2.1基礎
定型的な分類結果と創作的な案を同じモデルで生成する。
再現性の要件が異なる。
設定として適切なものを2つ選べ。
× 不正解
生成パラメータは決定性・多様性・事実性・安全性へ影響する。用途ごとに設定と評価を分ける。
詳細解説
正しい定型処理では低いランダム性と固定シードなどを評価する
結果の揺れを抑えやすい。
結果の揺れを抑えやすい。
問題の要件では、定型処理では低いランダム性と固定シードなど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。
正しい創作では温度や候補範囲を上げた場合の品質・安全性を検証する
多様性とリスクの関係を確認できる。
多様性とリスクの関係を確認できる。
問題の要件では、創作では温度や候補範囲を上げた場合の品質・安全性を検証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。
誤り温度を上げれば事実性も必ず向上する
多様性と正確性は同じではない。
多様性と正確性は同じではない。
問題の要件では、温度を上げれば事実性も必ず向上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。
誤り乱数設定が違っても完全に同じ出力になる
生成には揺らぎがある。
生成には揺らぎがある。
問題の要件では、乱数設定が違っても完全に同じ出力にな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の生成パラメータ、ランダム性、モデル評価を確認する。期待される結果
定型処理と創作処理で生成の揺らぎを要件に合わせて調整できる。理解のポイント
- 温度
- 多様性
- 再現性
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
生成時の確率分布のランダム性を調整するパラメータ。
決定性
同じ入力と設定で同じ結果へ近づく性質。
問題IDAWS-AIF-337
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