AI901-Foundry#15
以下の各ステートメントについて、prompt engineering の説明として正しい場合は「はい」を、正しくない場合は「いいえ」を選択してください。
注: 正解 1 つにつき 1 点が与えられます。
| ステートメント | はい | いいえ |
|---|---|---|
few-shot prompting は in-context learning の典型で、fine-tuning なしで分類タスクや形式統一の精度を引き上げられる。 few-shot は LLM の汎用性を活用し、低コストで高品質を実現する Microsoft 公式推奨テクニックです。 | ||
Chain-of-Thought (CoT) はモデルに中間推論ステップを明示させることで、複雑な推論タスクの精度を向上させる。 CoT は「ステップ バイ ステップで考えて」を加えるだけの low-cost 高効果テクニックで、Microsoft Learn でも紹介されています。 | ||
Azure OpenAI の response_format パラメータを json_object に設定しても JSON 出力は保証されない。response_format=json_object を設定すると Azure OpenAI / GPT-4o は有効な JSON のみを返すことを保証します。本番運用での構造化出力の標準手段です。 |
解説
【正解一覧】
| ステートメント | 正解 |
|---|---|
| few-shot prompting は in-context learning の典型で、fine-tuning なしで分類タスクや形… | はい |
| Chain-of-Thought | はい |
| Azure OpenAI の response_format パラメータを `json_object` に設定しても JSON 出力は保… | いいえ |
【各判定の詳細】
- 「few-shot prompting は in-context learning の典型で、fi…」→ はい: few-shot は LLM の汎用性を活用し、低コストで高品質を実現する Microsoft 公式推奨テクニックです。
- 「Chain-of-Thought」→ はい: CoT は「ステップ バイ ステップで考えて」を加えるだけの low-cost 高効果テクニックで、Microsoft Learn でも紹介されています。
- 「Azure OpenAI の response_format パラメータを `json_obje…」→ いいえ: response_format=json_object を設定すると Azure OpenAI / GPT-4o は有効な JSON のみを返すことを保証します。本番運用での構造化出力の標準手段です。
コメント