Ngân hàng đề Google Cloud Generative AI Leader

Câu 451 2 Google Cloud’s gen AI offerings

Which of the following statements best describes the function of a reasoning loop within a generative AI agent?

A
A. It establishes a one-time set of instructions for the agent to follow without deviation.
B
B. It enables the agent to interact with users in a conversational manner, responding to prompts and questions.
C
C. It guides the agent through an iterative process of observation, internal reasoning, and decision-making to solve tasks.
D
D. It restricts the agent's actions to a predefined set of responses, ensuring predictable behavior.

Xem giải thích

Đáp án

C — Nó dẫn dắt agent qua một quá trình LẶP gồm quan sát, suy luận nội bộ và ra quyết định để giải quyết nhiệm vụ.

Vì sao đúng

Vòng lặp suy luận là thứ khiến agent khác một lời gọi mô hình đơn lẻ.

⚠ Ba yếu tố trong định nghĩa:

⚠ QUAN SÁT
   → ⚠ xem kết quả bước trước

⚠ SUY LUẬN NỘI BỘ
   → ⚠ nghĩ xem cần làm gì tiếp

⚠ RA QUYẾT ĐỊNH
   → ⚠ chọn hành động
        ↓
⚠ LẶP LẠI tới khi xong

⚠ Chữ "iterative" là chìa khoá — không phải một lượt rồi thôi.

Vì sao các phương án khác sai

A (thiết lập MỘT LẦN bộ chỉ dẫn để agent theo, không đi chệch) — ⚠ ngược với chữ "lặp": đó là mô tả kịch bản cố định, không phải vòng lặp suy luận.
D (giới hạn hành động vào tập câu trả lời định sẵn, đảm bảo hành vi ĐOÁN TRƯỚC ĐƯỢC) — ⚠ bẫy tinh vi: nghe như ưu điểm. Nhưng ⚠ vòng lặp suy luận làm điều ngược lại — nó cho agent tự quyết, và chính vì thế agent khó đoán hơn.
B (cho phép agent tương tác với người dùng theo kiểu hội thoại) — ⚠ đó là giao diện hội thoại; một chatbot thường cũng làm được mà không có vòng lặp suy luận.

Ghi nhớ

⚠ Vòng lặp ReAct — bảng phải thuộc: | Bước | Nội dung | |---|---| | ⚠ Thought | ⚠ suy nghĩ cần làm gì | | ⚠ Action | ⚠ gọi công cụ | | ⚠ Observation | ⚠ nhận kết quả | | Lặp lại | ⚠ tới khi đạt mục tiêu |

Từ khoá nhận diện:

"lặp, quan sát, suy luận, quyết định" → ⚠ reasoning loop "một lần, không đi chệch" → ⚠ kịch bản cố định "giới hạn vào câu trả lời định sẵn" → ⚠ ngược với agent "hội thoại với người dùng" → ⚠ giao diện, không phải vòng lặp

⚠ Vì sao cần vòng lặp	Lý do
⚠ Nhiệm vụ nhiều bước không biết trước bao nhiêu bước
⚠ Kết quả bước trước quyết định bước sau
⚠ Cần xử lý lỗi giữa chừng	⚠ API hỏng thì thử cách khác
Ví dụ	⚠ tìm chuyến bay → hết chỗ → tìm ngày khác

⚠ Cái giá của vòng lặp	Cái giá
⚠ KHÓ ĐOÁN hơn	⚠ mỗi lần chạy có thể khác
⚠ Có thể rơi vào vòng lặp vô hạn	⚠ cần giới hạn số bước
⚠ Chi phí nhân với số vòng
Khó kiểm thử	⚠ cần ghi vết mọi bước
⚠ Vì thế	⚠ phải đặt trần số bước và trần chi phí

⚠ Kiểm soát cần có	Kiểm soát
⚠ Giới hạn số vòng lặp
⚠ Giới hạn chi phí mỗi yêu cầu
⚠ Quyền tối thiểu cho công cụ
⚠ Ghi vết từng bước	⚠ để gỡ lỗi và giải trình
Xác nhận trước hành động không hoàn tác

