Ngân hàng đề — Google Cloud Generative AI Leader

Tìm thấy 556 câu.

Câu 421 3 Techniques to improve gen AI model output

*What is the main advantage of using role prompting?

  1. A

    A. It influences the style, tone, and focus of the AI's responses by assigning it a specific persona.
  2. B

    B. It allows the AI model to learn from a few examples.
  3. C

    C. It improves the AI model's ability to understand complex questions.
  4. D

    D. It enables complex tasks like planning a business trip itinerary.
Xem giải thích

Đáp án

A — Nó ảnh hưởng tới phong cách, giọng điệu và trọng tâm câu trả lời bằng cách gán cho mô hình một vai cụ thể.

Vì sao đúng

Role prompting đặt mô hình vào một góc nhìn, từ đó thu hẹp cách nó diễn đạt.

⚠ Cùng một câu hỏi, ba vai:

"Giải thích lạm phát"

⚠ "Đóng vai giáo viên tiểu học"
   → ⚠ ví von đơn giản, câu ngắn

⚠ "Đóng vai nhà kinh tế học"
   → ⚠ thuật ngữ chuyên ngành

⚠ "Đóng vai cố vấn tài chính"
   → ⚠ hướng vào tác động lên tiền
     của người nghe

⚠ Nội dung sự thật không đổi — cách trình bày và trọng tâm mới đổi.

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14160 (lô 151) — cùng câu hỏi, cùng bốn phương án.

⚠ Bộ đề ĐÃ ĐỔI CHỮ CÁI: từ chữ C (lô 151) sang chữ A (lô này).

⚠ Đây là câu thứ NĂM trong lô này bị xáo chữ cái. ⚠ Tổng cộng đã có mười lần trong ba lô liên tiếp — đủ để kết luận đây là cách vận hành cố định của bộ đề.

Vì sao các phương án khác sai

  • C (cải thiện khả năng hiểu câu hỏi phức tạp) — ⚠ bẫy tinh vi: gán vai giúp câu trả lời phù hợp hơn, nhưng không làm mô hình hiểu sâu hơn. Muốn xử lý câu hỏi phức tạp thì dùng chain-of-thought.

  • B (cho phép mô hình học từ vài ví dụ) — ⚠ đó là few-shot prompting.

  • D (cho phép làm việc phức tạp như lên lịch trình chuyến công tác) — ⚠ đó là việc của agent với công cụ.

Ghi nhớ

⚠ Bốn kỹ thuật và tác dụng — bảng phải thuộc: | Kỹ thuật | Tác dụng | |---|---| | ⚠ Role prompting | ⚠ phong cách, giọng điệu, trọng tâm — đề này | | Few-shot | ⚠ định dạng và cách làm | | Chain-of-thought | ⚠ chất lượng SUY LUẬN | | Ràng buộc | ⚠ cái phải TRÁNH | | ReAct + công cụ | ⚠ thực hiện việc nhiều bước |

Từ khoá nhận diện:

"Act as…, You are a…" → ⚠ role prompting "đây là ví dụ" → few-shot "suy nghĩ từng bước" → chain-of-thought "gọi API, đặt vé" → agent

⚠ Gán vai hiệu quả thế nào Cách
⚠ Nêu vai CỤ THỂ ⚠ "biên tập viên tạp chí khoa học" hơn "chuyên gia"
⚠ Nêu cả ĐỐI TƯỢNG nghe
Nêu giọng điệu mong muốn
⚠ Kết hợp với ràng buộc ⚠ mạnh hơn dùng riêng
⚠ Giới hạn của gán vai Giới hạn
⚠ KHÔNG thêm kiến thức mô hình không có
⚠ KHÔNG phải cơ chế an toàn ⚠ vai có thể bị prompt sau ghi đè
⚠ Vai có thể mang định kiến
Có thể làm mô hình tự tin quá mức ⚠ giọng chuyên gia ≠ đúng
⚠ Rủi ro với lĩnh vực chuyên môn Rủi ro
⚠ "Đóng vai bác sĩ" không phải tư vấn y tế
⚠ "Đóng vai luật sư" không phải tư vấn pháp lý
⚠ Người dùng cuối dễ tin hơn mức đáng tin
Cách giảm ⚠ luôn ghi rõ đây là nội dung do AI tạo

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Vai có làm đổi nội dung sự thật không | ⚠ so hai đầu ra cùng câu hỏi | | Có tạo cảm giác chuyên môn giả không | | | Vai có bền qua nhiều lượt không | ⚠ thường phải nhắc lại |

Và giới hạn cần nhớ chắc: gán vai đổi cách nói, không đổi cái biết. Bảo mô hình đóng vai chuyên gia không làm nó chính xác hơn — chỉ làm nó nghe chắc chắn hơn, mà đó đôi khi nguy hiểm hơn.

Câu 422 3 Techniques to improve gen AI model output

*Which prompting technique relies entirely on the foundation model's pre-existing knowledge, without any provided examples?

  1. A

    A. Multi-shot prompting
  2. B

    B. One-shot prompting
  3. C

    C. Zero-shot prompting
  4. D

    D. Few-shot prompting
Xem giải thích

Đáp án

C — Zero-shot prompting.

Vì sao đúng

"Zero-shot" nghĩa đen là KHÔNG có ví dụ nào, hoàn toàn dựa vào tri thức mô hình đã học sẵn.

⚠ Bậc thang số ví dụ:

⚠ Zero-shot  → 0 ví dụ
⚠ One-shot   → 1 ví dụ
⚠ Few-shot   → vài ví dụ
⚠ Multi-shot → cách gọi khác của few-shot

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14158 (lô 151) — cùng câu hỏi, cùng bốn phương án.

