LLM・プロンプト実践

正解: 1. 文脈に続く語やトークンを確率に基づいて予測する

解説: 語やトークンの並びに確率を与え、文脈に続く要素を予測することが言語モデルの基本である。「文章を画像ファイルへ変換」は画像生成に限定した説明であり、「形態素に分割して品詞を付与する」のは形態素解析、「感情を肯定か否定かに分類する」のは感情分析という別のタスクである。

関連キーワード: 言語モデル・LM・確率・次トークン予測

正解: 2. 直前の限られた語列から次の語の確率を近似する

解説: 「直前の限られた語列から次の語の確率を近似する」がn-gramの考え方である。「語の意味ベクトルを学習」するのはニューラル言語モデルの特徴で、n-gramは語列の出現回数から確率を推定する。「画像の画素だけ」は言語のn-gramではない。nを大きくすると語列の組合せが急増して学習…

関連キーワード: n-gram・言語モデル・条件付き確率・マルコフ仮定

正解: 4. 語の分散表現とニューラルネットワークを学習する

解説: 語の分散表現とニューラルネットワークを学習し、確率推定に用いることがニューラル言語モデルの特徴である。「文法規則を人手で記述」するのはルールベースの手法で学習モデルではなく、「文字数だけ」では語順を扱えない。「直前のn-1語の出現回数を数える」のはn-gramモデルそのものの方法…

関連キーワード: ニューラル言語モデル・分散表現・ニューラルネットワーク

正解: 3. 大量のデータで学習し、多様な言語課題に使えるモデルである

解説: 大規模なデータと計算資源で学習され、多様な言語課題に利用できるモデルがLLMの説明として適切である。人が書いた文法規則で文を作る規則ベースの仕組みや、画像を分類する畳み込みモデルではなく、少量の例を暗記して同じ文章を再生するプログラムでもない。なお、LLMの出力には誤りが含まれ得…

関連キーワード: LLM・大規模言語モデル・スケーリング・汎用性

正解: 3. 大量のテキストから言語の一般的なパターンを学ぶ

解説: 大量のテキストで言語の一般的なパターンを学び、後続タスクの土台を作ることがプレトレーニングである。「人手で作った指示と応答の例で指示に従うよう調整する」は教師ありファインチューニング（指示チューニング）、「人間の好みの評価で応答の傾向を調整する」は人間のフィードバックによる強化学…

関連キーワード: プレトレーニング・事前学習・転移学習・LLM

正解: 2. 学習率など、学習過程を制御するため外部から設定する値である

解説: 学習率やバッチサイズのような学習過程を制御する設定値がハイパーパラメータである。「学習後のモデルが持つ重み」は学習でデータから決まるモデルパラメータである。「検証用データ」はハイパーパラメータを選ぶために訓練データから取り分けるデータで、ハイパーパラメータそのものではない。「誤字…

関連キーワード: ハイパーパラメータ・学習率・バッチサイズ・モデルパラメータ

正解: 1. 確率の高い順に累積確率がpに達するまで候補を集め、その中から選ぶ

解説: 「確率の高い順に累積確率がpに達するまで候補を集め、その中から選ぶ」がtop-pの仕組みである。「辞書順で最初の語」や「上位p文字を削除」は確率的サンプリングではない。「最新情報の日付を指定」は知識の鮮度に関する設定であり、top-pの役割ではない。

関連キーワード: top-p・nucleus sampling・サンプリング・生成パラメータ

正解: 4. 目的に沿って指示を設計し、結果を評価して改善する

解説: 目的・文脈・制約・出力形式を設計し、結果を評価しながら改善することがプロンプトエンジニアリングである。「変更せず繰り返す」や「偶然意図を推測することに任せる」方法では品質を調整しにくい。「重みを恒久的に再学習する」は通常のプロンプト操作とは異なる。

関連キーワード: プロンプトエンジニアリング・反復改善・指示・出力形式

正解: 2. Zero-Shotは例なし、Few-Shotは複数例を示して依頼する

解説: 「Zero-Shotは例なし、Few-Shotは複数例を示して依頼する」という違いが適切である。「画像専用」と「音声専用」という媒体の区別ではない。「必ず正確」という保証はなく、「モデルの再学習」や「モデルを削除」も通常のプロンプティングでは行わない。

関連キーワード: Zero-Shot・Few-Shot・例示・プロンプティング

正解: 4. 作業・背景・入力データ・回答形式を区別して明示する

解説: Instructionで作業、Contextで背景、Input Dataを区切り、Output Indicatorで回答形式を指定するという役割分担が適切である。「存在しない議事録を推測」させるのは入力不足であり、「無関係な内容」で意図を隠すのも不適切である。「必要な形式は偶然決…

