の丸暗記ではない。
• プロンプトやRAGで改善できる問題と、ファインチューニングが適した問題（同じ失敗を繰り返す場合）を区別する。
• 学習データは量より品質を重視し、本番に近い入力と統一された基準の理想回答を用意する。
• 学習開始前に評価データを作成し、Train・Validation・Testの3つに分割することが重要である。