AIF-C01#21(fundamentals-generative-ai)
ある企業が、ユーザー体験を向上させるためのチャットボットを構築しています。同社は、Amazon Bedrock の大規模言語モデル（LLM）を使用してインテント（意図）検出を行っています。同社はフューショットデータ学習を使用して、インテント検出の精度を向上させたいと考えています。 この要件を満たすために、企業はどのような追加データを必要としますか？
正解：C
正解の根拠
Few-shot Learning ではプロンプトに「入力と期待出力のペア」を例示し、LLM がそのパターンを真似て推論します。インテント検出ではユーザー発話 (入力) と正しいインテントラベル (出力) のペアを少数例提示することで、Bedrock の LLM が分類規則を文脈学習でき、追加学習なしに精度を向上できます。
Few-shot 用データの構成
| タスク | 必要なペア |
|---|---|
| インテント検出 | ユーザー発話 → インテント |
| 応答生成 | ユーザー発話 → 応答 |
| 翻訳 | 原文 → 訳文 |
| 要約 | 長文 → 要約 |
不正解の理由
- A: チャットボット応答とインテントのペアは検出対象である生のユーザー発話を含まず、Few-shot 例として方向性が逆です。
- B: ユーザーメッセージと応答のペアは応答生成タスク向けの例示で、インテント分類モデルへの教示には使えません。
- D: インテントと応答のペアは応答テンプレート定義に近く、ユーザー発話からインテントを推定する学習例としては不適切です。
コメント