⚠ Bộ đề ĐÃ ĐỔI CHỮ CÁI: từ chữ B (lô 151) sang chữ C (lô này).

⚠ Đối chiếu quan trọng với #14227 (lô 152): câu đó cho một prompt không có ví dụ nào nhưng khoá lại là few-shot. ⚠ Định nghĩa trong chính câu này ("without ANY provided examples" = zero-shot) mới là định nghĩa chuẩn. ⚠ Đã giữ nguyên cả hai khoá và ghi chú mâu thuẫn ở cả hai bài.

Vì sao các phương án khác sai

  • B (One-shot) — ⚠ có một ví dụ.
  • D (Few-shot) — ⚠ có vài ví dụ.
  • A (Multi-shot) — ⚠ cách gọi khác của few-shot, cũng có nhiều ví dụ.

Ghi nhớ

⚠ Ba bậc và khi nào dùng — bảng phải thuộc: | Bậc | Số ví dụ | Dùng khi | |---|---|---| | ⚠ Zero-shot | ⚠ 0 | ⚠ việc phổ thông — đề này | | One-shot | ⚠ 1 | ⚠ cần chỉ rõ ĐỊNH DẠNG | | ⚠ Few-shot | ⚠ vài | ⚠ việc đặc thù, cần bắt chước phong cách |

Từ khoá nhận diện:

"không ví dụ, dựa hoàn toàn tri thức sẵn có" → ⚠ zero-shot "đây là một mẫu" → one-shot "đây là vài mẫu" → ⚠ few-shot = multi-shot "suy nghĩ từng bước" → ⚠ chain-of-thought — khác nhóm

⚠ Khi nào zero-shot là đủ Khi nào
⚠ Việc phổ thông ⚠ tóm tắt, dịch, phân loại cảm xúc
⚠ Không cần định dạng đặc biệt
Muốn prompt ngắn, rẻ
⚠ Khi KHÔNG đủ ⚠ nhãn riêng công ty, định dạng nghiêm ngặt
⚠ Few-shot THẬT trông thế nào Ví dụ
⚠ "Vui → 😊"
⚠ "Buồn → 😢"
⚠ "Giận → ?" ⚠ ĐÓ mới là few-shot
Điểm chung ⚠ có CẶP đầu vào – đầu ra làm mẫu
⚠ Cung cấp ngữ cảnh ⚠ KHÔNG phải few-shot theo nghĩa chặt
⚠ Thứ tự nên thử Thứ tự
⚠ 1. Zero-shot ⚠ rẻ nhất
2. Thêm ràng buộc và vai
⚠ 3. Few-shot
4. RAG nếu cần dữ liệu riêng
⚠ 5. Fine-tune ⚠ đắt nhất

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Zero-shot đã đủ chưa | ⚠ thử trước khi thêm ví dụ | | Ví dụ few-shot có đại diện không | ⚠ kể cả ca khó | | Prompt dài thêm tốn bao nhiêu | ⚠ nhân với số lượt gọi |

Và nguyên tắc thực dụng: bắt đầu từ zero-shot, chỉ leo lên khi ĐO được là chưa đủ. Rất nhiều đội dán năm ví dụ vào mọi prompt suốt cả năm mà chưa từng thử bỏ chúng ra xem kết quả có kém đi thật không.

Câu 423 3 Techniques to improve gen AI model output

*You're drafting a proposal for a new client and want to ensure your writing is clear, concise, and persuasive. How can Gemini in Google Docs assist you in this task?

  1. A

    A. Gemini in Docs can analyze your proposal's content and automatically generate relevant visuals like charts and graphs to enhance its impact.
  2. B

    B. Gemini in Docs can predict the client's response to your proposal based on their past interactions.
  3. C

    C. Gemini in Docs can provide suggestions for improving your writing style, grammar, and tone, and even generate different phrasing options to enhance your message.
  4. D

    D. Gemini in Docs can automatically assign tasks to team members based on their roles on the client project.
Xem giải thích

Đáp án

C — Gemini trong Docs có thể gợi ý cải thiện văn phong, ngữ pháp và giọng điệu, thậm chí sinh các cách diễn đạt khác nhau để tăng sức thuyết phục.

Vì sao đúng

Đề nêu ba mục tiêu về chất lượng viết: rõ ràng, súc tích, thuyết phục. Đó đúng là những gì trợ lý viết trong Docs hỗ trợ.

⚠ Ghép từng mục tiêu:

"rõ ràng"
    → ⚠ gợi ý viết lại câu dài dòng

"súc tích"
    → ⚠ rút gọn, bỏ từ thừa

"thuyết phục"
    → ⚠ đề xuất cách diễn đạt mạnh hơn
    → ⚠ điều chỉnh giọng điệu

Vì sao các phương án khác sai

Cả ba đều mô tả năng lực không phải của công cụ này:

  • A (phân tích nội dung và TỰ ĐỘNG SINH biểu đồ minh hoạ) — ⚠ bẫy hợp lý nhất: nghe rất tiện. Nhưng ⚠ sinh biểu đồ từ nội dung đề xuất không phải chức năng của trợ lý viết trong Docs; muốn có biểu đồ thì phải có dữ liệu và dùng công cụ khác.

  • B (dự đoán phản ứng của khách hàng dựa trên tương tác trước đây) — ⚠ đó là ML dự báo trên dữ liệu CRM, không phải trợ lý soạn thảo.

