AIF-C01：AWS Certified AI Practitioner 基盤モデルの応用 問20
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）マーケティング用のキャッチコピーを、同じ指示から毎回できるだけ多彩で創造的なバリエーションで生成させたいと考えています。基盤モデルの推論パラメーターの調整として最も適切なものはどれですか。
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温度（temperature）を高めに設定し、出力の多様性・ランダム性を上げる
- B温度（temperature）を 0 に設定し、常に同じ決定的な出力にする
- C最大トークン数を小さくして出力を短くする
- Dモデルをより小さいものに変更する
正解：A
解説
温度（temperature）は出力のランダム性（多様性）を制御するパラメーターで、高くすると多彩で創造的な出力になり、低く（0 に近く）すると決定的で一貫した出力になります。多彩なキャッチコピーを得たい場合は温度を高めに設定します。最大トークン数は長さ、モデル変更は品質・コストに関わるもので、多様性の調整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正しい。温度を高めると出力の多様性・ランダム性が増し、創造的なバリエーションが得られます。
- B誤り。温度を 0 にすると決定的で毎回ほぼ同じ出力になり、多彩さを求める要件に反します。
- C誤り。最大トークン数は出力の長さの制御で、多様性（創造性）とは関係しません。
- D誤り。より小さいモデルへの変更は品質・コストの調整で、出力の多様性を高める手段ではありません。