AWS認定資格 WEB問題集＆徹底解説

会員登録/ログイン

• タスクステートメント3.2：効果的なプロンプトエンジニアリング手法の選択

分野3：基盤モデルの応用

• No.9 Bedrockの機密情報保護
• No.23 データポイズニングとプロンプトリーキングの見分け方
• No.41 LLMの動的プロンプト最適化
• No.83 プロンプトインジェクションと情報漏えいの識別
• No.90 Amazon Bedrockの保護機能
• No.124 Amazon Bedrock でのプロンプト検証環境
• No.130 効果的なプロンプトの構成要素
• No.140 プロンプティング技術の構成要素
• No.152 Amazon Bedrockのモデルカスタマイズ手法の識別
• No.156 few-shotプロンプティングによる意図分類データの設計
• No.166 Zero-shotプロンプティングの特徴
• No.193 チャットボットの一貫性向上
• No.213 プロンプトエンジニアリングの構成要素
• No.241 プロンプトインジェクション攻撃への対策
• No.254 few-shotとchain-of-thoughtを組み合わせたプロンプト例
• No.269 複雑なタスクを段階的に分解させるプロンプト技術の選択
• No.276 法律文書からの情報抽出精度向上手法
• No.301 複雑な問題分解のプロンプト技術
• No.313 ネガティブプロンプティングの活用
• No.348 基盤モデルの出力を安全に制御する方法
• No.363 Few-shot learningにおける学習例のデータ構造
• No.376 生成AIの出力から特定の話題を除外させるプロンプト技術
• No.386 データポイズニングとプロンプトリークの識別
• No.399 ジェイルブレイクと他の攻撃手法の識別
• No.401 基盤モデルの複雑な論理推論精度向上
• No.408 生成AIの望ましくない出力抑制
• No.411 大規模言語モデルにおけるFew-shotプロンプティングの利点
• No.422 AIチャットボットの応答品質向上
• No.429 LLMにおけるCoTプロンプティングの利点
• No.458 生成AIの複雑なタスク分解戦略
• No.459 チャットボットの応答トーンをブランドに合わせる方法
• No.486 基盤モデルの応答品質向上アプローチ