比較軸 ・情報更新の方法 ・モデルへの介入度 ・適した用途 Fine-tuningはモデルのパラメータ自体を追加学習で変更する手法です。情報更新の方法では、Fine-tuningは情報を更新するたびに再学習が必要になります。モデルへの介入度では、Fine-tuningがモデル自体を変更するのに対し、RAGはモデルを変更せず外部知識を検索して活用します。適した用途では、Fine-tuningは振る舞い・文体・専門知識の恒久的な習得に、RAGは頻繁に更新される情報への対応に向いているとされます。
AIモデルのカスタマイズ手法を比較検討したい企業・開発者に該当します。
【比較時の判断ポイント】頻繁に更新される情報を扱いたい場合はRAG、モデルの振る舞い自体を恒久的に変えたい場合はFine-tuningが適するとされる。