MédiaMúltipla escolha

Questão de prática de AIF-C01

Uma corporação multinacional usa um modelo de fundação por meio do Amazon Bedrock para traduzir documentos de comunicação interna do inglês para vários idiomas. Eles percebem que as traduções frequentemente perdem o jargão específico da empresa e siglas, gerando confusão. A empresa possui um glossário de traduções aprovadas para termos como 'Project Atlas' e 'Operation Synergy'. Eles querem melhorar a precisão da tradução rapidamente e com o mínimo de esforço. Qual abordagem devem adotar?

Escolha a melhor resposta.

Resposta correta

  • AUsar engenharia de prompt para incluir o glossário em cada solicitação de tradução.

Explicação

A engenharia de prompt permite que a empresa injete o glossário diretamente na janela de contexto do modelo de fundação a cada solicitação de tradução. Essa abordagem não requer nenhum retreinamento de modelo ou alterações de infraestrutura, permitindo uma melhoria rápida simplesmente anexando as traduções aprovadas como instruções ou exemplos de poucos disparos (few-shot). É o método mais rápido e com menos esforço para impor a terminologia específica da empresa sem alterar o modelo subjacente.

Por que cada alternativa está certa ou errada

A

Correta

Usar engenharia de prompt para incluir o glossário em cada solicitação de tradução.

O modelo está perdendo conhecimento privado, as traduções aprovadas para termos da empresa, e a correção mais rápida é fornecer esse conhecimento no prompt: inclua as entradas de glossário relevantes e uma instrução para usá-las exatamente, além talvez de um exemplo traduzido. Isso não requer dados de treinamento, nenhum modelo personalizado e nenhuma nova infraestrutura, e pode ser testado imediatamente. Para um glossário grande, inclua apenas os termos que aparecem em cada documento.

B

Incorreta

Usar um modelo de fundação maior que tenha melhor compreensão de linguagem.

Um modelo maior ainda carece do glossário da empresa, portanto 'Project Atlas' e 'Operation Synergy' continuam mal traduzidos, independentemente da capacidade geral de linguagem. É tentador porque modelos maiores melhoram a fluência geral de tradução, e seria a escolha certa se o problema fosse gramática ruim em vocabulário comum em vez de termos proprietários ausentes.

C

Incorreta

Ajustar finamente o modelo de fundação em um corpus de documentos bilíngues da empresa.

O ajuste fino (fine-tuning) retreina os pesos do modelo em documentos bilíngues, um processo lento e custoso que exige corpora paralelos curados e nova implantação, contradizendo o requisito de mínimo esforço e rapidez. É tentador porque o ajuste fino realmente adapta um modelo à terminologia específica do domínio, e serviria para cenários onde nenhum glossário existe e grandes volumes de pares de tradução rotulados já estão disponíveis.

D

Incorreta

Mudar para o Amazon Translate com terminologia personalizada.

O Amazon Translate é um serviço separado, portanto mudar para ele abandona o fluxo de trabalho existente baseado no modelo de fundação do Bedrock e exige nova integração em vez de uma mudança rápida de configuração. É tentador porque a terminologia personalizada foi projetada precisamente para impor mapeamentos de glossário, e seria correta se a carga de trabalho fosse de tradução pura sem qualquer dependência do Bedrock.

Para se aprofundar

Escolher como adaptar um modelo de fundação envolve um equilíbrio entre esforço, custo e a profundidade com que o comportamento do modelo muda. Em ordem crescente de esforço: engenharia de prompt, que altera as instruções e o contexto em cada solicitação; geração aumentada por recuperação (RAG), que adiciona informações relevantes recuperadas de uma fonte de conhecimento; e ajuste fino (fine-tuning) ou pré-treinamento continuado, que alteram os pesos do modelo com dados de treinamento. Aqui o problema é um glossário conhecido e finito, traduções aprovadas para termos específicos, e o requisito é melhorar rapidamente com o mínimo de esforço. Incluir o glossário no prompt, com instruções como 'Use as seguintes traduções aprovadas para termos da empresa e não traduza nomes de produtos', fornece diretamente ao modelo o que está faltando, sem nenhum treinamento, preparação de dados ou nova infraestrutura. Essa é a opção A. Exemplos de poucos disparos mostrando frases traduzidas corretamente reforçam isso, e um modelo de prompt do Bedrock mantém a consistência. Se o glossário crescer muito, recuperar apenas os termos que aparecem em cada documento mantém os prompts curtos e o custo baixo. O ajuste fino (opção C) precisa de um conjunto de dados bilíngue preparado, tempo de treinamento, custo e throughput provisionado para o modelo personalizado, o que é excessivo para este problema, e ainda assim pode não usar com confiabilidade termos exatos aprovados. Um modelo maior (opção B) entende melhor o idioma, mas ainda não conhece terminologia privada. O Amazon Translate com terminologia personalizada (opção D) é uma forte opção dedicada para tradução orientada por glossário, mas significa substituir a solução existente baseada no Bedrock em vez de melhorá-la, portanto não é a resposta de menor esforço aqui. Para o exame AI Practitioner, comece com engenharia de prompt e passe para RAG ou ajuste fino apenas quando ela se mostrar insuficiente.

Sobre estas questões de prática

Esta é uma das questões de prática originais de AIF-C01 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.