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Agent chạy tối đa bao nhiêu vòng | ⚠ phải có trần | | Có ghi lại chuỗi suy luận không | | | Chi phí trung bình mỗi yêu cầu | ⚠ cộng hết các vòng |

Và điều đánh đổi cốt lõi của agent: tự chủ đổi lấy khả năng đoán trước. Vòng lặp suy luận cho agent xử lý được tình huống ngoài kịch bản, nhưng cũng khiến bạn không còn biết chắc nó sẽ làm gì — nên kiểm soát phải nằm ở quyền và giới hạn, không nằm ở việc mong nó cư xử đúng.

Câu 452 2 Google Cloud’s gen AI offerings

*What is the primary distinction between Google AI Studio and Vertex AI Studio in terms of their target users?

A
A. Google AI Studio requires coding experience, while Vertex AI Studio offers a no-code interface for interacting with models.
B
B. Google AI Studio is designed for beginners and experimentation, while Vertex AI Studio caters to professionals and larger-scale projects.
C
C. Google AI Studio is for accessing image generation models, while Vertex AI Studio is for text-based models.
D
D. Google AI Studio is for building custom models, while Vertex AI Studio is for using pre-trained models.

Xem giải thích

Đáp án

B — Google AI Studio dành cho người mới bắt đầu và việc thử nghiệm, còn Vertex AI Studio phục vụ người chuyên nghiệp và dự án quy mô lớn.

Vì sao đúng

Hai công cụ cùng cho thử nghiệm với mô hình Gemini, nhưng khác nhau ở đối tượng và mức độ nghiêm túc của dự án.

⚠ So sánh:

⚠ Google AI Studio
   → ⚠ miễn phí, mở trình duyệt là dùng
   → ⚠ không cần dự án Google Cloud
   → ⚠ NGƯỜI MỚI, làm mẫu thử

⚠ Vertex AI Studio
   → ⚠ nằm trong Google Cloud
   → ⚠ có IAM, VPC, audit log
   → ⚠ SẢN XUẤT, doanh nghiệp

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14175 (lô 151), đã ĐỔI CHỮ CÁI: từ chữ C sang chữ B.

⚠ Lô 153 đã có 13 câu bị xáo chữ cái; lô này tiếp tục ngay từ câu thứ ba. ⚠ Đọc lại toàn bộ phương án dù câu đã rất quen.

Vì sao các phương án khác sai

D (AI Studio để XÂY mô hình tuỳ chỉnh, Vertex AI Studio để DÙNG mô hình sẵn) — ⚠ đảo ngược: AI Studio không xây mô hình tuỳ chỉnh.
A (AI Studio đòi biết lập trình, Vertex AI Studio là no-code) — ⚠ cũng đảo ngược: AI Studio là nơi dễ tiếp cận hơn.
C (AI Studio cho mô hình sinh ảnh, Vertex AI Studio cho mô hình văn bản) — ⚠ sai sự thật: cả hai đều làm việc với mô hình đa phương thức.

Ghi nhớ

⚠ Hai Studio — bảng phải thuộc: | Tiêu chí | Google AI Studio | ⚠ Vertex AI Studio | |---|---|---| | Đối tượng | ⚠ người mới, làm mẫu | ⚠ chuyên nghiệp, doanh nghiệp | | Môi trường | ⚠ web độc lập | ⚠ trong Google Cloud | | ⚠ Quản trị | ⚠ tối thiểu | ⚠ IAM, VPC-SC, audit log | | Tinh chỉnh, triển khai | ⚠ hạn chế | ⚠ đầy đủ |

Từ khoá nhận diện:

"thử nhanh, học, làm mẫu" → ⚠ Google AI Studio "sản xuất, quản trị, bảo mật, quy mô" → ⚠ Vertex AI Studio "dữ liệu doanh nghiệp nhạy cảm" → ⚠ luôn là Vertex AI

