A正解
生成時に出力のランダム性・長さ・多様性などを制御する
正解。推論パラメータは、モデルの重みを変えずに、生成（推論）時の振る舞いを調整する設定です。出力のランダム性（温度）、候補の絞り方（Top-P/Top-K）、長さ（最大トークン数）などが該当します。
ある研修で、生成 AI の挙動を調整する方法を学んでいます。推論パラメータ（温度・Top-P・最大トークン数など）が生成 AI の応答に対して果たす役割の説明として、最も適切なものはどれですか。
1 / 1
回答を選択してください
正解A
解説
推論パラメータが果たす役割の正確な説明を選ぶ問題。
- 1「推論パラメータ」温度・Top-P・最大トークン数など 生成時の設定
- 2「果たす役割の説明」重みを変えず 出力の性質（乱数性/長さ/多様性）を制御 する
B不正解
モデルの重みを再学習して性能を更新する
モデルの重みを再学習するのはファインチューニングや学習のプロセスです。
推論パラメータは重みを変えずに生成時の振る舞いを調整するもので、再学習ではないため不正解です。
C不正解
学習用のデータセットを自動的に増やす
学習データを増やすのは、データ拡張や収集といった学習側の作業です。
推論パラメータは生成時の振る舞いの調整であり、データを増やすものではないため不正解です。
D不正解
モデルのアーキテクチャ（層の構造）を変更する
アーキテクチャの変更は、モデルの設計・開発にあたる作業です。
推論パラメータは構造を変えずに生成時の出力を調整するもので、構造変更ではないため不正解です。
ポイント
正解の理解は『推論パラメータ＝重みを変えずに生成時の出力を制御する設定』。
・温度＝ランダム性、Top-P/Top-K＝候補の絞り方、最大トークン数＝長さ、停止シーケンス＝打ち切り。
・いずれも再学習なしで出力の性質を変えられる。
重みの再学習（ファインチューニング）・データ追加・アーキテクチャ変更は学習/設計側の話で、推論パラメータとは別です。