【G検定過去問風】インコンテキスト学習とは？LLMのプロンプト活用術を解説
※本記事では、アフィリエイトプログラムより教材を紹介しています。
📝 問題
大規模言語モデル（LLM）において、パラメータの更新（重みの書き換え）を一切行えず、プロンプト（入力文）の中にいくつかのお手本（例文）を含めるだけで、モデルにタスクを理解させて解答させる手法として、最も適切な選択肢を1つ選べ。
- A）ファインチューニング
- B）インコンテキスト学習
- C）メタ学習
- D）特徴抽出
🔍 ここをクリックして正解を見る
- 正解: B）インコンテキスト学習
💡 合格に近づく！徹底解説
- 重要度: ★★★
■ 1分で分かる！この問題の要点
- LLMに対して、モデル自体の重み（中身）を書き換えなくても、質問文（プロンプト）のなかに「こんな風に答えてね」という具体例を添えるだけで正しくタスクをこなさせることができる。
- このアプローチを「インコンテキスト学習（In-Context Learning）」と呼ぶ。
■ 初学者向け解説（例え話や背景）
アルバイトのスタッフを教育するときを想像してください。毎回マニュアルを書き換えたり、研修（ファインチューニング）を何日もかけて行ったりしなくても、仕事の直前に「例えばこういう風に対応してね」と見本（具体例）をいくつか見せるだけですぐに仕事を覚えてテキパキ動いてくれることがありますよね。インコンテキスト学習はAIにおけるこれと同じ仕組みで、プロンプトに数件のお手本を入れるだけで、モデルの構造を変えずにその場で賢く振る舞わせる手法です。
■ 選択肢の解説
- A) ファインチューニング（×）: ターゲットタスクのデータを使ってモデルの重みパラメータ自体を微調整する手法です。
- B) インコンテキスト学習（○）: パラメータを一切書き換えず、プロンプト内のお手本（例文）だけでタスクを理解させる手法です。
- C) メタ学習（×）: 「新しいタスクに素早く適応するための学習方法そのもの」をトレーニングする仕組みです。
- D) 特徴抽出（×）: 事前学習モデルの重みを固定し、中間層の特徴量だけを取り出して別の識別器を学習させる手法です。
👉 次の問題＆解説テキスト
お疲れ様です！
この調子で次の問題に挑戦しますか？
それとも、立ち止まって詳しい解説を確認しますか？
