Azure OpenAI Service + Azure AI Search(旧：Cognitive Search）でのRAG環境の精度向上を考えてみた - Qiita

社内のデータからGPTに回答をさせる方法 GPTはある特定の期間までの公開されている情報からしか回答をする事が出来ません。企業の中にある機密情報は学習していないので、GPTに質問をしてもGPTは回答のしようがありません。では社内のデータからGPTに回答を生成してもらうためにはどのような方法があるのかと言いますと、これは大きく２つ存在します。１つが「ファインチューニング」と言う方法。もう一つが「RAG」と言う方法になります。 ファインチューニング ファインチューニングは学習済みのGPTモデルに対して、社内の情報を使って追加で学習を行うと言う事となります。これによって、ユーザーが例えば「社内の○○について教えて」とGPTに質問をすると、GPTは社内のデータを追加で学習しているので回答ができるようになるという方法です。 一見すると画期的な方法に見えますが、実際には学習コストが非常に高く、さらには

[kagehiens]

社内の資料を回答のネタにできるようにチャンク化するという時点でハードル高そう＆ベクトルDBから漏れ抜けなく回答を取り出すことを期待されるとしんどそうであるということが分かった。

[bentsuyoshi]

Azure OpenAI Service + Azure AI Search(旧：Cognitive Search）でのRAG環境の精度向上を考えてみた