包括的かつ詳細な解説＝
プロンプトエンジニアリングとは、入力プロンプトを設計・改良し、LLMの内部構造やパラメータを変更することなく、望ましい出力を生成するように導くプロセスです。これは、モデルの事前学習済み知識を活用する反復プロセスであり、したがってオプションAが正解です。オプションBは、レイヤーの追加はモデルアーキテクチャ設計に関するものであり、プロンプトとは関係がないため、無関係です。オプションCは、ハイパーパラメータチューニング（例：温度）に関するものであり、プロンプトエンジニアリングに関するものではありません。オプションDは、事前学習または微調整に関するものであり、プロンプトエンジニアリングに関するものではありません。
OCI 2025 生成AI のドキュメントでは、モデルとの相互作用や推論に関するセクションで、迅速なエンジニアリングについて説明されている可能性が高い。

包括的かつ詳細な解説＝
テキスト生成における停止シーケンス（例：ピリオド）は、トークンの制限に関係なく、そのトークンに遭遇した時点で生成を停止するようにモデルに指示します。ピリオドに設定した場合、モデルは最初の文の終わりで停止するため、オプションDが正解です。オプションAは、停止シーケンスが強制されるため誤りです。オプションBは、停止シーケンスの目的に反します。オプションCは、段落ではなく文レベルで停止するため誤りです。
OCI 2025 生成AI のドキュメントには、テキスト生成パラメータにおける停止シーケンスについて説明されている可能性が高い。

包括的かつ詳細な解説＝
LangChainでは、チェーンはユーザー入力を受け取った後（以前のコンテキストをロードするため）、実行前（プロセスに通知するため）にメモリとやり取りし、さらにコアロジックの後（新しいコンテキストでメモリを更新するため）、最終出力前にもメモリとやり取りします。これによりコンテキストの連続性が確保され、オプションCが正解となります。オプションAは実行前のコンテキストが欠落しているため、タイミングが遅すぎます。オプションBは順序が間違っています。オプションDはやり取りが連続的ではなく特定の時点で行われるため、やり取りを過大評価しています。メモリ統合はステートフルチェーンにとって重要です。
OCI 2025 生成AI のドキュメントには、LangChain ワークフローにおけるメモリの相互作用の詳細が記載されている可能性が高い。

包括的かつ詳細な解説＝
LangChain Expression Language (LCEL) は、LangChain でチェーンを構成し、プロンプト、LLM、その他の要素を効率的に組み合わせるための宣言型構文 (たとえば、| を使用してコンポーネントをパイプする) です。オプション C が正解です。オプション A は誤りです。LCEL はドキュメント用ではありません。オプション B は誤りです。LCEL はレガシーではなく、現在のものです。従来の Python クラスの方が古いです。オプション D は誤りです。LCEL は LangChain の一部であり、スタンドアロンの LLM ライブラリではありません。LCEL はチェーン設計を簡素化します。
OCI 2025 生成AI のドキュメントでは、LangChain チェーン構成における LCEL が強調される可能性が高い。

包括的かつ詳細な解説＝
ソフトプロンプトは、学習可能なパラメータ（ソフトプロンプト）を追加することで、コアとなる重みを再学習することなくLLMを適応させます。これは、タスク固有のデータなしでリソースの少ないカスタマイズを行うのに最適です。したがって、オプションCが正解です。オプションAは微調整に適しています。オプションBは、ソフトプロンプト以上のもの（ドメインの微調整など）が必要になる場合があります。オプションDは、ソフトプロンプトではなく、事前学習について説明しています。ソフトプロンプトは、特定の適応に効率的です。
OCI 2025の生成AIに関するドキュメントでは、PEFT手法におけるソフトプロンプトについて議論されている可能性が高い。