AIF-C01 题库 · 最新 50 题免费预览（第 3/5 页）
AIF-C01（AWS Certified AI Practitioner (AIF-C01)）最新题库第 21–30 题，共 5 页 50 题，含答案与中英解析，无需登录。点此进入在线题库练习全部 433 题。
第 21 题 · 题号 406 · 单选
一家公司正在使用生成式人工智能（GenAI）系统从患者记录中生成医疗摘要。该系统有时会生成看似可信但不准确的信息。哪种策略可以缓解此问题？
- A. 实施严格的输入验证和输出格式化规则。
- B. 实施检索增强生成（RAG）来为回复提供依据。
- C. 将更小、更透明的模型用于医学应用。
- D. 增加计算资源和模型规模。
答案: B
解析: 所描述的问题是AI“幻觉”——即生成式AI产生不准确但看似可信的信息。检索增强生成（RAG）是缓解此问题最有效的策略，因为它将AI的响应建立在经过验证的检索源文档（例如实际病历）之上，从而减少捏造信息的可能性。选项A仅处理输入/输出格式问题，不涉及事实准确性。选项C不正确，因为较小的模型通常更容易产生幻觉。选项D（增加模型规模）并不能解决幻觉问题，因为即使是大型模型也可能产生捏造内容。
第 22 题 · 题号 407 · 多选
一家公司正在通过使用带有 Amazon Q Developer CLI 的 Model Context Protocol (MCP) 服务器来构建代理式 AI 应用程序。该公司希望遵循 MCP 安全实践。哪些解决方案能满足这些要求？（请选择两项。）
- A. 保持 MCP 服务器和 Amazon Q Developer CLI 的更新。
- B. 监控 MCP 日志中的正常成功活动。
- C. 使用纯文本文件存储敏感配置。
- D. 自动批准所有由 MCP 服务器提供的工具。
- E. 仅从可信来源安装服务器。
答案: A, E
解析: 选项A（保持MCP服务器和Amazon Q Developer CLI更新）是正确的安全实践，因为更新通常包含修复漏洞的重要安全补丁。选项E（仅从可信来源安装服务器）也是正确的，因为从不可信来源安装可能会引入恶意代码。选项B不正确，因为您应该监控异常或可疑活动，而不是正常的成功活动。选项C不正确，因为敏感配置绝不应以明文文件存储 - 应进行加密处理。选项D不正确，因为自动批准所有工具存在安全风险；应选择性审查和批准工具。
第 23 题 · 题号 408 · 单选
一家公司希望为其人工智能系统建立一个数据治理框架。该框架必须使公司能够监控数据的生成、更新和计划删除的时间。哪个数据治理组件满足这些要求？
- A. 数据驻留
- B. 数据生命周期管理
- C. 数据可观测性
- D. 数据记录
答案: B
解析: 该问题询问的是一个数据治理组件,该组件需要能够监控数据何时被生成、更新和计划删除。数据生命周期管理专门管理数据在整个生命周期中的各个阶段,包括创建(生成)、修改(更新)和处置(计划删除)。数据驻留指的是数据在地理上的存储位置。数据可观测性侧重于数据质量和管道健康状况。数据日志只是记录事件。只有数据生命周期管理涵盖了所提到的三个要求:生成、更新和计划删除。
第 24 题 · 题号 409 · 单选
一家公司正在训练一个基础模型（FM）。该公司希望FM训练数据在整个数据生命周期中得到妥善管理、安全且合规。数据必须遵循治理实践。以下哪个选项是AWS用于管理数据全生命周期的数据治理策略？
- A. 允许每位员工不受限制地访问所有数据。
- B. 无限期存储数据，无需分类或保留策略。
- C. 仅依靠人工审核来确保数据质量和合规性。
- D. 建立数据生命周期策略、访问控制、日志记录和监控。
答案: D
解析: 选项D是正确答案，因为它涵盖了跨数据生命周期的AWS数据治理策略的所有基本要素。建立数据生命周期策略确保数据从创建到删除都按照定义的规则进行管理。访问控制通过基于权限限制谁可以访问数据来提供安全性。日志记录和监控可实现可观察性、可审计性和合规性验证。选项A、B和C都代表不良的治理实践：无限制访问违反安全原则，没有策略的无限期存储会导致合规性问题和不必要的成本，而仅依靠手动审查与自动化治理解决方案（如AWS Lake Formation、AWS IAM、AWS CloudTrail和Amazon S3生命周期策略）相比容易出错且效率低下。
第 25 题 · 题号 410 · 单选
一家公司需要记录机器学习模型的用途、所有者和局限性。哪种 AWS 服务或功能可以提供此功能？
- A. Amazon Bedrock
- B. AWS AI 服务卡
- C. AWS 规范性指南
- D. 亚马逊 SageMaker 模型卡
答案: D
解析: Amazon SageMaker Model Cards 专门用于记录机器学习模型的信息，包括模型的目的、所有者、预期用途、风险评级和局限性。它提供了一个集中化的位置来跟踪模型在整个生命周期中的元数据，这直接符合公司记录 ML 模型目的、所有者及局限性的需求。Amazon Bedrock 用于构建生成式 AI 应用程序，AWS AI Service Cards 用于记录 AWS 自身的 AI 服务（而非客户模型），AWS Prescriptive Guidance 提供的是通用的架构指导。
