包括的かつ詳細な解説＝
標準的なファインチューニングでは、すべてのモデルパラメータが更新されますが、データセットが小さい場合、過学習（一般化するのではなくデータを記憶してしまうこと）が発生し、未知のデータに対するパフォーマンスが低下する可能性があります。オプション A が正しいです。オプション B（過小適合）は、完全な更新では起こりにくく、過学習がリスクとなります。オプション C（データリーク）は、データサイズではなく、データの処理方法に依存します。オプション D（モデルドリフト）は、トレーニングではなく、デプロイメントのシフトに関連しています。データセットが小さいと、標準的なファインチューニングにおける過学習が悪化します。
OCI 2025の生成AIに関するドキュメントでは、Vanillaのファインチューニングの制限下では過学習が発生する可能性があると警告している可能性が高い。

包括的かつ詳細な解説＝
RAGでは、「根拠の正確性」は、応答が事実に基づいているか、取得されたデータによって裏付けられているかを評価し、「回答の関連性」は、応答がユーザーのクエリにどれだけ適切に対応しているかを評価します。オプションAはこの区別を正確に捉えています。オプションBは的外れです。根拠の正確性は文脈の整合性だけではなく、関連性は構文に関するものではありません。オプションCは定義を入れ替えています。オプションDは不適切です。根拠の正確性はデータの整合性だけではなく、関連性は語彙の多様性だけではありません。この区別により、RAGの出力が真実かつ適切であることが保証されます。
OCI 2025 生成AI のドキュメントでは、これらはおそらく RAG 評価指標の下で定義されているでしょう。

包括的かつ詳細な解説＝
微調整では、通常、ラベル付きタスク固有データを使用して LLM のすべてのパラメータを更新し、特定のタスクに適応させますが、これは計算コストが高くなります。LoRA (Low-Rank Adaptation) などの手法であるパラメータ効率微調整 (PEFT) では、ラベル付きタスク固有データを使用しながらも、パラメータのごく一部 (多くの場合、新しく追加されたもの) のみを更新するため、より効率的です。オプション C はこの違いを正しく捉えています。オプション A は、連続事前学習ではラベルなしデータを使用し、タスク固有ではないため誤りです。オプション B は、PEFT と Soft Prompting はすべてのパラメータを変更するわけではなく、Soft Prompting は通常、ラベル付きサンプルを間接的に使用するため誤りです。オプション D は、連続事前学習ではパラメータが変更されるのに対し、SoftPrompting では変更されないため不正確です。
OCI 2025 生成AI のドキュメントでは、モデルカスタマイズ技術の項目でファインチューニングと PEFT 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＝
LangSmith Tracing は、入力、出力、中間ステップを追跡することで LLM アプリケーションのデバッグと理解を支援し、複雑なチェーンの問題を特定するのに役立ちます。したがって、オプション C が正解です。オプション A (テスト ケース) は二次的な用途であり、主要な用途ではありません。オプション B (推論) は重複していますが、中心的な焦点ではありません。中心的な焦点はデバッグです。オプション D (パフォーマンス) はより広範で、トレースは特定の問題を対象としています。これは開発の透明性にとって不可欠です。OCI 2025 生成型 AI のドキュメントでは、LangSmith はデバッグ ツールまたは監視ツールとして扱われている可能性があります。

包括的かつ詳細な解説＝
温度は、LLMのデコード処理におけるハイパーパラメータであり、語彙の確率分布を変更することで単語選択のランダム性を制御します。温度が低い場合（例：0.1）は分布がシャープになり、モデルは確率の高い単語を選択する可能性が高くなるため、より決定論的で焦点を絞った出力が得られます。温度が高い場合（例：2.0）は分布が平坦になり、確率の低い単語を選択する可能性が高くなるため、ランダム性と創造性が高まります。オプションDはこの役割を正確に説明しています。オプションAは、温度が精度を直接向上させるのではなく、出力の多様性に影響を与えるため誤りです。オプションBは、温度が生成される単語の数を決定するわけではないため無関係です。オプションCも、品詞の決定は温度に直接関係するのではなく、モデルが学習したパターンに基づいているため誤りです。
LLMの一般的なデコード原理は、おそらくOCI 2025生成AIのドキュメントで、温度などのデコードパラメータの項で説明されているでしょう。