AI901-Foundry#14-1
注: この問題は、同じ前提を持つ一連の問題の一部です。それぞれの問題には異なる解決策が提示されます。
前提
あるカスタマー サポート企業が、顧客からの問い合わせメールを以下 3 カテゴリーに自動分類する AI を Azure AI Foundry で構築します: (1) Technical Issue / (2) Billing / (3) General Inquiry。出力は厳密に上記カテゴリー名のみで、追加コメントは不要、誤分類は最小化したい状況です。
解決策
system message でカテゴリー定義を明示し、few-shot 例として 3 カテゴリー × 各 2 件 = 6 件の典型メール → カテゴリー名 のペアを user / assistant 形式で提示してから、対象メールを user message として渡します。出力形式を「カテゴリー名のみを 1 単語で返してください」と指定します。
この解決策は目的を満たしますか?
解説
【判定: はい】の理由
本構成は分類タスクにおける few-shot prompting の Microsoft 推奨パターンに完全に合致します。system message でカテゴリー定義 + 3 カテゴリー × 2 件の few-shot 例によりモデルは期待パターンを学習し、出力形式の厳密指定で「カテゴリー名のみ」を返すよう制約できます。GPT-4o は few-shot 例から強い一般化能力を発揮するため、6 件程度の例示でも本番品質の分類精度が達成可能です。fine-tuning なしで実装でき、新カテゴリー追加時もテンプレート修正だけで即時対応できる柔軟性も Microsoft 公式が推奨する分類設計の利点です。Foundry portal の prompt flow にも同等パターンが登録されています。
【「いいえ」が違う理由】
本ソリューションは few-shot + 形式指定の標準パターンで、分類タスクで証明済みの効果があります。「目的を満たさない」と判断する根拠はありません。
本構成は分類タスクにおける few-shot prompting の Microsoft 推奨パターンに完全に合致します。system message でカテゴリー定義 + 3 カテゴリー × 2 件の few-shot 例によりモデルは期待パターンを学習し、出力形式の厳密指定で「カテゴリー名のみ」を返すよう制約できます。GPT-4o は few-shot 例から強い一般化能力を発揮するため、6 件程度の例示でも本番品質の分類精度が達成可能です。fine-tuning なしで実装でき、新カテゴリー追加時もテンプレート修正だけで即時対応できる柔軟性も Microsoft 公式が推奨する分類設計の利点です。Foundry portal の prompt flow にも同等パターンが登録されています。
【「いいえ」が違う理由】
本ソリューションは few-shot + 形式指定の標準パターンで、分類タスクで証明済みの効果があります。「目的を満たさない」と判断する根拠はありません。
コメント