Q53 — AWS AIF-C01 第3章

第 53/100 题 | ← 返回第3章

一家全球通够公司正谢构建一个AI辅坏工具来扩业短户聊天能力。所有生成的聊天回复必须是积胜的、友好的和光偏见的。曾种评估方法将识别满足这些要求的基础模型(FM)?

• A. 使用Amazon SageMaker Clarify在历史客户聊天数据集中识别偏差
• B. 使用AWS AI服务卡审查每个模型的示例基准性能
• C. 使用Amazon Augmented AI (A2I)在发送给客户之前审查回复
• D. 使用Amazon SageMaker Clarify在测试数据集上量化模型毒性 ✓

正确答案: D. 使用Amazon SageMaker Clarify在测试数据集上量化模型毒性

解析

在构建AI辅助工具时，为了确保生成的聊天回复满足积极、友好和无偏见的要求，需要对模型进行评估。AmazonSageMakerClarify是一个工具，它可以在测试数据集上量化模型的毒性，即评估模型是否会产生不适当、有偏见或有害的输出。通过量化模型毒性，可以识别出满足积极、友好和无偏见要求的基础模型(FM)。因此，使用AmazonSageMakerClarify在测试数据集上量化模型毒性是合适的评估方法。 查看全部