  • D (tự động giao việc cho thành viên theo vai trò) — ⚠ đó là công cụ quản lý dự án.

Ghi nhớ

⚠ Gemini for Workspace làm gì trong từng ứng dụng — bảng phải thuộc: | Ứng dụng | Việc | |---|---| | ⚠ Docs | ⚠ soạn, viết lại, tóm tắt, đổi giọng — đề này | | Gmail | ⚠ soạn thư, tóm tắt luồng thư | | Slides | ⚠ dàn ý, nội dung, ảnh minh hoạ | | Sheets | ⚠ sinh bảng, phân loại, công thức | | Meet | ⚠ phụ đề dịch, ghi chú, tóm tắt |

Từ khoá nhận diện:

"văn phong, ngữ pháp, giọng điệu, diễn đạt" → ⚠ trợ lý viết trong Docs "biểu đồ từ dữ liệu" → Sheets / Looker "dự đoán hành vi khách" → ML dự báo "giao việc, theo dõi tiến độ" → công cụ quản lý dự án

⚠ Dùng cho đề xuất khách hàng — lưu ý Lưu ý
⚠ Kiểm mọi con số và cam kết ⚠ AI có thể viết trôi chảy điều sai
⚠ Đừng để AI hứa thay bạn ⚠ cam kết là ràng buộc pháp lý
⚠ Giữ giọng thương hiệu
Người duyệt trước khi gửi
⚠ Cẩn thận thông tin bảo mật của khách
⚠ AI giúp được và không giúp được gì khi viết Giúp/Không
⚠ GIÚP: câu dài dòng → gọn
⚠ GIÚP: đổi giọng cho phù hợp người đọc
⚠ GIÚP: nhiều phương án diễn đạt
⚠ KHÔNG: biết khách hàng thật sự quan tâm gì ⚠ phần đó là của bạn
KHÔNG: thay được lập luận yếu ⚠ viết hay không cứu được ý tệ

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Con số và cam kết có đúng không | ⚠ kiểm từng cái | | Giọng có đúng với khách này không | ⚠ AI không biết mối quan hệ của bạn | | Có lộ thông tin khách khác không | ⚠ cẩn thận khi tái sử dụng mẫu |

Và giới hạn thực tế của trợ lý viết: nó cải thiện CÁCH nói, không cải thiện ĐIỀU bạn nói. Một đề xuất có lập luận yếu được viết lại cho mượt vẫn là một đề xuất yếu — chỉ là bây giờ khách hàng mất lâu hơn để nhận ra.

Câu 424 3 Techniques to improve gen AI model output

*What is the primary function of Retrieval-Augmented Generation (RAG) in AI models?

  1. A

    A. To enhance the AI model's ability to memorize vast amounts of information.
  2. B

    B. To replace human intervention in the AI model's output generation process.
  3. C

    C. To enable the AI model to access and utilize external knowledge sources for generating outputs.
  4. D

    D. To restrict the AI model's output to a predefined set of responses.
Xem giải thích

Đáp án

C — Cho phép mô hình truy cập và sử dụng nguồn tri thức BÊN NGOÀI để sinh ra đầu ra.

Vì sao đúng

Chữ "retrieval-augmented" nghĩa là được tăng cường bằng truy hồi — mô hình đi lấy thông tin từ nguồn ngoài trước khi trả lời.

⚠ Cơ chế:

Câu hỏi
    → ⚠ TRUY HỒI từ nguồn ngoài
    → ⚠ ghép vào prompt
    → ⚠ SINH câu trả lời dựa trên đó
    → ⚠ kèm trích dẫn

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14187 (lô 151), đã ĐỔI CHỮ CÁI: từ chữ B sang chữ C.

⚠ Đây là câu thứ SÁU trong lô này bị xáo chữ cái (sau #14263, #14267, #14270, #14275, #14276).

Vì sao các phương án khác sai

  • A (tăng khả năng GHI NHỚ lượng lớn thông tin) — ⚠ bẫy mạnh nhất và là hiểu lầm phổ biến: RAG KHÔNG làm mô hình nhớ thêm gì. Thông tin nằm ngoài mô hình, đưa vào từng lần gọi.

  • D (giới hạn đầu ra vào tập câu trả lời định sẵn) — ⚠ đó là hệ thống theo kịch bản.

  • B (thay thế sự can thiệp của con người) — ⚠ không phải mục đích của RAG; việc rủi ro cao vẫn cần HITL.

Ghi nhớ

⚠ RAG là gì và không là gì — bảng phải thuộc: | RAG LÀ | RAG KHÔNG LÀ | |---|---| | ⚠ Truy hồi rồi mới sinh | ⚠ thay đổi trọng số | | ⚠ Kiến thức nằm ngoài mô hình | ⚠ làm mô hình "nhớ" thêm | | ⚠ Cập nhật bằng cách sửa tài liệu | ⚠ giới hạn vào câu định sẵn | | Trích dẫn được nguồn | ⚠ thay thế con người |

Từ khoá nhận diện:

"truy cập nguồn ngoài, tài liệu riêng" → ⚠ RAG "mở rộng trí nhớ / tham số" → ⚠ mô tả SAI "câu trả lời định sẵn" → ⚠ hệ kịch bản

