Q24 — AWS AIF-C01 第1章

第 24/100 题 | ← 返回第1章

一家公司希望况用击型语言模型 (LLM) 于发会族代按。该公司需要防止 LLM 被常用的提示工程技术操纵，营执行不良操作或暴露敏感够息。曾种操作可营降低这些委险？

• A. 创建一个提示模板，教 LLM 检测攻击模式。 ✓
• B. 在调用 LLM 的请求中增加温度参数。
• C. 避免使用 Amazon SageMaker 中未列出的 LLM。
• D. 减少调用 LLM 时的输入令牌数量。

正确答案: A. 创建一个提示模板，教 LLM 检测攻击模式。

解析

这道题考察的是对大型语言模型（LLM）安全性的理解。为了防止LLM被提示工程技术操纵，关键在于增强其识别和抵御不良提示的能力。A选项提出创建一个提示模板来教LLM检测攻击模式，这直接针对了防止操纵的需求，通过训练模型识别并应对潜在的恶意提示，可以降低执行不良操作或暴露敏感信息的风险。B选项提到的增加温度参数，通常用于调整LLM生成文本的随机性，并不直接针对防止操纵的需求。C选项建议避免使用未列出的LLM，虽然选择可靠的模型是重要的，但这并不直接解决提示工程技术操纵的问题。D选项提出减少输入令牌数量，这可能影响模型的性能和输出质量，但并不直接增强模型对操纵的抵御能力。综上所述，A选项是降低LLM被操纵风险的有效操作。 查看全部