⚠ Vì sao không dùng AI Studio cho việc công ty	Lý do
⚠ Thiếu kiểm soát truy cập theo vai trò
⚠ Thiếu nhật ký kiểm toán
⚠ Điều khoản dữ liệu khác bản doanh nghiệp
Không tích hợp VPC, CMEK
⚠ Rủi ro thực tế	⚠ nhân viên dán dữ liệu công ty vào công cụ cá nhân

⚠ Lộ trình điển hình	Bước
⚠ Thử ý tưởng ở AI Studio
⚠ Chứng minh khả thi
⚠ Chuyển sang Vertex AI cho bản thật
Lưu ý	⚠ prompt mang sang được, phần quản trị phải làm lại

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Dữ liệu đang dùng có nhạy cảm không | | | Nhân viên có dùng công cụ cá nhân cho việc công ty không | ⚠ rủi ro phổ biến nhất | | Khi lên sản xuất cần thêm gì | ⚠ IAM, log, giám sát |

Và ranh giới đơn giản: AI Studio là bàn thử nghiệm, Vertex AI Studio là xưởng sản xuất. Cùng làm việc với một mô hình, nhưng mọi thứ bao quanh nó mới là thứ phân biệt.

Câu 453 3 Techniques to improve gen AI model output

*Which parameter in Google AI Studio would you adjust to control the randomness and creativity of Gemini's output?

A
A. Temperature
B
B. Output length
C
C. Token count
D
D. Safety settings

Xem giải thích

Đáp án

A — Temperature.

Vì sao đúng

Temperature điều khiển độ ngẫu nhiên khi mô hình chọn từ tiếp theo.

⚠ Cơ chế:

⚠ Temperature THẤP (0–0,3)
   → ⚠ luôn chọn từ khả dĩ nhất
   → ⚠ ổn định, lặp lại được
   → ⚠ dùng cho: trích xuất, phân loại

⚠ Temperature CAO (0,8–1,0+)
   → ⚠ cho từ xác suất thấp cơ hội
   → ⚠ đa dạng, sáng tạo
   → ⚠ dùng cho: động não, quảng cáo

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14161 (lô 151), đã ĐỔI CHỮ CÁI: từ chữ B sang chữ A.

⚠ Câu thứ hai liên tiếp bị xáo chữ cái trong lô này.

Vì sao các phương án khác sai

B (Output length) — ⚠ bẫy hợp lý: giới hạn ĐỘ DÀI câu trả lời, không ảnh hưởng việc chọn từ nào.
C (Token count) — ⚠ đếm token, dùng để tính chi phí và giới hạn.
D (Safety settings) — ⚠ chặn nội dung có hại, khác chức năng hoàn toàn.

Ghi nhớ

⚠ Các tham số sinh — bảng phải thuộc: | Tham số | Điều khiển | |---|---| | ⚠ Temperature | ⚠ độ ngẫu nhiên / sáng tạo — đề này | | Top-k | ⚠ chỉ xét k từ xác suất cao nhất | | Top-p | ⚠ xét đủ từ để đạt xác suất tích luỹ p | | Max output tokens | ⚠ ĐỘ DÀI câu trả lời | | Safety settings | ⚠ chặn nội dung có hại | | Stop sequences | ⚠ dừng khi gặp chuỗi nhất định |

Từ khoá nhận diện:

"ngẫu nhiên, sáng tạo, đa dạng" → ⚠ temperature "độ dài, cắt bớt" → ⚠ max output tokens "chặn nội dung có hại" → safety settings "chính xác, nhất quán" → ⚠ temperature THẤP

⚠ Đặt temperature bao nhiêu	Việc
⚠ 0 – 0,2	⚠ trích xuất, sinh JSON, phân loại
0,3 – 0,5	⚠ hỏi đáp có nguồn, tóm tắt
0,7 – 0,9	⚠ nội dung marketing
⚠ 1,0+	⚠ động não ý tưởng
⚠ Nguyên tắc	⚠ cần ĐÚNG thì hạ, cần MỚI thì nâng

