2.1基礎
基盤モデルの仕様を比較する。
学習済みの規模と、一度に入力できる長さを混同しない。
正しい説明を2つ選べ。
× 不正解
パラメータは学習済みの内部重み、コンテキスト上限は一回の推論で扱えるトークン範囲であり、品質・費用・速度の評価は別途必要である。
詳細解説
正しいパラメータは学習で調整されたモデル内部の重みを指す
モデルがパターンを表現・計算するための学習済み値である。
正しいコンテキスト上限は一回の推論で扱える入力・出力トークン量の制約である
パラメータ数とは別に、長文処理の上限を決める。
誤りコンテキスト上限はモデルの学習データ量そのものである
学習データ量と一回の入力範囲は異なる概念である。
誤りパラメータ数が多ければ必ず安くて速い
規模が大きいほど品質、費用、速度が自動的に最適になるわけではない。
公式資料で確認する
以下の項目を公式資料の記述と照合して確認します。
Amazon Bedrock公式モデル仕様とAIF-C01 Domain 2.1・2.2を確認する。
参考にした公式資料
確認できる内容
モデル規模と入力長制約の違いを説明できる。
理解のポイント
- パラメータ
- コンテキスト
- 仕様比較
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
モデルパラメータ
訓練で調整され、モデルが入力から出力を計算するために使う内部の重み。
コンテキスト上限
一度の推論で参照できる入力履歴、文書、出力を含むトークン上限。
問題IDAWS-AIF-136
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