スケーリング則
大規模言語モデルについて、「モデルの大きさ、データ量、計算量を増やすと、性能が予測しやすい形で向上する」という経験的な法則の名称として、最も適切なものを1つ選べ。
- A
ムーアの法則（Moore's Law）
- B
創発的能力（Emergent Abilities）
- C
ノーフリーランチ定理
- D
スケーリング則（Scaling Laws）
正解と解説を見る
正解：D
スケーリング則は、モデルのパラメータ数・学習データ量・計算量を増やすほど、性能が向上するという経験則。大規模化の方針を支えた。
- A
誤り。半導体の集積度の向上に関する経験則。
- B
誤り。規模がある大きさを超えると、急に新しい能力が現れるように見える現象。予測しやすい向上を表す法則ではない。
- C
誤り。どの問題にも最良となる手法は存在しないという定理。
- D
正しい。大規模化を進める根拠になった。
このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。