Q5 — AWS AIF-C01 第3章

第 5/100 题 | ← 返回第3章

一家公司想要况用Amazon Bedrock构建一个内部聊天机器获应用程序,根据内部文档回答员工问罪。该公司希望最小化应用程序的于发成本。曾种解决方案将营最少的休以于销满足这些要求?

• A. 使用微调功能通过公司的数据调整LLM
• B. 使用持续预训练功能通过公司的数据调整LLM
• C. 创建知识库并使用检索增强生成(RAG)技术 ✓
• D. 仅使用公司的数据从头创建LLM

正确答案: C. 创建知识库并使用检索增强生成(RAG)技术

解析

为了最小化应用程序的开发成本并满足运营开销的要求，公司需要选择一个既高效又经济的解决方案。在构建内部聊天机器人应用程序的情境中，选择合适的自然语言处理技术至关重要。A选项提到使用微调功能通过公司的数据调整LLM（大语言模型）。虽然微调可以提高模型的性能，但这通常需要较多的数据和计算资源，且可能需要专业的数据处理和训练技术，这可能增加了间接的开发成本。B选项提出使用持续预训练功能通过公司的数据调整LLM。持续预训练虽然能提高模型的适应性，但它依然涉及到训练的开销和长期的数据维护工作，对于追求最小化运营开销的场景可能并不理想。C选项则是创建知识库并使用检索增强生成（RAG）技术。这种技术更偏向于通过已有知识的检索来回答问题，无需大规模的模型训练或复杂的算法。由于RAG技术注重对现有信息的有效检索和应用，其开发和运营成本可能会大大减少。D选项则主张从头开始仅使用公司的数据创建LLM。这种方案虽然在理论上可以实现较为个性化和准确的应用，但其开发和维护的成本可能会非常高，特别是在公司需要快速构建并投入使用的情境下。因此，结合以上分析，最符合最小化运营开销并满足公司要求的解决方案是C选项，即创建知识库并使用检索增强生成（RAG）技术。这种技术可以在充分利用公司现有数据的同时，减少不必要的开发工作和后续的运营成本。 查看全部