⚠ Bốn bước kỹ thuật của RAG Bước
⚠ Cắt tài liệu thành đoạn
⚠ Sinh embedding, lập chỉ mục
⚠ Tìm đoạn gần nghĩa với câu hỏi
⚠ Ghép vào prompt rồi sinh
Chất lượng phụ thuộc ⚠ bước TRUY HỒI nhiều hơn bước sinh
⚠ RAG hỏng ở đâu Chỗ hỏng
⚠ Truy hồi nhầm đoạn ⚠ nguyên nhân số một
⚠ Tài liệu nguồn sai hoặc cũ
Đoạn cắt mất ngữ cảnh
⚠ Kết luận ⚠ chất lượng RAG = chất lượng TRUY HỒI + chất lượng NGUỒN

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Xem được đoạn nào đã truy hồi không | ⚠ gỡ lỗi RAG phải nhìn vào đây | | Hỏi ngoài kho thì mô hình nói gì | ⚠ phải nói không biết | | Tài liệu nguồn ai duyệt | |

Và cách hiểu RAG dễ nhớ nhất: giống việc đưa cho một người thông minh vài trang tài liệu rồi bảo trả lời dựa trên đó. Người đó không học thuộc, không thông minh hơn — chỉ là bây giờ có cơ sở để trả lời đúng.

Câu 425 3 Techniques to improve gen AI model output

*Which of the following scenarios best illustrates the concept of a multi-agent system in the context of generative AI?

  1. A

    A. A system where multiple specialized AI agents collaborate to achieve a complex goal, such as booking a trip.
  2. B

    B. A single AI agent capable of performing multiple tasks, such as writing emails and summarizing documents.
  3. C

    C. An AI agent that can be customized with different parameters to adapt to different tasks.
  4. D

    D. An AI agent that uses multiple tools, like a database and a web search API, to complete a task.
Xem giải thích

Đáp án

A — Hệ thống trong đó NHIỀU agent chuyên biệt phối hợp với nhau để đạt một mục tiêu phức tạp, ví dụ đặt trọn một chuyến đi.

Vì sao đúng

"Multi-agent" đòi hỏi nhiều agent, mỗi agent có chuyên môn riêng, và chúng phối hợp.

⚠ Ví dụ đặt chuyến đi:

⚠ Agent điều phối — chia việc
⚠ Agent chuyến bay — tìm và đặt vé
⚠ Agent khách sạn — tìm và đặt phòng
⚠ Agent lịch trình — sắp xếp hoạt động
        ↓
⚠ Kết quả tổng hợp lại

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14177 (lô 151), đã ĐỔI CHỮ CÁI: từ chữ C sang chữ A.

⚠ Câu thứ BẢY trong lô này bị xáo chữ cái. ⚠ Tổng cộng mười hai lần trong ba lô liên tiếp — đây là quy luật, không phải ngoại lệ.

Vì sao các phương án khác sai

  • D (một agent dùng NHIỀU CÔNG CỤ như CSDL và API tìm kiếm) — ⚠ bẫy mạnh nhất: đây là một agent có nhiều công cụ. ⚠ Nhiều công cụ ≠ nhiều agent.

  • B (một agent làm được nhiều việc) — ⚠ vẫn là MỘT agent đa năng.

  • C (một agent tuỳ chỉnh được bằng tham số khác nhau) — ⚠ nói về cấu hình.

Ghi nhớ

⚠ Ba mức phức tạp — bảng phải thuộc: | Mức | Đặc điểm | |---|---| | Mô hình đơn | ⚠ một lượt hỏi đáp | | ⚠ Một agent | ⚠ vòng lặp suy luận + nhiều CÔNG CỤ | | ⚠ Đa tác nhân | ⚠ nhiều AGENT chuyên biệt phối hợp — đề này |

Từ khoá nhận diện:

"nhiều agent, phối hợp, chuyên biệt" → ⚠ multi-agent "một agent dùng nhiều công cụ" → ⚠ agent thường "agent đa năng" → ⚠ vẫn là một agent

⚠ Mẫu hình phối hợp Mẫu hình
⚠ Điều phối viên – chuyên gia ⚠ một agent chia việc cho agent con
Tuần tự ⚠ đầu ra agent này là đầu vào agent kia
⚠ Song song ⚠ nhiều agent làm cùng lúc rồi gộp
Tranh luận ⚠ các agent phản biện nhau
⚠ Cái giá của đa tác nhân Cái giá
⚠ Chi phí nhân lên ⚠ mỗi agent nhiều lượt gọi mô hình
⚠ Độ trễ cộng dồn
⚠ Lỗi lan truyền ⚠ agent đầu sai thì cả chuỗi sai
Khó gỡ lỗi
⚠ Nguyên tắc ⚠ bắt đầu bằng MỘT agent, chỉ tách khi thật cần
⚠ Khi nào đa tác nhân xứng đáng Khi nào
⚠ Nhiệm vụ con thật sự khác nhau
⚠ Cần chạy song song để giảm thời gian
⚠ Cần cách ly quyền ⚠ agent đặt vé không cần quyền đọc hồ sơ nhân sự

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Có thật sự cần nhiều agent không | ⚠ thử một agent trước | | Chi phí mỗi yêu cầu bao nhiêu | ⚠ cộng hết các lượt gọi | | Agent nào gây lỗi khi kết quả sai | ⚠ cần ghi vết từng agent |

Và ranh giới cần thuộc: công cụ là thứ agent GỌI, agent là thứ biết TỰ QUYẾT ĐỊNH. Một agent cầm mười công cụ vẫn là một agent; hai agent mỗi bên cầm một công cụ mới là hệ đa tác nhân.

Câu 426 3 Techniques to improve gen AI model output

*What are the key steps in planning for impact when implementing generative AI solutions?

