パスポーンRLHFとは
人間の評価をもとにAIの答えを望ましい方向に学習させる仕組み。
生成AIパスポート公式シラバス（2026年2月試験より適用）第2章「生成AI（ジェネレーティブAI）」の収載語です。
まず1問、解いてみる
答えを開く前に、自分の言葉で説明してみてください。
「RLHF」という言葉が指す仕組みとして、最も適切なものはどれか。
- A人間がAIの答えの良し悪しを評価し、そのフィードバックを使ってAIの受け答えを望ましい方向に学習させる仕組み
- B二つのAIを本物そっくり度で競わせながら、互いの精度を自動で高め合わせていく学習の仕組み
- C大量の画像と説明文の組を読み込ませて、言葉から絵を描き出せるようにする学習の仕組み
- D文章を細かい断片に区切って番号に置き換え、コンピューターで扱いやすくする前処理の仕組み
同じ選択肢に並んだ語（区別して覚える）
当サイトの問題で、RLHFと同じ選択肢の欄に並んだ語です。
- ファインチューニング＝学習済みモデルに追加データを与え、新しい目的向けに仕上げの調整をする手法。
- Attention Mechanism＝文中のどの単語がどれくらい重要かに得点をつけて重視する処理のこと。
- MLM（Masked Language Model）
- NSP（Next Sentence Prediction）
- 位置エンコーディング
ありがちな誤解と訂正
当サイトの問題「「RLHF」という言葉が指す仕組みとして、最も適切なものはどれか。」の誤答の選択肢から。
×二つのAIを本物そっくり度で競わせながら、互いの精度を自動で高め合わせていく学習の仕組み
○GAN(敵対的生成ネットワーク)＝贋作を作るAIと見破るAIを競わせて画像などを作らせる仕組みのこと。
この問題の正解＝「人間がAIの答えの良し悪しを評価し、そのフィードバックを使ってAIの受け答えを望ましい方向に学習させる仕組み」
同じ問題に登場した語
当サイトでの登場（実測）
当サイトの問題バンク321問のうち、RLHFは3問に登場します。 内訳＝問題文に登場1問・ひっかけ役（誤答の選択肢）2問。このほか、解説・誤答の注だけでの言及が6問あります（これは「問われた」に数えていません）。
登場した単元＝第2章 生成AI（ジェネレーティブAI）
※この数字は当サイトの問題バンク内の集計です。本試験の出題頻度ではありません。
演習に進む
最終更新：（運営：Meritorious）
集中サウンド