PracticeCF

AIF-C01 题库 · 最新 50 题免费预览（第 5/5 页）

AIF-C01（AWS Certified AI Practitioner (AIF-C01)）最新题库第 41–50 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 41 题 · 题号 426 · 单选

一家公司在 Amazon VPC 中的服务器上运行应用程序。该公司的应用程序使用 Amazon Bedrock API 来实现 AI 功能。该公司不希望 API 调用通过公共互联网传输。哪种解决方案可以满足此要求？

答案: A

解析: AWS PrivateLink 在 Amazon VPC 和 Amazon Bedrock 等 AWS 服务之间提供私有连接，确保 API 调用不会通过公共互联网传输。选项 B（签署 API 请求）仅用于身份验证，并不能阻止流量通过公共互联网传输。选项 C 明确使用公共端点，将通过公共互联网传输。选项 D（传输中加密）虽然能保护数据，但不能阻止流量通过公共互联网离开 VPC 环境。因此，AWS PrivateLink 是满足此需求的正确解决方案。
第 42 题 · 题号 427 · 单选

一家公司正在部署一个新的人工智能应用，以为内部用户生成内容。哪种策略会使应用程序的输出更具确定性？

答案: A

解析: 降低温度会使AI输出更加确定性，因为温度控制生成过程中token选择的随机性。较低的温度值（接近0）使模型更一致地选择概率最高的token，从而产生更可预测和可重复的输出。选项B（学习率）是训练时的参数，不会影响推理时的确定性。选项C（停止序列）仅控制生成何时停止，不影响内容的随机性。选项D（token计数）仅控制输出长度，不影响确定性。
第 43 题 · 题号 428 · 单选

一家公司维护着一个包含详细描述的大型产品目录。该公司希望构建一个人工智能助手来回答客户关于产品的提问。然而，该公司的标记训练数据有限。哪种解决方案能够以最少的实施工作量满足这些要求？

答案: A

解析: 选项A是最佳答案，因为检索增强生成（RAG）架构所需的实施工作量最少。它利用现有的产品目录作为知识库，在查询时检索相关信息，无需任何模型训练或微调。其他选项（B、C、D）都需要大量的实施工作，例如微调模型、部署多个专门模型或从头训练新的自定义基础模型。鉴于公司只有有限的标记训练数据，RAG是最实用、最高效的解决方案，因为它可以直接使用现有的产品描述。
第 44 题 · 题号 429 · 单选

一家公司使用基础模型（FMs）来自动化日常任务。该公司的一位AI从业者正在创建系统指令，其中包含与任务相关的上下文。该AI从业者希望在与Amazon Bedrock中的FMs进行日常交互时保存并重复使用这些指令。哪种Amazon Bedrock解决方案可以满足这些要求？

答案: D

解析: Amazon Bedrock 中的 Prompt management（提示管理）专门用于帮助用户创建、保存、版本控制和在不同的基础模型交互中重复使用提示。它允许 AI 从业者一次性存储系统指令和上下文，然后在日常交互中重复使用，这与问题中描述的需求完全匹配。Knowledge Bases（A）用于从数据源检索信息以增强 FM 响应，而不是管理系统指令。Guardrails（B）是用于内容过滤的安全控制。Playgrounds（C）是用于试验模型和提示的测试环境，但不提供用于生产使用的持久存储和重复使用功能。
第 45 题 · 题号 430 · 单选

结构化数据的一个例子是什么？

答案: C

解析: 包含测量数据的 CSV 文件是结构化数据的经典示例，因为 CSV（逗号分隔值）文件遵循具有行和列的预定义格式，使得数据易于搜索、组织和分析。选项 A、B 和 D 代表非结构化数据：文本评论、视频文件和转录的对话没有预定义的数据模型或一致的格式，与结构化数据相比，它们更难以组织和分析。
第 46 题 · 题号 431 · 单选

一家公司使用 Amazon Bedrock Agents 为客户开发了一款 AI 助手应用程序。该公司注意到，这些智能体需要额外的上下文信息才能持续做出明智的决策。这些智能体目前未访问外部服务来完成客户的旅行预订请求。该公司需要确保智能体在必要时能够访问额外的上下文信息。哪种解决方案能够满足此需求？

答案: B

解析: 该问题描述了一个场景：Amazon Bedrock Agents 无法访问外部服务来完成客户旅行预订请求，并且需要额外的上下文。Model Context Protocol (MCP) 专门设计用于以标准化方式使 AI 代理能够访问外部数据源和服务。Amazon Bedrock Agents 支持 MCP，允许代理在需要时从外部系统检索额外的上下文以做出明智的决策。负向提示（Negative prompting）和零样本提示（Zero-shot prompting）是提示工程技术，无法实现外部服务访问。自定义 API 需要额外的开发工作，并不是针对此需求的标准解决方案。
第 47 题 · 题号 432 · 单选

一位 AI 从业人员正在 Amazon Bedrock 中使用 LLM 作为评判者（LLM-as-a-judge）来评估生产环境中智能体响应的质量。该 AI 从业人员希望应用一个内置指标，用于评估智能体响应对每个提示或问题所有部分的回应全面程度。哪个指标能够满足这些要求？

答案: B

解析: Amazon Bedrock 的 LLM-as-a-judge 评估中的 'Completeness'（完整性）指标专门用于评估模型回复在多大程度上全面地涵盖了提示或问题的所有部分和方面。题目明确提到'评估智能体回复在多大程度上全面地涵盖每个提示的所有部分'，这与 Completeness 指标的功能直接对应。ROUGE（A）是一种基于 n-gram 重叠的通用 NLP 摘要质量评估指标，并非 Bedrock 用于此目的的内置指标。'Following instructions'（遵循指令）（C）衡量对指令的遵循程度，但并非评估全面涵盖提示所有部分的情况。'Refusal'（拒绝）（D）评估模型是否恰当地拒绝某些请求，与全面性无关。
第 48 题 · 题号 433 · 单选

一家公司正在使用监督学习在针对特定目标任务的小型标注数据集上训练AI模型。这描述了基础模型（FM）生命周期的哪个步骤？

答案: A

解析: 这道题描述的是使用监督学习在小型、特定任务的标记数据集上训练模型，这正是基础模型生命周期中微调（Fine-tuning）的定义。微调是指在预训练的基础模型上，使用针对目标任务的小型数据集进行进一步训练。数据选择（B）是选择预训练数据，预训练（C）是使用大规模数据进行初步训练，而评估（D）是评估模型性能，而不是训练。
第 49 题 · 题号 434 · 单选

一家软件开发公司希望加快其上市速度。该公司需要一个能够帮助开发人员生成实时代码和单元测试的解决方案。哪种 AWS 服务能满足这些要求？

答案: B

解析: Amazon Q Developer 是一款由 AI 驱动的编程助手，能够帮助开发人员实时生成代码和单元测试，这正好满足了公司加快产品上市速度的需求。Amazon Personalize 用于推荐系统，Amazon Comprehend 用于自然语言处理，Amazon Kendra 用于智能搜索。
第 50 题 · 题号 435 · 单选

哪种类型的机器学习技术提供最高的可解释性？

答案: A

解析: 线性回归是最具可解释性的机器学习技术，因为它使用一个简单的线性方程，其中每个输入特征都有一个系数，直接表示其对输出的贡献。这种透明性使用户能够轻松理解模型如何做出预测。相比之下，支持向量机、随机切割森林和神经网络是更复杂的'黑盒'模型，因此更难解释。
上一页 12345