AIF-C01#102(fundamentals-generative-ai)
ある企業が、Amazon Bedrock 上の大規模言語モデル（LLM）を使用して感情分析を行いたいと考えています。この企業は、テキストの文章の感情を「ポジティブ」または「ネガティブ」に分類したいとしています。 この要件を満たすプロンプトエンジニアリング戦略はどれですか？
正解：A
正解の根拠
Few-shot prompting は、プロンプト内に「テキスト → ポジティブ / ネガティブ」のラベル付き例を複数提示してから分類対象を続ける手法です。LLM はその例から分類タスクの形式を学習し、追加学習なしで一貫した出力ラベルを返せるようになります。Bedrock 上で感情分析を行う際の最も実用的なアプローチの 1 つです。
プロンプト戦略の比較
| 戦略 | 特徴 |
|---|---|
| Few-shot | 例示でフォーマットを学習 |
| Zero-shot | 例示なし、指示のみ |
| Chain-of-thought | 推論過程を明示 |
| Instruction-only | 仕組み説明のみで例示なし |
不正解の理由
- B: 仕組みの説明だけを与える方式では出力フォーマットが一意に定まらず、ラベルがブレるなど安定性に欠けます。
- C: 例示も文脈も与えないゼロショットでは、出力フォーマットの統一性が保証されず分類タスクの安定性が劣ります。
- D: 要約や QA など無関係なタスクの例を含めると、モデルが本来のタスクと混同し誤った形式の応答を生成します。
コメント