某公司部署結合 Fine-tuning 與檢索增強生成（RAG）的語言模型系統作為內部文件助理。系統需同時確保回覆語氣一致、能即時查詢每日新增文件、維持效能穩定，並避免頻繁重新訓練。在長期維護與效能平衡下，下列哪一種策略最合適？

Question

(A) 每週重新 Fine-tune 模型，將新文件整合進模型知識，逐步取代 RAG 模組
(B) 完全依靠基礎模型與 RAG，不進行 Fine-tune，僅透過提示設計控制語氣
(C) 每日進行增量 Fine-tune，讓模型即時學習新文件內容，避免依賴檢索
(D) 保留語氣相關 Fine-tuning，僅透過檢索系統更新文件內容，不頻繁改動模型

Accepted Answer

正確答案：(D) 保留語氣相關 Fine-tuning，僅透過檢索系統更新文件內容，不頻繁改動模型

微調與 RAG 各有各的守備範圍，這是本題的關鍵分工。微調擅長改變模型的「行為與風格」——語氣、格式、回答習慣，這些東西一旦訓練好就相對穩定，不需要常改。RAG 擅長提供「即時且會變動的知識」——每天新增的文件只要更新索引就好，完全不動模型。把兩者各司其職，就是最省成本又最穩定的架構。

核心概念