比較軸 ・モデルへの介入度 ・実装コスト ・効果の永続性 Prompt Engineeringはモデル自体を変更せず、入力の工夫のみで対応する手法です。モデルへの介入度では、Fine-tuningがモデルのパラメータ自体を追加学習で変更するのに対し、Prompt Engineeringはモデルに一切手を加えません。実装コストでは、Prompt Engineeringは学習コストが不要なため低コストです。効果の永続性では、Fine-tuningは一度学習させれば恒久的に振る舞いが変わりますが、Prompt Engineeringは毎回のプロンプトに依存します。
LLMのカスタマイズ手法を比較検討したい開発者・企業に該当します。
【比較時の判断ポイント】低コストで即座に試せる柔軟性を求める場合はPrompt Engineering、モデルの振る舞いを恒久的に変えたい場合はFine-tuningが適するとされる。