RAFT (検索拡張ファインチューニング)
読み: らふと
最終更新: 2026-07-15・AI PICKS編集部
定義
RAFT（検索拡張ファインチューニング）とは、RAGで検索された文書の中から正解の根拠となるものを見分け、無関係な文書を無視する能力をLLMに追加学習させる手法のこと。
RAFT (検索拡張ファインチューニング)とは — 詳しく解説
RAFTは2023年にUC Berkeleyの研究チームが提案した手法で、検索精度に依存し無関係な文書が混入すると誤答を招きやすいという通常のRAGの弱点を、ファインチューニング段階で補う狙いがあるとされる。学習時に正解の根拠となる文書と意図的に無関係な文書を混在させ、正解根拠を引用しながら回答を導く訓練をモデルに施すことで、推論時に検索結果の質がぶれても頑健に対応できるようになるとされる。医療・法務・社内FAQなど専門領域での回答精度向上に有効とされる一方、2026年時点の実運用では学習データセットの構築コストが最大の障壁になっている。正解根拠と無関係文書の選定・アノテーションには専門知識を要し、通常のRAGに比べて準備工数と計算コストが数倍かかるケースが多いとされる。現場での選び方としては、まず通常のRAGやプロンプトチューニングで精度不足が明らかになった領域に限定して導入し、相場感としては小規模モデルへの軽量な追加学習から検証を始めるのが現実的とされる。
RAFT (検索拡張ファインチューニング)の使用例
- 社内FAQ用のLLMをRAFTで追加学習し、検索された複数文書の中から正解根拠を選び出す訓練データを用意する。
- 医療ガイドラインRAGにRAFTを適用し、無関係な文書が混入しても正しい引用元を選べるようモデルを鍛える。
RAFT (検索拡張ファインチューニング)に関連するAIツール
関連用語
「RAG・検索拡張」の他の用語
Retrieval-Augmented Generation。 社内資料や外部 DB を検索してから AI に答えさせる仕組み。
文章や画像を 数値ベクトルに変換する技術。 類似度検索や RAG の基礎。
出典付きで回答する AI 検索エンジン。 リサーチ業務で従来検索を置き換える。
Google 検索の上位に AI が回答を提示する 「AI Overviews」 や Perplexity 等の新世代検索。
Embedding (数値ベクトル) を高速に類似度検索するための専用 DB。 Pinecone / Qdrant / Weaviate が代表。
NotebookLMとはGoogleが提供するRAGベースのAIリサーチアシスタントのこと。ユーザーがアップロードした文書のみを情報源として回答を生成するため、ハルシネーションを大幅に抑制できる。
AI用語辞典をすべて見てみませんか
12カテゴリ・602語以上を体系的に整理しています
辞典トップへ