2.1基礎
FAQ回答を比較的安定させたい。
温度パラメータが品質保証そのものではないことを説明する。
説明として正しいものを2つ選べ。
× 不正解
温度は生成のランダム性や多様性に関わる設定で、知識の追加、事実性、安全性、形式の保証を代替しない。
詳細解説
正しい温度は候補トークンの選択におけるランダム性へ影響する
値を変えると出力の多様性や再現性に影響し得る。
値を変えると出力の多様性や再現性に影響し得る。
問題の要件では、温度は候補トークンの選択におけるランダム性へ影響するが解決する範囲と、別の工程が担う範囲を分けて判断する。
正しい温度を下げても事実性や安全性が自動保証されるわけではない
検索、検証、ガードレール、人手確認などが別途必要である。
検索、検証、ガードレール、人手確認などが別途必要である。
問題の要件では、温度を下げても事実性や安全性が自動保証されるわけではないが解決する範囲と、別の工程が担う範囲を分けて判断する。
誤り温度を上げればモデルの知識が増える
パラメータ変更は学習データや知識を追加しない。
パラメータ変更は学習データや知識を追加しない。
問題の要件では、温度を上げればモデルの知識が増えるが解決する範囲と、別の工程が担う範囲を分けて判断する。
誤り温度だけでJSONスキーマが保証される
形式検証や構造化出力の制御が必要である。
形式検証や構造化出力の制御が必要である。
問題の要件では、温度だけでJSONスキーマが保証されるが解決する範囲と、別の工程が担う範囲を分けて判断する。
実際に確かめる
一時的な検証環境で実行できる例です。
Amazon Bedrock公式推論パラメータとAIF-C01 Domain 2.1の生成設定を確認する。期待される結果
温度の効果と、品質・安全性の別の制御を説明できる。理解のポイント
- ランダム性
- 再現性
- 保証の限界
確認時の注意
- 確認環境: AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
- AWS公式ドキュメントで、対象サービスが提供する機能と前提条件を確認する。
- モデル、データ、アプリケーション、利用者の責任分界を混同しない。
基礎のおさらい
温度
生成候補の確率分布からの選択のばらつきに影響する推論パラメータ。
ガードレール
有害・禁止・機密などの入力や出力を検査・制御する仕組み。
問題IDAWS-AIF-115
確認環境AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
最終技術確認2026-08-20
誤り・権利侵害を報告