クイズ：チャンキング・ハイブリッド検索・リランキング・クエリ拡張・FM 連携（D1 タスク 1.5.1・1.5.3〜1.5.6）
クイズ1
製品サポートの RAG で、型番や固有名詞を含むクエリの取りこぼしが目立ちます。語彙一致と意味的類似の両方を活かして精度を上げたいとき、最も適切な手法はどれですか。
クイズ2
一次検索で取得した候補チャンクを、クエリとの関連度で並べ替え直してから上位だけを FM に渡したいと考えています。最も適切な AWS の機能はどれですか。
クイズ3
チャンキングについて、RAG の検索精度を保つために最も正確な考え方はどれですか。
クイズ4
ユーザーの曖昧で短いクエリの検索ヒット率を上げたいと考えています。最も適切なクエリ拡張のアプローチはどれですか。
クイズ5
あるチームが、多数の SaaS（共有ドライブやチケットシステム等）を豊富なコネクタで横断検索する要件に対し、Amazon Kendra と Amazon Bedrock Knowledge Bases のどちらを選ぶか迷っています。合致するのはどちらで、その理由は何ですか。
クイズ6
検索メカニズム全体で、ハイブリッド検索・リランキング・FM 連携の役割分担として最も正確なのはどれですか。
未回答の問題は、不正解として正解と解説のみ表示します
ログインが必要です
クイズに回答するにはログインしてください。