  1. A

    A. Prioritize AI capabilities without considering ethical implications.
  2. B

    B. Focus on technology adoption and assume positive impact will follow.
  3. C

    C. Collect and analyze data with a focus on short-term goals in the beginning.
  4. D

    D. Define key metrics, collect and analyze data, and iterate and improve.
Xem giải thích

Đáp án

D — Định nghĩa các chỉ số then chốt, thu thập và phân tích dữ liệu, rồi lặp lại để cải tiến.

Vì sao đúng

Ba bước này tạo thành vòng lặp đo lường và cải tiến — cách duy nhất biết được giải pháp có tạo tác động thật hay không.

⚠ Ba bước:

⚠ 1. ĐỊNH NGHĨA CHỈ SỐ
   → ⚠ TRƯỚC khi bắt đầu
   → ⚠ có đường nền để so

⚠ 2. THU THẬP VÀ PHÂN TÍCH
   → ⚠ số liệu thật, không cảm tính

⚠ 3. LẶP LẠI VÀ CẢI TIẾN
   → ⚠ không đúng thì đổi hướng

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14190 (lô 151) — cùng câu hỏi, cùng bốn phương án, đáp án vẫn ở chữ D.

⚠ Trong cùng lô này đã có bảy câu bị đổi chữ cái, nên việc câu này giữ nguyên vị trí là ngẫu nhiên. ⚠ Không suy ra quy luật nào.

Vì sao các phương án khác sai

  • B (tập trung áp dụng công nghệ và GIẢ ĐỊNH tác động tích cực sẽ tới) — ⚠ bẫy phổ biến nhất trong thực tế: triển khai xong rồi tin là có ích mà không đo.

  • C (thu thập và phân tích dữ liệu, tập trung mục tiêu NGẮN HẠN ngay từ đầu) — ⚠ thiếu bước định nghĩa chỉ số, và chỉ nhìn ngắn hạn dễ bỏ lỡ tác động thật.

  • A (ưu tiên năng lực AI mà KHÔNG xét hàm ý đạo đức) — ⚠ bỏ qua rủi ro.

Ghi nhớ

⚠ Vòng lặp đo tác động — bảng phải thuộc: | Bước | Việc | |---|---| | ⚠ 1. Định nghĩa chỉ số | ⚠ TRƯỚC khi triển khai | | ⚠ 2. Đo đường nền | ⚠ không có thì không so được | | 3. Triển khai | | | ⚠ 4. Thu thập và phân tích | | | ⚠ 5. Lặp lại | ⚠ cải tiến hoặc dừng |

Từ khoá nhận diện:

"định nghĩa chỉ số, đo, lặp" → ⚠ cách làm đúng "giả định tác động sẽ tới" → ⚠ sai lầm phổ biến nhất "bỏ qua đạo đức" → ⚠ luôn sai

⚠ Chọn chỉ số thế nào Cách
⚠ Chỉ số NGHIỆP VỤ, không phải chỉ số mô hình
⚠ Đo được và có đường nền
⚠ Kèm chỉ số ĐỐI TRỌNG ⚠ tránh tối ưu lệch
Có người chịu trách nhiệm
⚠ Tránh ⚠ chỉ số dễ đẹp mà vô nghĩa như "số lượt dùng"
⚠ Sẵn sàng cho kết quả âm Sẵn sàng
⚠ Có thể giải pháp KHÔNG hiệu quả
⚠ Biết sớm là tiết kiệm ⚠ dừng đúng lúc cũng là thành công
Đừng đổi chỉ số cho vừa kết quả ⚠ cạm bẫy hay gặp
⚠ Ghi lại bài học

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Đã đo đường nền chưa | ⚠ trước khi triển khai | | Chỉ số có phản ánh giá trị thật không | | | Có chỉ số đối trọng không | |

Và câu hỏi nên đặt ra ngay ngày đầu dự án: "sáu tháng nữa, con số nào cho biết việc này đáng làm?" Không trả lời được thì cũng sẽ không bảo vệ được ngân sách khi tới lúc.

Câu 427 2 Google Cloud’s gen AI offerings

*To improve the efficiency of human agents in a call center, a company wants to provide them with real-time AI assistance during live calls. This assistance should include suggesting answers, providing relevant knowledge articles, and summarizing call details. Which Google Cloud capability from its Customer Engagement Suite would directly support this?

  1. A

    A. Conversational Insights for post-call analytics
  2. B

    B. Vertex AI Search for general document retrieval
  3. C

    C. Agent Assist
  4. D

    D. AutoML with sentiment analysis
Xem giải thích

Đáp án

C — Agent Assist.

Vì sao đúng

Đề nêu rõ đối tượng là NHÂN VIÊN TỔNG ĐÀI ĐANG TRỰC CUỘC GỌI, và cần hỗ trợ theo thời gian thực.

⚠ Ghép từng yêu cầu:

"hỗ trợ nhân viên NGAY TRONG
 cuộc gọi trực tiếp"
    → ⚠ thời gian thực, cho NHÂN VIÊN

"gợi ý câu trả lời"
    → ⚠ Agent Assist gợi ý ngay

"cung cấp bài viết tri thức liên quan"
    → ⚠ tự tìm trong knowledge base

"tóm tắt chi tiết cuộc gọi"
    → ⚠ giảm việc ghi chép sau gọi

⚠ Điểm phân biệt cốt lõi: Agent Assist phục vụ NGƯỜI, không phải thay người.

Vì sao các phương án khác sai

  • A (Conversational Insights cho phân tích SAU cuộc gọi) — ⚠ bẫy gần nhất: cùng bộ sản phẩm, nhưng ⚠ phân tích SAU KHI cuộc gọi kết thúc — không giúp nhân viên đang trực.

