大言語モデル（LLM）は一般的なタスクで優れた性能を示しますが、経済学や心理学などの専門領域では深い理解が求められるため劣ることがあります。この記事では、ACER（自動カリキュラム強化レジメン）を提案し、一般的なモデルを専門家に変える手法を紹介しています。ACERは、教科ごとの目次を生成し、ブルームのタクソノミーに基づいて問題と解答ペアを作成することで、体系的なトピック網羅と難易度の逐次的上昇を確保します。この合成コーパスを用いて継続的に事前学習を行うことで、専門領域において大きな改善が見られ、特にマイクロ経済学では、精度が5ポイント向上しました。また、ACERは「悲惨な忘却」を防ぎ、非対象領域へのポジティブな知識の移転を促進することが示されています。結果として、専門的な性能向上が確認され、LLMの重要なドメインギャップを埋めるための効果的な方法となることが示されています。