AIF-C01#103(fundamentals-generative-ai)
ある企業が顧客を支援するためのチャットボットを作成したいと考えています。このチャットボットは、人間の介入なしに技術的な問題を解決します。 企業は、チャットボット用の基盤モデル（FM）を選択しました。このチャットボットは、企業のトーンに従った応答を生成する必要があります。 この要件を満たすソリューションはどれですか？
正解：C
正解の根拠
事前学習済み FM のトーンや応答スタイルを企業の要件に合わせるには、プロンプトを反復的に試行・調整するプロンプトエンジニアリングが最も実用的です。スタイル指示・例示・制約条件を組み込むことで、追加学習なしに望ましい出力を得られます。Bedrock Playground での反復検証が一般的なワークフローです。
応答制御手法の比較
| 手法 | 効果 |
|---|---|
| プロンプト反復調整 | トーン・スタイル制御 |
| トークン上限 | 応答長制御のみ |
| 温度パラメータ | ランダム性の調整 |
| バッチ推論 | スループット向上 |
不正解の理由
- A: トークン上限の引き下げは応答の長さを抑える機能で、企業のトーンやブランドボイスを表現する効果はありません。
- B: バッチ推論は大量プロンプトをまとめて低コスト処理する用途で、トーン制御や応答品質の調整には関与しません。
- D: 温度を高くすると出力のランダム性が増し、一貫した企業トーンの維持がむしろ困難になります。
コメント