AIF-C01：AWS Certified AI Practitioner 基盤モデルの応用 問14
基盤モデルの応用／基盤モデルを使うアプリの設計上の考慮（推論パラメーター・RAG・ベクターストア）基盤モデルの推論で、確率の高い上位の候補に絞って（累積確率や個数で）サンプリング範囲を制御し、出力の多様性を調整したい。温度（temperature）以外の代表的なパラメーターはどれか。
当サイトのオリジナル問題（AIF-C01：AWS Certified AI Practitionerの出題範囲「基盤モデルの応用」に対応。実際の試験問題ではありません）
- A学習率（learning rate）
- Bバッチサイズ
- CTop-p（核サンプリング）や Top-k（上位 k 個に限定）
- Dエポック数
正解：C
解説
Top-p（核サンプリング：累積確率が p に達するまでの候補に限定）や Top-k（上位 k 個の候補に限定）は、温度（temperature）と並ぶ推論時のサンプリング制御パラメーターで、出力の多様性を調整します。学習率・バッチサイズ・エポック数は学習時のパラメーターであり、推論のサンプリング制御ではありません。
選択肢ごとの解説
- A誤り。学習率は学習時のパラメーターで、推論のサンプリング制御ではありません。
- B誤り。バッチサイズは学習時の設定です。
- C正しい。サンプリング範囲を絞るのは Top-p/Top-k です。
- D誤り。エポック数は学習の反復回数です。