  • B (Vertex AI Search cho truy xuất tài liệu chung) — ⚠ có thể tìm tài liệu, nhưng ⚠ không tích hợp vào luồng cuộc gọi, không gợi ý theo ngữ cảnh hội thoại đang diễn ra.

  • D (AutoML với phân tích cảm xúc) — ⚠ chỉ cho ra nhãn cảm xúc, không gợi ý câu trả lời.

Ghi nhớ

⚠ Customer Engagement Suite — bảng phải thuộc: | Thành phần | Phục vụ ai | Khi nào | |---|---|---| | ⚠ Agent Assist | ⚠ NHÂN VIÊN | ⚠ TRONG cuộc gọi — đề này | | Conversational Agents | ⚠ KHÁCH HÀNG | ⚠ thay nhân viên ở việc đơn giản | | Conversational Insights | ⚠ QUẢN LÝ | ⚠ SAU cuộc gọi | | CCaaS | ⚠ cả tổng đài | ⚠ nền tảng bao trùm |

Từ khoá nhận diện:

"hỗ trợ nhân viên đang trực, thời gian thực" → ⚠ Agent Assist "bot trả lời khách" → ⚠ Conversational Agents "phân tích sau cuộc gọi, chất lượng" → ⚠ Conversational Insights "hợp nhất nhiều kênh" → CCaaS

⚠ Agent Assist làm được gì Việc
⚠ Gợi ý câu trả lời theo ngữ cảnh
⚠ Tìm bài viết tri thức liên quan
⚠ Phiên âm cuộc gọi thời gian thực
⚠ Tóm tắt tự động sau gọi ⚠ giảm thời gian ghi chép
Gợi ý bước tiếp theo
⚠ Giá trị nghiệp vụ đo được Giá trị
⚠ Rút ngắn thời gian xử lý
⚠ Nhân viên mới lên tay nhanh hơn ⚠ giá trị lớn nhất, hay bị bỏ qua
⚠ Câu trả lời nhất quán hơn
Giảm thời gian ghi chép sau gọi
⚠ Đo bằng ⚠ thời gian xử lý, tỷ lệ giải quyết lần đầu, CSAT
⚠ Lưu ý khi triển khai Lưu ý
⚠ Gợi ý phải NHANH ⚠ chậm là nhân viên bỏ qua
⚠ Nhân viên vẫn quyết định cuối ⚠ không bắt đọc nguyên văn
⚠ Cơ sở tri thức phải cập nhật ⚠ gợi ý theo tài liệu cũ là sai
Ghi âm và phiên âm ⚠ phải báo cho khách
⚠ Đừng biến thành công cụ giám sát nhân viên ⚠ gây phản ứng ngược

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Nhân viên có thật sự dùng gợi ý không | ⚠ đo tỷ lệ chấp nhận | | Gợi ý xuất hiện sau bao lâu | ⚠ chậm là vô dụng | | Cơ sở tri thức cập nhật lần cuối khi nào | |

Và điểm phân biệt cả nhóm sản phẩm này chỉ bằng một câu hỏi: ai là người NHÌN vào màn hình? Nhân viên đang trực thì Agent Assist; khách hàng thì Conversational Agents; quản lý xem báo cáo thì Insights.

Câu 428 2 Google Cloud’s gen AI offerings

A data science team needs a unified platform to manage the entire machine learning lifecycle, from data preparation and model training to deployment and monitoring. They work with various types of models, including custom-trained and pre-trained ones. Which Google Cloud offering serves as a comprehensive MLOps platform?

  1. A

    A. Google AI Studio
  2. B

    B. BigQuery ML
  3. C

    C. Vertex AI Platform
  4. D

    D. Cloud Functions
Xem giải thích

Đáp án

C — Vertex AI Platform.

Vì sao đúng

Đề nêu ba yêu cầu, và Vertex AI đáp ứng cả ba:

⚠ Ba yêu cầu:

"nền tảng THỐNG NHẤT quản lý
 TOÀN BỘ vòng đời ML"
    → ⚠ từ dữ liệu tới giám sát

"chuẩn bị dữ liệu, huấn luyện,
 triển khai, giám sát"
    → ⚠ bốn giai đoạn trong một nơi

"nhiều LOẠI mô hình: tự huấn luyện
 và có sẵn"
    → ⚠ hỗ trợ cả hai

⚠ Gần trùng với #14200 (lô 151) và #14224 (lô 152) — ba câu cùng hỏi nền tảng MLOps, cùng khoá Vertex AI.

Vì sao các phương án khác sai

  • A (Google AI Studio) — ⚠ bẫy gần nhất: nơi thử prompt rất tốt, nhưng ⚠ không quản lý vòng đời MLOps, không có giám sát, không có quản lý phiên bản mô hình.

  • B (BigQuery ML) — ⚠ cho phép huấn luyện mô hình bằng SQL trong kho dữ liệu. Hữu ích nhưng ⚠ không phải nền tảng MLOps đầy đủ và không phục vụ mô hình tuỳ chỉnh phức tạp.

  • D (Cloud Functions) — ⚠ chạy hàm nhỏ theo sự kiện, không liên quan.

