2.1標準
出力形式を安定させ、社内知識も参照したい。
更新頻度とデータ量が異なる。
設計として適切なものを2つ選べ。
× 不正解
頻繁に変わる知識は検索・取得で扱い、形式や反復パターンの適応では調整を評価する。認可は独立して管理する。
詳細解説
正しい最新の社内情報は検索・取得で参照し、モデル再学習へ詰め込まない
情報更新と根拠を分離しやすい。
情報更新と根拠を分離しやすい。
問題の要件では、最新の社内情報は検索・取得で参照し、モデル再学習へ詰め込ま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。
正しい一貫した形式や業務パターンを学ばせる必要がある場合に調整を評価する
学習データと再現性を管理した上で適用できる。
学習データと再現性を管理した上で適用できる。
問題の要件では、一貫した形式や業務パターンを学ばせる必要がある場合に調整を評価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。
誤り頻繁に変わる事実を全て微調整へ埋め込む
更新と削除が難しくなる。
更新と削除が難しくなる。
問題の要件では、頻繁に変わる事実を全て微調整へ埋め込むが解決する範囲と、別の工程が担う範囲を分けて判断する。
誤りプロンプトだけでアクセス権限を実装する
認可は別の仕組みが必要である。
認可は別の仕組みが必要である。
問題の要件では、プロンプトだけでアクセス権限を実装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。
実際に確かめる
一時的な検証環境で実行できる例です。
AWS公式AIF-C01 Domain 2.1・2.3の基盤モデル適応、RAG、認可を確認する。期待される結果
知識更新・形式適応・権限を混同せず方式を選べる。理解のポイント
- RAG
- 微調整
- 認可
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
微調整
特定タスクや形式に合わせてモデルの重みを追加学習する方法。
検索拡張生成
外部の最新情報を取得して生成の根拠として渡す方法。
問題IDAWS-AIF-321
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