⚠ Sai lầm thường gặp	Sai lầm
⚠ Để mặc định cho mọi việc
⚠ Tưởng hạ temperature là hết ảo giác	⚠ SAI — chỉ giảm biến động
⚠ Chỉnh cùng lúc temperature và top-p	⚠ khó biết cái nào gây tác dụng
Cách làm	⚠ chỉnh MỘT tham số mỗi lần và đo

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Chạy cùng prompt 5 lần có ra giống nhau không | | | Việc này cần ổn định hay đa dạng | | | Hạ temperature có làm câu trả lời cứng nhắc quá không | |

Và ngộ nhận phổ biến nhất: temperature = 0 không có nghĩa là câu trả lời đúng. Nó chỉ có nghĩa là mô hình đưa ra cùng một câu trả lời mỗi lần — kể cả khi câu đó sai. Độ chính xác đến từ grounding, không từ tham số sinh.

Câu 454 3 Techniques to improve gen AI model output

Which core capability of Vertex AI Search helps mitigate the issue of hallucinations in generative AI, ensuring that search results are grounded in reliable information?

A
A. Grounding
B
B. Granular access controls
C
C. Advanced analytics
D
D. Multimodal search

Xem giải thích

Đáp án

A — Grounding.

Vì sao đúng

Ảo giác xảy ra khi mô hình sinh ra nội dung nghe hợp lý nhưng không có cơ sở. Grounding chữa đúng nguyên nhân bằng cách buộc câu trả lời bám vào tài liệu thật.

⚠ Cơ chế:

Không grounding:
   ⚠ mô hình sinh từ mẫu hình đã học
   ⚠ không có gì ràng buộc với sự thật

⚠ Có grounding:
   ⚠ truy hồi đoạn tài liệu liên quan
   ⚠ buộc trả lời DỰA TRÊN đoạn đó
   ⚠ kèm TRÍCH DẪN kiểm chứng được

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG Ý với #14176 (lô 151), chỉ thêm mệnh đề "ensuring that search results are grounded in reliable information" vào đề bài — nên hash không bắt được.

⚠ ĐÃ ĐỔI CHỮ CÁI: từ chữ D sang chữ A.

Vì sao các phương án khác sai

Cả ba đều là năng lực thật của Vertex AI Search nhưng giải việc khác:

B (kiểm soát truy cập chi tiết) — ⚠ lo ai được xem tài liệu nào; quan trọng cho bảo mật nhưng ⚠ không ảnh hưởng tới việc mô hình có bịa hay không.
D (tìm kiếm đa phương thức) — ⚠ mở rộng loại nội dung tìm được, không liên quan tới độ chính xác.
C (phân tích nâng cao) — ⚠ báo cáo về hành vi tìm kiếm.

Ghi nhớ

⚠ Bốn cách giảm ảo giác — bảng phải thuộc: | Cách | Hiệu quả | |---|---| | ⚠ Grounding / RAG | ⚠ mạnh nhất — đề này | | Yêu cầu trích dẫn | ⚠ kiểm chứng được | | Temperature thấp | ⚠ hỗ trợ, không đủ | | Người duyệt | ⚠ lớp chặn cuối | | ⚠ Không hiệu quả | ⚠ thêm disclaimer, fine-tune phong cách |

Từ khoá nhận diện:

"bịa thông tin, sai sự thật" → ⚠ grounding "ai được xem gì" → kiểm soát truy cập "tìm được cả ảnh và video" → đa phương thức "thống kê lượt tìm" → phân tích

⚠ Vì sao mô hình ảo giác	Lý do
⚠ Nó dự đoán từ TIẾP THEO có xác suất cao	⚠ không tra cứu sự thật
⚠ Câu sai vẫn có thể rất trôi chảy
⚠ Không có cơ chế tự biết mình không biết
Kết luận	⚠ phải cấp sự thật từ BÊN NGOÀI

