AI-901：Microsoft Azure AI Fundamentals Microsoft Foundry による AI ソリューションの実装 問28
Microsoft Foundry による AI ソリューションの実装／生成AIアプリとエージェントの実装社内文書の内容に基づいて正確に回答する生成AIアプリを作りたい。モデルを再学習させるのではなく、回答のたびに関連する社内文書を検索して、その内容を根拠としてモデルに与えて回答させたい。この手法はどれか。
当サイトのオリジナル問題（AI-901：Microsoft Azure AI Fundamentalsの出題範囲「Microsoft Foundry による AI 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温度（temperature）を下げる
- Bモデルのトークン上限を増やす
- Cグラウンディング（検索拡張生成＝RAG。独自データを検索し根拠として与えて回答させる）
- D音声合成を有効にする
正解：C
解説
グラウンディング（検索拡張生成＝RAG）は、モデルを再学習させずに、質問に関連する独自データ（例: Azure AI Search で検索した社内文書）を取得し、その内容を根拠としてモデルに与えて回答させる手法です。温度やトークン上限の調整、音声合成はこの根拠付けの手段ではありません。
下線の用語は 用語集 で意味を確認できます。
選択肢ごとの解説
- A誤り。温度を下げるのは出力の決定性を上げるだけで、社内文書に基づく回答にはなりません。
- B誤り。トークン上限の調整だけでは社内文書を根拠にできません。
- C正しい。独自データを検索して根拠付けするのがグラウンディング（RAG）です。
- D誤り。音声合成は出力を音声にする機能で、根拠付けとは無関係です。