第 26 题 · 题号 411 · 多选
一家公司需要根据参考文本评估 AI 生成的摘要。该公司必须衡量语义相似度和关键信息的覆盖范围。哪些指标满足这些要求？（选择两项）
- A. F1分数
- B. BERTScore（通常保留原文不译，或译为"BERT评分"）
- C. 双语评估替补分数（BLEU 分数）
- D. 准确性
- E. 面向召回率的摘要评估替补指标（ROUGE）
答案: B, E
解析: 选择 BERTScore 是因为它通过利用 BERT 的上下文嵌入来衡量语义相似性，能够捕捉文本的含义而不仅仅是表面的词汇匹配，这直接满足了衡量 AI 生成摘要与参考文本之间语义相似性的需求。选择 ROUGE 是因为它侧重于面向召回率的指标（如 ROUGE-N 和 ROUGE-L），用于衡量生成的摘要中覆盖了多少参考文本中的关键信息，这直接满足了衡量关键信息覆盖率的需求。
第 27 题 · 题号 412 · 多选
一家人力资源公司正在构建一个AI/ML解决方案来筛选简历，并为各种职位挑选相关的申请人。哪些AI方法将有助于确保对所有人口群体一视同仁？（选择两项）
- A. 模块化
- B. 公平
- C. 可解释性
- D. 保密
- E. 欠拟合
答案: B, C
解析: 为了确保在AI/ML简历筛选系统中对所有人口群体进行公正对待，我们需要：B. 公平性 - 这直接解决了不同人口群体之间无偏待遇的需求。AI中的公平性涉及识别和减轻可能导致歧视性结果的偏见。C. 可解释性 - 这有助于利益相关者理解AI如何做出决策，这对于识别潜在偏见和确保系统公正对待所有群体至关重要。可解释性允许对决策过程进行审计和透明化。其他选项与确保公正对待无直接关系：模块化是关于软件设计的，保密性会阻碍透明性，而欠拟合是一个与公平性无关的建模问题。
第 28 题 · 题号 413 · 单选
一位 AI 从业者希望快速部署和微调基础模型 (FM) 以用于生成式 AI (GenAI) 任务。该 AI 从业者需要访问预训练模型、解决方案模板和示例笔记本，以加速开发过程。哪种 AWS 功能或资源能满足这些要求？
- A. Amazon SageMaker Studio
- B. Amazon SageMaker JumpStart
- C. Amazon Bedrock 模型目录
- D. Amazon SageMaker Canvas
答案: B
解析: Amazon SageMaker JumpStart 是正确答案,因为它专门设计用于帮助 AI 从业者快速部署和微调基础模型。它提供了一个集中化平台,包含预训练模型、解决方案模板和示例笔记本,这与问题中提出的要求完全匹配。JumpStart 通过提供可直接使用的资源来加速开发过程,这些资源可以轻松针对特定的生成式 AI 任务进行自定义。选项 A(SageMaker Studio)是用于机器学习开发的集成开发环境(IDE),但并不专注于预训练模型和模板。选项 C(Bedrock 模型目录)主要提供基础模型,但缺乏全面的模板和笔记本。选项 D(SageMaker Canvas)是一个面向业务分析师的无代码机器学习工具,不适合需要高级模型定制的从业者。
第 29 题 · 题号 414 · 单选
一家公司希望将基础模型（FMs）用于多种用例，包括内容摘要、代码生成和客户服务AI助手。哪种解决方案将以最具成本效益的方式实施基础模型？
- A. 为每个具体用例选择满足性能要求的最小模型。
- B. 使用最大且最强大的可用模型来完成所有任务，以确保质量。
- C. 为每个单独的使用场景构建和训练自定义基础模型（FM）。
- D. 对所有推理请求使用批处理，以降低每个请求的成本和延迟。
答案: A
解析: 最具成本效益的方法是选择能满足每个特定用例性能要求的最小模型。不同的用例有不同的复杂程度——内容摘要、代码生成和客户服务AI助手各有独特的需求。通过将模型大小与特定任务需求相匹配，可以在保持可接受性能的同时优化成本。选项B（对所有任务使用最大模型）是最昂贵的。选项C（为每个用例构建自定义FM）涉及极高的训练和基础设施成本。选项D（批处理）虽然降低成本，但会增加延迟，对于实时客户服务交互来说这是不可接受的。
第 30 题 · 题号 415 · 单选
一家在 Amazon Bedrock 上运行 AI 工作负载的公司需要评估并记录其对监管标准的合规性。哪项 AWS 服务或功能能满足这些要求？
- A. AWS Audit Manager（AWS 审计管理器）
- B. Amazon SageMaker 模型卡片
- C. Amazon SageMaker 模型监控器
- D. AWS Artifact
答案: A
解析: AWS Audit Manager 是正确答案，因为它专门设计用于帮助公司评估和记录是否符合监管标准。它可以自动收集审计证据，并提供持续合规评估的框架。虽然 AWS Artifact 提供合规报告的访问权限，但它不评估合规性。SageMaker Model Cards 和 Model Monitor 专注于机器学习模型的文档记录和监控，而不是监管合规评估。