A. 認証と権限チェックが LLM とは独立して実行されるようにします。
B. LLMが敵対的データセットでトレーニングされていることを確認します。
C. LLMを使用してデータフィードとデータソースを管理します。
D. LLM に認証と権限チェックの自動管理を任せます。
A. 出力
B. 非表示
C. 入力
D. ハイパーパラメータ
A. 古い情報を使った学習を減らす
B. スタッフが倫理的配慮について最新の情報を入手できるようにするため
C. スタッフが利用可能なツールを理解できるようにする
D. AI導入コストを最小限に抑える
A. AI モデルを微調整します。
B. 不正使用のプロンプトをサニタイズするために入力検証を展開します。
C. プロンプトで特殊文字が多すぎないか監視します。
D. 入力テキストをスキャンして、コードのような構造を探します。
A. 時間、コスト、配達距離、顧客満足度の指標を相関させて、標準以下のサービスを受けた顧客にクーポンを発行する
B. ドライバーの維持と解雇の決定は、業界ベンチマークと比較した総労働時間あたりの配達注文数に基づいて行う
C. 食品の調理と配達の合計時間を業界ベンチマークと比較し、個々のレストランの主要な業績指標とリスク指標を設定する
D. サービス速度と食品の品質に関する顧客サービス指標を使用して、顧客維持率と収益予測を予測する
A. 実際の結果の予測におけるAIモデルの精度
B. AIモデルの再トレーニングの頻度
C. AIモデルと対話するユーザーの数
D. AIモデルのトレーニングに必要なリソースのコスト
A. サービス レベル アグリーメント (SLA) を更新します。
B. モデルの創造性スコアを下げます。
C. モデルコンテキストを増やします。
D. 解決されるまでツールの使用を一時停止します。
A. 顔認識データへのアクセス制御の実施の難しさ
B. 特定の人口統計グループに対する潜在的な偏見
C. 生体認証セキュリティにおけるAI利用に関する国際標準の欠如
D. 個人がより慎重に交流し始める
A. 大規模データセットの管理
B. 決定論的AIモデルの結果を考慮する
C. AIモデルの透明性を理解する
D. 逐次アルゴリズム規則の説明
A. 透かしを実装します。
B. トレーニングデータと本番データを分離します。
C. 敵対的学習を適用します。
D. ファイアウォールを実装します。
A. 侵入テストを実施して、システムが本物の脅威を検出する能力を評価します。
B. ログ分析ツールを使用して、生成されたアラートの種類と頻度を調べます。
C. システムのアラート機能を業界標準と比較するためのベンチマーク ツールを実装します。
D. 機械学習 (ML) 検証ツールを導入して、モデルの精度とパフォーマンスを向上させます。
A. 稼働開始後の非英語言語の人間によるレビュー
B. より高い精度目標を持つ加重指標
C. パリティ閾値を用いた比較言語評価
D. すべての出力を英語に翻訳し、一貫性を確認するために英語で評価します。
A. AIテストが関連するすべてのトランザクションを分析に含めなかった
B. AIがテスト出力を混乱した形式で生成している
C. AIはテストから中リスクの観測値のみを返します
D. AIの出力のみに基づいて監査人がレビューしたAIテスト
A. 透明度制御を評価します。
B. 説明可能性評価を実施する。
C. 不服申し立て手続きを評価する。
D. 監査報告書を作成する。
