スケーリング則
大規模言語モデルについて、モデルのパラメータ数、学習データの量、計算量を増やすほど、損失が予測可能な形で（べき乗則に沿って）下がるという経験則として、最も適切なものを1つ選べ。
- A
ムーアの法則
- B
ノーフリーランチ定理
- C
スケーリング則
- D
大数の法則
正解と解説を見る
正解：C
スケーリング則は、モデルの大きさ・データ量・計算量と性能の関係を表す経験則。モデルの大規模化の根拠になった。
- A
誤り。半導体の集積度が約2年で2倍になるという経験則。
- B
誤り。あらゆる問題に最も良いアルゴリズムはないという定理。
- C
正しい。大規模化の方針を立てる根拠として使われる。
- D
誤り。試行回数が多いほど平均が期待値に近づくという法則。
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。