基盤モデル

基盤モデルは、広範かつ大規模なデータで事前学習され、プロンプト、検索連携、ファインチューニング等によって多様な下流用途の土台として適応できるモデルです。

■ 試験で押さえるポイント

• 大規模言語モデルだけでなく、画像、音声、複数モダリティを扱うモデルも含み、LLMと基盤モデルは同義ではありません。

• 一つの事前学習モデルを多数用途で再利用できる反面、元モデルの誤り・偏り・脆弱性が多くの下流システムへ波及します。

• 用途ごとに正確性、安全性、公平性、プライバシー、頑健性を評価し、モデルカード、データ由来、版、適用限界を管理します。

• 出力だけでなく、外部ツールや機密データへの権限、プロンプトインジェクション、供給元更新、利用者の監督をシステム全体で制御します。

■ 選択肢での判断ポイント

大規模・多様な事前学習と、多数の下流用途へ適応できる土台という二点が要点です。特定用途専用モデルに限定されません。

例: 文章・画像で事前学習した一モデルを、問合せ回答、文書分類、画像説明へ適応しても、各用途で別々の評価と権限制御を行います。