⚠ Grounding vẫn có giới hạn	Giới hạn
⚠ Truy hồi nhầm đoạn → vẫn sai
⚠ Tài liệu nguồn sai → sai CÓ TRÍCH DẪN
⚠ Mô hình có thể diễn giải lệch
Vì thế	⚠ GIẢM chứ không TRIỆT TIÊU

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Hỏi câu ngoài kho tài liệu thì sao | ⚠ phải nói không biết | | Trích dẫn có trỏ đúng chỗ không | | | Tài liệu nguồn có chính xác không | ⚠ grounding không sửa được nguồn sai |

Và câu đáng nhớ nhất: ảo giác không phải lỗi của mô hình, nó là hệ quả tất yếu của cách mô hình hoạt động. Vì thế cách chữa không nằm ở việc làm mô hình "cẩn thận hơn", mà ở việc đưa sự thật vào cho nó.

Câu 455 3 Techniques to improve gen AI model output

*How does a large language model (LLM) interact with data stores in a retrieval-augmented generation (RAG) workflow?

A
A. The LLM uses data stores to permanently expand its base knowledge and parameters.
B
B. The LLM passively receives information from data stores, waiting for updates to be pushed to it.
C
C. The LLM queries data stores to retrieve information relevant to a user's request, enriching its response.
D
D. The LLM exclusively relies on data stores for generating responses, disregarding its internal knowledge.

Xem giải thích

Đáp án

C — LLM truy vấn kho dữ liệu để lấy thông tin liên quan tới yêu cầu của người dùng, làm giàu cho câu trả lời.

Vì sao đúng

Đây là mô tả đúng luồng RAG: truy hồi trước, sinh sau.

⚠ Luồng RAG:

Câu hỏi người dùng
        ↓
⚠ TRUY HỒI — tìm đoạn liên quan
        ↓
⚠ GHÉP đoạn đó vào prompt
        ↓
⚠ LLM sinh câu trả lời DỰA TRÊN
  đoạn được đưa vào
        ↓
⚠ Kèm trích dẫn nguồn

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14162 (lô 151), đã ĐỔI CHỮ CÁI: từ chữ A sang chữ C.

⚠ Câu thứ tư trong lô này bị xáo chữ cái (sau #14307, #14308, #14309).

Vì sao các phương án khác sai

A (LLM dùng kho dữ liệu để MỞ RỘNG VĨNH VIỄN tri thức nền và tham số) — ⚠ bẫy mạnh nhất và là hiểu lầm phổ biến nhất về RAG: ⚠ RAG KHÔNG thay đổi trọng số mô hình; thay đổi trọng số là fine-tuning.
D (LLM CHỈ dựa vào kho dữ liệu, BỎ QUA tri thức nội tại) — ⚠ quá tuyệt đối: mô hình vẫn dùng khả năng ngôn ngữ và suy luận để hiểu và diễn đạt.
B (LLM thụ động nhận thông tin được đẩy tới) — ⚠ sai chiều: RAG là kéo theo yêu cầu, không phải đẩy định kỳ.

Ghi nhớ

⚠ RAG khác Fine-tuning — bảng phải thuộc: | Tiêu chí | RAG | Fine-tuning | |---|---|---| | ⚠ Trọng số | ⚠ KHÔNG đổi | ⚠ có đổi | | ⚠ Kiến thức nằm ở | ⚠ kho ngoài | ⚠ trong trọng số | | ⚠ Cập nhật | ⚠ sửa tài liệu là xong | ⚠ phải huấn luyện lại | | Trích dẫn | ⚠ có | ⚠ không | | Dạy gì | ⚠ BIẾT GÌ | ⚠ NÓI THẾ NÀO |

Từ khoá nhận diện:

"truy hồi rồi mới sinh, kèm nguồn" → ⚠ RAG "mở rộng tham số vĩnh viễn" → ⚠ mô tả SAI về RAG "bỏ qua hoàn toàn tri thức mô hình" → ⚠ quá tuyệt đối

⚠ Bốn bước kỹ thuật của RAG	Bước
⚠ Cắt tài liệu thành đoạn
⚠ Sinh embedding và 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
⚠ Đoạn bị cắt mất ngữ cảnh
⚠ Tài liệu nguồn sai hoặc cũ
Đoạn liên quan nhưng không trả lời được

