A. ディープラーニング

B. ニューラルネットワーク

C. 機械学習(ML)

D. 自然言語処理 (NLP)

A. グループ分析

B. 混同行列

C. 敵対的テスト

D. レイテンシテスト

A. リスク評価レポート

B. モデル開発ログ

C. データシート

D. 説明可能性レポート

A. 浮動小数点形式の学年フィールド

B. ブール形式で学士号を取得している

C. オブジェクト形式の最終成績パーセントフィールド

D. 整数形式の学生番号フィールド

A. 稼働開始後の非英語言語の人間によるレビュー

B. より高い精度目標を持つ加重指標

C. すべての出力を英語に翻訳し、一貫性を確認するために英語で評価します。

D. パリティ閾値を用いた比較言語評価

A. 操作された入力を処理するプロセスを検証します。

B. 学習適応の速度をレビューします。

C. 攻撃に対する応答時間を評価します。

D. 保持されているシステムログの数を評価します。

A. フォントをデフォルトに変更するテキストサニタイズを実装します。

B. 取り込み前に目に見えないテキストを削除するテキストサニタイズを実装します。

C. 見えないテキストを無視するように、AI モデルにさらに指示を追加します。

D. 温度を下げることで、AI モデルが注射に従う可能性を低くします。

A. 統計要約

B. データ辞書

C. 混同行列

D. データコンピューティングライブラリ

A. 一貫性のない変更管理

B. 旧モデルカード

C. アクセス制御が脆弱

D. データ品質が不十分です

A. サーバーは定期的に再構成されます。

B. ニューラル ノード アクセスは、プロセスが実行されるたびに変化します。

C. リスク プロファイルの定量化には制限が生じる可能性があります。

D. 計算ロジックは確率に基づいています。

A. 利害関係者グループ間の連携の欠如

B. 生成AIツールに関するスタッフの経験が不足している

C. モデルのトレーニングに使用されるデータセット内のバイアス

D. アルゴリズム機能の急速な進化

A. AI はデータ セットを拒否し、データを分析しません。

B. AI はデータセットの一部のみを処理します。

C. AI 出力は最初の 3,000 トークンに偏ります。

D. AI は価値の高いエントリを優先します。

A. 学生番号フィールド(整数形式)

B. オブジェクト形式の最終成績パーセントフィールド

C. 学年レベルのフィールド(float形式)

D. ブール形式で学士号を取得していること

A. サンプル生成の速度

B. 大量のデータを処理する能力

C. 過去の監査における過去のパフォーマンス

D. サンプリングプロセスの透明性