AI幻覚クイズ

クイズに答えると、答えと解説が表示されます。

1. 次のトークンの予測だけでは、生成された回答の事実の主張を検証できないのはなぜですか?
   • どのモデルも信頼できない Web サイトのみに接続されています
   • すべてのユーザーが文法的に間違った質問をする
   • もっともらしい継続は、そのステートメントが真実であるという証拠と同じではありません
   • 流暢な答えは自動的に事実を証明します
2. 幻覚が特に危険なのはなぜですか?
   • これらは常に壊れた文法で書かれているため、ユーザーは無視します
   • エラーメッセージにのみ表示されます
   • モデルがクラッシュする原因になります
   • 流暢かつ自信を持って伝えられるため、間違いは見落とされやすい
3. 検索拡張生成 (RAG) は幻覚を完全に排除しますか?
   • はい、RAG は事実に基づく回答を保証します
   • いいえ、モデルは依然としてノイズの多い、または競合する取得されたテキストと矛盾したり、無視したりする可能性があります。
   • はい、ただし週末のみです
   • いいえ、RAG はいかなる文書も提供しないためです。
4. 本物の幻覚の例はどれですか?
   • 存在しない裁判例を引用したモデル
   • 質問に答えることを拒否したモデル
   • 明確な質問をするモデル
   • モデルが空の応答を返す
5. 生成された事実的な回答を確認するのに役立つワークフローはどれですか？
   • Trust every citation because it looks formal
   • Treat a low sampling temperature as proof of correctness
   • Hide the evidence so the answer is easier to read
   • Retrieve relevant material and verify whether its statements and citations support the claims
6. How should a claim that a new model has eliminated hallucinations be assessed?
   • Accept it solely because the announcement sounds confident
   • Assume one successful example proves every application
   • Use defined tasks, evidence, and measurement conditions rather than assume universal reliability
   • Judge only whether the model produces polished prose
7. A generated answer cites a real page, but the page does not support the associated factual statement. What remains unverified?
   • The support for that particular claim
   • Whether a URL can be opened
   • Whether the model used fluent sentences
   • Whether the citation contains text
8. A supplied document says delivery takes five business days, but its generated summary says two. Which check reveals the error?
   • Counting how many sentences the summary contains
   • Comparing the summary's quantity with the source document
   • Checking only whether the prose sounds confident
   • Assuming summaries may replace any source number