Ghi nhớ

⚠ Vertex AI theo vòng đời — bảng phải thuộc: | Giai đoạn | Thành phần | |---|---| | Dữ liệu | ⚠ Feature Store, Datasets | | Phát triển | ⚠ Workbench, Colab Enterprise | | Huấn luyện | ⚠ Training, AutoML, Vizier | | Đánh giá | ⚠ Model Evaluation | | Quản lý | ⚠ Model Registry | | Triển khai | ⚠ Prediction, Endpoints | | Giám sát | ⚠ Model Monitoring | | Tự động hoá | ⚠ Pipelines |

Từ khoá nhận diện:

"toàn bộ vòng đời, MLOps, thống nhất" → ⚠ Vertex AI Platform "thử prompt nhanh" → AI Studio "ML bằng SQL" → BigQuery ML "chạy hàm theo sự kiện" → Cloud Functions

⚠ Khi nào BigQuery ML là lựa chọn tốt Khi nào
⚠ Dữ liệu đã ở BigQuery
⚠ Đội biết SQL, không biết Python
⚠ Bài toán bảng: hồi quy, phân loại, dự báo
⚠ Không muốn di chuyển dữ liệu
Giới hạn ⚠ không thay được nền tảng MLOps đầy đủ
⚠ Vì sao cần nền tảng THỐNG NHẤT Lý do
⚠ Tránh mỗi đội xây lại từ đầu
⚠ Tái sử dụng đặc trưng và thành phần
⚠ Quản trị và ghi vết một chỗ
Bàn giao được giữa các đội
⚠ Đo lợi ích bằng ⚠ thời gian từ ý tưởng tới sản xuất

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Có bao nhiêu pipeline làm cùng một việc | ⚠ đo mức trùng lặp | | Biết mô hình đang chạy phiên bản nào không | | | Có giám sát sau triển khai chưa | ⚠ bước hay bị bỏ nhất |

Và điều thường bị đánh giá thấp khi hợp nhất nền tảng ML: phần khó không phải kỹ thuật mà là thói quen. Mỗi đội đã có cách làm chạy được, nên lợi ích của nền tảng chung phải đo được thì họ mới chịu đổi.

Câu 429 3 Techniques to improve gen AI model output

What is the primary purpose of Google's Secure AI Framework (SAIF) for organizations developing and deploying AI systems on Google Cloud?

  1. A

    A. To provide a prescriptive set of open-source AI models that all customers must use.
  2. B

    B. To offer a set of best practices and recommendations to help organizations build and deploy AI securely and responsibly across the entire ML lifecycle.
  3. C

    C. To automatically guarantee that any AI model deployed on Google Cloud will be 100% immune to all possible attacks.
  4. D

    D. To enforce strict limitations on the types of data that can be used for training AI models.
Xem giải thích

Đáp án

B — Cung cấp một bộ thực hành tốt và khuyến nghị giúp tổ chức xây dựng và triển khai AI một cách an toàn và có trách nhiệm, xuyên suốt toàn bộ vòng đời ML.

Vì sao đúng

SAIF là khung hướng dẫn, không phải sản phẩm cũng không phải lời bảo đảm.

⚠ Ba đặc điểm trong phương án B:

⚠ "bộ thực hành tốt và KHUYẾN NGHỊ"
   → ⚠ hướng dẫn, không bắt buộc kỹ thuật

⚠ "an toàn VÀ có trách nhiệm"
   → ⚠ bao cả bảo mật lẫn triển khai đúng

⚠ "TOÀN BỘ vòng đời ML"
   → ⚠ từ dữ liệu tới vận hành

⚠ Gần trùng với #14167 (lô 151) và #14230 (lô 152) — ba câu cùng về SAIF, cùng hướng khoá.

Vì sao các phương án khác sai

  • C (tự động BẢO ĐẢM mọi mô hình triển khai trên Google Cloud MIỄN NHIỄM 100% với MỌI cuộc tấn công) — ⚠ bất khả thi và là dấu hiệu phương án sai: ⚠ không khung nào bảo đảm miễn nhiễm tuyệt đối. Từ "guarantee" và "100%" gần như luôn báo hiệu phương án sai.

  • A (cung cấp bộ mô hình mã nguồn mở BẮT BUỘC mọi khách hàng phải dùng) — ⚠ sai hoàn toàn: SAIF là khung hướng dẫn, không ép dùng mô hình nào.

  • D (áp giới hạn nghiêm ngặt lên loại dữ liệu được dùng huấn luyện) — ⚠ hiểu sai: SAIF khuyến nghị kiểm soát, không cấm loại dữ liệu.

Ghi nhớ

⚠ Bốn khung hay bị nhầm — bảng phải thuộc: | Khung | Trả lời câu hỏi | |---|---| | ⚠ SAIF | ⚠ "xây và chạy AI an toàn thế nào" — đề này | | AI Principles | ⚠ "hệ thống có gây hại không" | | Well-Architected | ⚠ "thiết kế hệ thống đám mây tốt ra sao" | | Shared Responsibility | ⚠ "ai lo phần nào" |

Từ khoá nhận diện:

"thực hành tốt, khuyến nghị, vòng đời ML" → ⚠ SAIF "công bằng, thiên lệch" → ⚠ AI Principles "guarantee, 100%, miễn nhiễm" → ⚠ luôn SAI "bắt buộc dùng mô hình X" → ⚠ luôn SAI

