AI-103：Developing AI Apps and Agents on Azure 生成 AI とエージェント ソリューションの実装 問15
生成 AI とエージェント ソリューションの実装／Foundry での生成アプリ構築RAG アプリで、1 ファイルあたり数百ページに及ぶ長い社内文書をそのままインデックス化したところ、検索でページ全体が丸ごとヒットし、回答の根拠が的外れになりがちである。検索と根拠付けの精度を上げる最も適切な方法はどれか。
当サイトのオリジナル問題（AI-103：Developing AI Apps and Agents on Azureの出題範囲「生成 AI とエージェント ソリューションの実装」に対応。実際の試験問題ではありません）
- A文書を適切な大きさのチャンク（断片）に分割してインデックス化し、関連する断片だけを取得する
- Bモデルの温度を上げて回答を多様にする
- Cシステムメッセージを長くする
- D埋め込みモデルをチャットモデルに置き換える
正解：A
解説
長い文書は、適切な大きさのチャンク（断片）に分割してからインデックス化し、クエリに関連する断片だけを取得するようにすると、検索のヒット精度と根拠付けの質が向上します。温度・システムメッセージ・埋め込みモデルの置換は、検索精度の改善策ではありません。
選択肢ごとの解説
- A正しい。長文は適切なチャンクに分割してインデックス化し精度を上げます。
- B誤り。温度を上げても検索の根拠の的外れは解消しません。
- C誤り。システムメッセージの長文化は検索精度の改善になりません。
- D誤り。埋め込みモデルは検索のベクトル化に必要で、チャットモデルに置き換えると検索できません。