2.1基礎
利用者が領収書画像と質問文を送る。
文字、レイアウト、金額を一緒に理解したい。
判断として適切なものを2つ選べ。
× 不正解
マルチモーダル利用では入力形式に対応した能力を確認し、OCR・解像度・表・個人情報を含む評価で検証する。
詳細解説
誤り画像を扱うため出力の根拠や個人情報制御は不要である
モダリティが増えても説明・安全性が必要である。
正しいOCR誤り、解像度、表の読み取り、機密情報を含む評価セットで検証する
画像特有の品質と安全性を測れる。
誤りテキスト専用モデルへ画像をそのまま渡せば同じ結果になる
入力形式と能力が一致しない。
正しい画像とテキストの入力に対応したモデルの能力・制限を確認する
必要な入力モダリティへ適合するか判断できる。
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。
AWS公式AIF-C01 Domain 2.1のマルチモーダル基盤モデルと評価を確認する。
参考にした公式資料
確認できる内容
入力モダリティとモデル能力、画像特有の評価観点を説明できる。
理解のポイント
- マルチモーダル
- OCR
- 画像品質
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
マルチモーダルモデル
テキスト、画像、音声など複数の入力・出力形式を扱うモデル。
OCR
画像内の文字を認識してテキストへ変換する処理。
問題IDAWS-AIF-227
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