ある銀行が、融資承認を迅速化するために大規模言語モデルをファインチューニングしました。外部監査により、このモデルが特定の人口統計グループに対して他のグループよりも迅速に融資を承認していることが判明しました。最も費用対効果の高い解決策は何ですか？

このモデルは特定の人口統計グループに対して偏りがあるため、最も費用対効果の高い解決策は、より多様なトレーニングデータを含めてモデルを再ファインチューニングすることです。これにより、モデルがより公平な決定を下せるようになります。RAGはモデルの知識を拡張しますが、既存のバイアスを直接修正するものではありません。AWS Trusted Advisorはコスト最適化やセキュリティのベストプラクティスを推奨するツールであり、モデルのバイアスを直接排除する機能はありません。新しいLLMを多様なデータで事前学習することは、既存のモデルを修正するよりもはるかに時間とコストがかかります。