AI-901 画像問題 動作確認プレビュー (VARONTO 用)

• B: 畳み込みは CNN の構成で、Transformer の中核ではありません。
• C: LSTM は RNN 系で、Transformer が置き換えた構造です。
• D: クラスタリングは教師なし学習で、Transformer 内部にはありません。

• B〜D: 意味的に無関係な単語で、ベクトル演算の結果と空間的に近接しません。

• B-D: いずれも性能指標やデータ圧縮の概念で、Responsible AI 原則ではありません。

• C: 毎週の fine-tuning はコスト / 運用 / 評価の全観点で破綻します。
• D: 推論停止は要件と矛盾します。
• E: リージョン変更は data residency / 信頼性を壊します。

【正解マッチング】

【各判定の詳細】

• 「temperature: 0.0 に設定すると決定論的、1.0 以上で創造的応答に寄せる」→ 出力のランダム性を制御するパラメータ: temperature は出力分布のスケーリング係数で、低値ほど最頻トークン優先、高値ほど多様性が高まります。
• 「max_tokens: 生成上限を指定し、コストとレイテンシを予測可能にする」→ 出力長を直接制御するパラメータ: max_tokens は生成出力の上限を直接指定する基本パラメータで、本番運用のコスト管理に必須です。
• 「stop sequence: 指定文字列が出力に現れた時点で生成を打ち切る」→ ストップ文字列で生成を即停止するパラメータ: stop sequence は構造化応答の終端制御や続き生成の防止に用いる prompt engineering の精緻化手段です。

• B: OS パッチは Azure Update Manager の領域です。
• C: キー管理は Azure Key Vault の役割です。
• D: DNS は Azure DNS の責務で Foundry とは別軸です。

• B〜D: ネットワーク / インフラ / サブスクリプション管理は別領域で、エージェントの実行フローとは無関係です。

• C: キーのハードコードは資格情報漏洩の典型例です。
• D: system message なしはガードレールを失い品質を破壊します。
• E: ログ無効化は Accountability の根本違反です。

【正解マッチング】

【各判定の詳細】

• 「system message セクション」→ モデルの役割・制約・出力形式を規定するメタ指示: system message は LLM 応答全体を制約するメタ プロンプトで、Responsible AI ガードレールとして機能します。
• 「few-shot 例セクション」→ 例示によって期待される入出力パターンを暗示する手法: few-shot prompting は in-context learning の典型で、2〜5 件の例示でモデルにパターンを学ばせます。
• 「user message セクション」→ ユーザーが今回送信する具体的な質問・依頼: user message が今回のリクエストの本体で、system / few-shot による制約の下で応答されます。