G検定｜人の評価した応答の良し悪しを学習へ反映したい

ANSWER & EXPLANATION

正解：C

人の選好を報酬にして応答を調整する方法です。学習目標と必要なラベルの量を区別します。

選択肢のポイント

• Aカリキュラム学習は課題の難しさを段階的に変える学習方法です。この設問で求めるものとは異なります。
• Bマスク言語モデルは隠した語を周囲から予測する学習方法です。この設問で求めるものとは異なります。
• C正解です。人の選好を報酬にして応答を調整する方法です。
• Dゼロショット学習はその課題の例を与えず対応することです。この設問で求めるものとは異なります。

関連キーワード

• 人間のフィードバックによる強化学習
• モデルを学ばせる方法

参考にした公式情報：日本ディープラーニング協会 G検定の試験範囲（シラバス） / 確認日：2026年9月29日