⚠ Mối đe doạ SAIF nhắm tới Đe doạ
⚠ Đầu độc dữ liệu huấn luyện
⚠ Tiêm prompt trực tiếp và gián tiếp
⚠ Trộm mô hình
⚠ Trích xuất dữ liệu huấn luyện
Đầu vào đối kháng
⚠ Tấn công chuỗi cung ứng mô hình
⚠ Sáu trụ của SAIF Trụ
⚠ Mở rộng nền tảng bảo mật sẵn có sang AI
⚠ Mở rộng phát hiện và phản ứng vào AI
Tự động hoá phòng thủ
⚠ Thống nhất kiểm soát trên toàn nền tảng
⚠ Thích ứng kiểm soát, rút ngắn vòng phản hồi
⚠ Đặt rủi ro AI trong quy trình rủi ro NGHIỆP VỤ
⚠ Vì sao "bảo đảm 100%" luôn sai Lý do
⚠ Không hệ thống nào an toàn tuyệt đối
⚠ Đe doạ mới xuất hiện liên tục
⚠ Bảo mật là QUÁ TRÌNH, không phải trạng thái
Trách nhiệm chia sẻ ⚠ nhà cung cấp lo phần của họ, bạn lo phần của bạn

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Đã red team hệ thống AI chưa | ⚠ thử tấn công chính mình | | Mô hình tải về từ nguồn nào | ⚠ kiểm chữ ký và nguồn gốc | | Rủi ro AI có nằm trong đăng ký rủi ro chung không | ⚠ trụ thứ sáu của SAIF |

Và cách nhớ vị trí của SAIF: nó là danh sách việc phải làm, không phải cái khiên tự động. Có SAIF mà không thực hiện thì cũng như có sách hướng dẫn an toàn lao động để trong ngăn kéo.

Câu 430 3 Techniques to improve gen AI model output

*What is the primary purpose of grounding in generative AI?

  1. A

    A. To increase the speed and efficiency of AI model training.
  2. B

    B. To reduce the cost of deploying AI applications.
  3. C

    C. To improve the AI's ability to generate creative content.
  4. D

    D. To connect the AI's output to verifiable sources of information.
Xem giải thích

Đáp án

D — Để nối đầu ra của AI với các nguồn thông tin KIỂM CHỨNG ĐƯỢC.

Vì sao đúng

Grounding nghĩa đen là cắm rễ xuống đất — buộc câu trả lời của mô hình phải dựa trên nguồn có thật, thay vì sinh ra từ mẫu hình đã học.

⚠ Hai vế của grounding:

⚠ NỐI với nguồn
   → ⚠ truy hồi tài liệu liên quan
   → ⚠ mô hình trả lời dựa trên đó

⚠ KIỂM CHỨNG ĐƯỢC
   → ⚠ có TRÍCH DẪN
   → ⚠ người dùng mở ra đối chiếu được

⚠ Chữ "verifiable" là chìa khoá: grounding không chỉ làm câu trả lời đúng hơn, mà còn làm nó kiểm tra được.

Vì sao các phương án khác sai

  • C (cải thiện khả năng sinh nội dung SÁNG TẠO) — ⚠ ngược hẳn: grounding RÀNG BUỘC mô hình vào tài liệu, tức là giảm tự do sáng tạo. Đó là tính năng, không phải khiếm khuyết.

  • A (tăng tốc độ và hiệu quả huấn luyện) — ⚠ grounding tác động lúc suy luận, không liên quan tới huấn luyện.

  • B (giảm chi phí triển khai) — ⚠ thực ra grounding thêm một bước truy hồi, có thể tăng chi phí và độ trễ.

Ghi nhớ

⚠ Grounding — bảng phải thuộc: | Khía cạnh | Nội dung | |---|---| | ⚠ Mục đích | ⚠ nối đầu ra với nguồn kiểm chứng được — đề này | | ⚠ Kết quả | ⚠ giảm ảo giác, có trích dẫn | | ⚠ Cách làm | ⚠ RAG, Google Search grounding, Maps grounding | | Đánh đổi | ⚠ giảm sáng tạo, thêm độ trễ |

Từ khoá nhận diện:

"kiểm chứng được, nguồn, trích dẫn" → ⚠ grounding "sáng tạo hơn" → ⚠ grounding làm GIẢM "huấn luyện nhanh hơn" → ⚠ không liên quan

⚠ Ba nguồn grounding Nguồn
⚠ Tài liệu nội bộ ⚠ Vertex AI Search
⚠ Web công khai ⚠ Google Search grounding
⚠ Dữ liệu địa điểm ⚠ Google Maps grounding
Chọn theo ⚠ ai DUY TRÌ dữ liệu đó
⚠ Grounding vẫn có giới hạn Giới hạn
⚠ Truy hồi nhầm đoạn vẫn ra câu sai
⚠ Nguồn sai thì trả lời sai CÓ TRÍCH DẪN ⚠ nguy hiểm hơn
⚠ Mô hình có thể diễn giải lệch
Vì thế ⚠ GIẢM chứ không TRIỆT TIÊU ảo giác
⚠ Khi nào KHÔNG nên grounding Khi nào
⚠ Cần động não ý tưởng mới ⚠ grounding bó hẹp
Cần phong cách, giọng văn ⚠ đó là fine-tuning
⚠ Không có kho tài liệu đáng tin ⚠ nguồn rác cho kết quả rác

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Có hiện trích dẫn cho người dùng không | ⚠ không hiện thì mất nửa giá trị | | Trích dẫn có trỏ đúng chỗ không | ⚠ mở ra đối chiếu | | Nguồn có được duy trì không | ⚠ tài liệu cũ là nguyên nhân sai phổ biến nhất |

Và giá trị thật của grounding nằm ở chữ "verifiable": nó không chỉ làm câu trả lời đúng hơn, mà cho người dùng cách tự kiểm tra. Một câu trả lời đúng mà không kiểm được vẫn buộc người dùng phải tin mù quáng.