練習題41-50

問題：41

  一家公司正在建立一個聊天機器人以改善使用者體驗。該公司正在使用 Amazon Bedrock 上的大型語言模型 (LLM)進行意圖偵測。該公司希望使用少樣本學習來提高意圖偵測準確性。

  A. 聊天機器人回應和正確使用者意圖的配對

  B. 使用者訊息和正確聊天機器人回應的配對

  C. 使用者訊息和正確使用者意圖的配對

  D. 使用者意圖和正確聊天機器人回應的配對

答案：C

  問題：42

  一家公司正在建立一個大型語言模型 (LLM) 問答聊天機器人。該公司希望減少客服中心員工回應客戶問題所需的行動數量。

  該公司應該使用哪個業務目標來評估 LLM 聊天機器人的效果？

  A. 網站參與率

  B. 平均通話時長

  C. 企業社會責任

  D. 法規遵循

答案：B

  問題：43

  一家公司正在 Amazon Bedrock 上對一個基礎模型使用少樣本提示。該模型目前在提示中使用了 10 個範例。該模型每天呼叫一次，並且表現良好。該公司希望降低每月成本。

  哪種解決方案將滿足這些要求？

  A. 透過微調來自訂模型。

  B. 減少提示中的權杖數量。

  C. 增加提示中的權杖數量。

  D. 使用預置吞吐量。

答案：B

  問題：44

  一家會計師事務所希望實施一個大型語言模型 (LLM) 來自動化文件處理。該事務所必須負責任地進行，以避免潛在的危害。

  該事務所應該在開發和部署 LLM 時做什麼？ (選擇兩項。)

  A. 在模型評估中包含公平性指標。

  B. 調整模型的溫度參數。

  C. 修改訓練資料以減輕偏見。

  D. 避免在訓練資料上過度擬合。

  E. 應用提示工程技術。

答案：A C

  問題：45

  一家公司建立了一個圖像分類模型，用於從植物葉片照片中預測植物疾病。該公司希望評估模型正確分類了多少張圖像。

  該公司應該使用哪個評估指標來衡量模型的效能？

  A. R 平方分數

  B. 準確率

  C. 均方根誤差 (RMSE)

  D. 學習率

答案：B

  問題：46

  一家大型零售商每天收到數千個關於產品的客戶支援查詢。客戶支援查詢需要快速處理和回應。該公司希望實施 Amazon Bedrock 代理。

  使用 Amazon Bedrock 代理有哪些主要好處可以幫助這家零售商？

  A. 生成自訂基礎模型 (FM) 以預測客戶需求

  B. 自動化重複性任務和協調複雜的工作流程

  C. 自動呼叫多個基礎模型 (FM) 並整合結果

  D. 根據預定義的標準和指標選擇基礎模型 (FM)

答案：B

  問題：47

  一家公司正在訓練一個基礎模型 (FM)。該公司希望將模型的準確性提高到特定的可接受水準。

  哪種解決方案將滿足這些要求？

  A. 減少批次大小。

  B. 增加週期數。

  C. 減少週期數。

  D. 增加溫度參數。

答案：B

  問題：48

  一家公司建立了一個聊天機器人，可以回應自然語言問題並附帶圖像。該公司希望確保聊天機器人不會返回不適當或不需要的圖像。

  哪種解決方案將滿足這些要求？

  A. 實作審核 API。

  B. 使用通用的公開資料集重新訓練模型。

  C. 執行模型驗證。

  D. 自動化使用者回饋整合。

答案：A

  問題：49

  一家律師事務所希望使用大型語言模型 (LLM) 建立一個 AI 應用程式。該應用程式將閱讀法律文件並從文件中提取關鍵點。

  哪種解決方案滿足這些要求？

  A. 建立自動命名實體辨識系統。

  B. 建立推薦引擎。

  C. 開發摘要聊天機器人。

  D. 開發多語言翻譯系統。

答案：C

  問題：50

  一家公司希望根據基因特徵將人類基因分類為 20 個類別。該公司需要一個機器學習演算法來文件化模型的內部機制如何影響輸出。

  哪種機器學習演算法滿足這些要求？

  A. 決策樹

  B. 線性迴歸

  C. 邏輯迴歸

  D. 神經網路

答案：A