生成AIの基礎比較問題
「インコンテキスト学習（In-context Learning）」と「ファインチューニング（Fine-tuning）」の比較として最も正確な説明はどれですか？
A.インコンテキスト学習はモデルの重みを更新し永続的な変化をもたらすが、ファインチューニングは推論時のみ効果を発揮する
✗ 説明が逆です。インコンテキスト学習は重みを変えず、ファインチューニングが重みを更新します。
B.インコンテキスト学習はプロンプト内の情報を使って推論時に適応するが、ファインチューニングは追加データでモデルの重みを更新し永続的な変化をもたらす← 正解
✓ 正解です。インコンテキスト学習は推論時にプロンプトで適応し、ファインチューニングは重み更新で永続的に変化します。
C.ファインチューニングはモデルの重みを変えず推論コストが低いが、インコンテキスト学習は多大な計算リソースと学習データを必要とする
✗ 説明が逆です。ファインチューニングが重み更新を伴い、インコンテキスト学習は重みを変更しません。
D.インコンテキスト学習とファインチューニングはどちらもモデルの重みを変更する点で共通しており、コストのみが異なる
✗ インコンテキスト学習はモデルの重みを変更しないため、両者が重みを変更するという説明は誤りです。