関連キーワード: Instruction・Context・Input Data・Output Indicator

正解: 3. 出力のランダム性が下がる傾向がある

解説: 出力のランダム性が下がり、より予測しやすい応答になりやすいことが一般的な傾向である。多様で意外な表現が出やすくなるのは温度を高くした場合である。出力の長さの上限は最大トークン数などの別の設定で決まり、温度は生成時の語の選び方を調整するだけでモデルの重みは変わらない。

関連キーワード: temperature・サンプリング・ランダム性・再現性

正解: 1. 誤字脱字と表記ゆれだけを直し、意味を変える案は別に示す

解説: 「誤字脱字と表記ゆれだけ」を対象とし、変更前・変更後・理由を示せば、修正箇所と根拠を照合できる。意味を変える案を分けることで校正との混同も防げる。「内容を自由に創作」は校正を超え、「題名だけから全文を推測」は入力不足である。「根拠のない数字を追加」は正確性を損なう。

関連キーワード: 校正・誤字脱字・表記ゆれ・制約

正解: 3. メモの範囲で指定の見出しに分類し、不明点は不明と記す

解説: メモだけを根拠に重複を統合し、指定した見出しへ分類し、不明点は不明とする依頼は、根拠と形式を限定できる。「もっともらしい内容で補う」は捏造を招き、「別の会議の結論」は入力を無視している。「毎回異なる形式」では整理結果を利用しにくい。

関連キーワード: 情報整理・分類・重複統合・根拠限定

正解: 2. 残すべき論点を指定し、原文外の情報は加えないよう求める

解説: 対象読者、要約の長さ、残すべき論点、原文外の情報を加えないことを指定すれば、要約の目的と検証基準が明確になる。「内容を想像」は根拠がなく、「先頭の一文だけ」では重要事項を選別できない。「異なる結論になるよう書き換える」は要約ではない。

関連キーワード: 要約・対象読者・長さ指定・原文準拠

正解: 4. 固有名詞と数値を保ち、原文との対応を示して情報を加えず変換する

解説: 「固有名詞と数値を保ち」「原文との対応を示して情報を加えず変換する」という制約なら、変換前後を照合しやすい。「半分を無作為に削除」は情報を失い、「元にない主張を加え」ると内容が変わる。「入力を示さず」では忠実な相互変換ができない。

関連キーワード: 箇条書き・文章化・形式変換・情報保持

正解: 4. 事実を保ち、先生が小学生に平易な言葉と身近な例えで説明する

解説: 「事実を保ち、先生が小学生に平易な言葉と身近な例えで説明する」という指示が目的に合う。「対象読者を指定せず」では難易度を合わせにくく、「研究者の一人称を残す」と話者変更が不完全になる。「事実関係も自由に変更」は説明の忠実性を損なう。

関連キーワード: 対象変更・話者変更・例え・平易化

正解: 2. 役割と発言順を定め、原文の各論点を会話に一度ずつ含める

解説: 「役割と発言順」を定め、「各論点を会話に一度ずつ含める」と、会話化と内容保持を両立できる。「雑談だけ」では原文を反映せず、「誰の発言かを示さず」では会話を追いにくい。「反対の結論へ誘導」は忠実な形式変換ではない。

関連キーワード: 会話化・形式変換・役割設定・論点保持

正解: 1. 入力データ、分類ルール、JSONのキーを明示する

解説: 「入力データ、分類ルール、JSONのキーを明示する」と、アンケート分析の判定基準と検証可能な出力が定まる。「丁寧な言葉づかいで依頼し、出力の細部はモデルに委ねる」では出力形式や分類基準が定まらず、「任意の形式を毎回選ばせる」と後処理しにくい。「表形式で指定し、JSONへは人が変換…

関連キーワード: アンケート分析・構造化出力・JSON・分類

正解: 1. 変換規則を指定し、結果を計算機でも検算する

解説: 単位変換の規則と出力形式を指定し、計算機やコードでも検算するのが安全である。「無条件で採用」は生成結果を過信している。「『計算は正確に』と書き添える」は依頼の言い方を変えただけで、結果の確認にならない。「表記が整っていれば正しいとみなす」は見た目を確かめているにすぎず、値の誤りを…

関連キーワード: 数字変換・単位変換・計算・検算

正解: 3. 相手との関係、変更理由、希望日、文体を指定し、事実確認後に送る

解説: 相手との関係、変更理由、希望日、謝意、求める返信、文体を指定し、事実確認後に送るのが適切である。「宛先も目的も示さず」では場面に合いにくく、「決まっていない補償条件」は虚偽になり得る。「人の確認なしで自動送信」も誤送信や内容誤りの危険がある。

関連キーワード: メール作成・ビジネスメール・文体・人による確認