生成 AI とエージェントソリューションの実装30–35% · 3項目

Q1. RAG（検索拡張生成）を採用する主な目的として最も適切なものはどれか。

1. 社内文書を検索して根拠として渡し、再学習なしで最新の情報に基づき回答させる
2. 社内文書でモデルをファインチューニングし、最新の社内情報を重みに覚えさせる
3. 社内文書の全文をシステム メッセージに入れ、毎回の要求で同じ情報を渡す
4. モデルのコンテキスト長を広げ、一度に扱えるトークン数を増やして回答させる

Q2. エージェントに複数のツールを持たせたところ、意図しないツールが呼ばれることがある。最初に見直すべき点はどれか。

1. エージェントに使うモデルのバージョンと、temperature・top_p の設定値
2. ツールの実行結果に付けるメタデータと、トレースの保存期間
3. 各ツールの名前・説明・パラメーター定義（ツール スキーマ）の明確さ
4. ツールの呼び出しに使うマネージド ID のロール割り当て

Q1. 社員との複数回のやり取りで、前の質問内容を踏まえて回答させたい。必要なものはどれか。

1. temperature を下げ、同じ質問への応答を安定させる設定
2. 会話履歴（スレッド）の管理と、保持する情報の方針
3. 前回の質問だけをシステム メッセージに上書きで保存する
4. 要求ごとに新しいスレッドを作り、前回の応答をキャッシュする

Q2. 受注処理を「内容抽出」「在庫確認」「例外報告」に分けて自動化したい。適切な設計はどれか。

1. 3 つの工程を別々のモデル デプロイで並列に実行し、結果を連結する
2. 単一のエージェントに全ツールを持たせ、工程の順序はモデルに任せる
3. 1 つのプロンプトに全工程を記述し、1 回の呼び出しでまとめて処理させる
4. 役割ごとのエージェントを連携させるマルチエージェント構成

Q1. 生成アプリの評価で、根拠文書にない内容を回答する問題（捏造）を検出したい。適切な評価はどれか。

1. 根拠性（groundedness）の評価
2. 一貫性（coherence）の評価
3. 応答の関連性（relevance）の評価
4. 流暢性（fluency）の評価

Q2. 複数ステップの推論パイプラインで、途中のステップの結果を次のステップに渡す。品質を保つための設計として最も適切なものはどれか。

1. 各ステップの出力形式を決め、次に進む前に検証する
2. 中間結果は記録せず、最終結果だけを評価する
3. 各ステップで温度を上げ、多様な中間結果を得る
4. 全ステップを 1 つの長いプロンプトにまとめて実行する