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Đoạn truy hồi có thật sự liên quan không | ⚠ xem đoạn được lấy, không chỉ xem câu trả lời | | Hỏi câu không có trong kho thì sao | | | Tài liệu lỗi thời đã gỡ chưa | |

Và cách nhớ bản chất RAG chính xác nhất: nó là một hình thức đưa tài liệu vào prompt, chỉ khác là việc chọn tài liệu được tự động hoá. Hiểu vậy thì không bao giờ nhầm nó với huấn luyện lại mô hình.

Câu 456 3 Techniques to improve gen AI model output

*What is the primary purpose of Google Agentspace within an organization?

A
A. To enhance the organization's cybersecurity defenses by detecting and preventing data breaches.
B
B. To create a centralized repository for storing and managing all company data.
C
C. To provide a customer-facing interface for interacting with AI-powered chatbots.
D
D. To provide a centralized platform for organizing and accessing AI agents that can utilize company data to assist employees.

Xem giải thích

Đáp án

D — Cung cấp nền tảng tập trung để tổ chức và truy cập các AI agent có thể dùng dữ liệu công ty hỗ trợ nhân viên.

Vì sao đúng

Google Agentspace là cổng vào AI cho nhân viên trong doanh nghiệp.

⚠ Ba đặc điểm chính:

⚠ TẬP TRUNG
   → một nơi cho mọi agent
   → quản trị thống nhất

⚠ DÙNG DỮ LIỆU CÔNG TY
   → tìm xuyên nhiều nguồn nội bộ
   → tôn trọng phân quyền

⚠ HỖ TRỢ NHÂN VIÊN
   → ⚠ hướng NỘI BỘ, không phải
     hướng khách hàng

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14188 (lô 151), đã ĐỔI CHỮ CÁI: từ chữ A sang chữ D.

⚠ Câu thứ NĂM trong lô này bị xáo chữ cái. ⚠ Năm câu đầu của lô đã có bốn câu lặp lại với vị trí đáp án khác — mức lặp còn cao hơn lô 153.

Vì sao các phương án khác sai

C (giao diện hướng KHÁCH HÀNG để tương tác với chatbot) — ⚠ bẫy mạnh nhất: sai đối tượng. Agentspace phục vụ nhân viên nội bộ.
B (kho tập trung để lưu trữ và quản lý toàn bộ dữ liệu công ty) — ⚠ đó là data lake / warehouse. Agentspace TRUY CẬP dữ liệu chứ không LƯU nó.
A (tăng cường phòng thủ an ninh mạng) — ⚠ đó là việc của Security Command Center.

Ghi nhớ

⚠ Phân biệt theo đối tượng phục vụ — bảng phải thuộc: | Sản phẩm | Phục vụ ai | |---|---| | ⚠ Agentspace / Gemini Enterprise | ⚠ NHÂN VIÊN nội bộ — đề này | | Agent Builder | ⚠ lập trình viên xây agent | | CCaaS / chatbot | ⚠ khách hàng bên ngoài | | Data lake / warehouse | ⚠ lưu dữ liệu | | Security Command Center | ⚠ đội bảo mật |

Từ khoá nhận diện:

"nền tảng tập trung, nhân viên, dữ liệu công ty" → ⚠ Agentspace "khách hàng bên ngoài" → ⚠ sai đối tượng "lưu trữ dữ liệu" → ⚠ kho dữ liệu "an ninh mạng" → SCC

⚠ Agentspace làm được gì	Việc
⚠ Tìm kiếm xuyên nhiều nguồn nội bộ	⚠ Drive, SharePoint, Jira, Salesforce
⚠ Danh mục agent dựng sẵn	⚠ Deep Research, NotebookLM
⚠ Nhân viên tự tạo agent không cần code
⚠ Quản trị tập trung và lưu vết
Tôn trọng phân quyền người dùng	⚠ quan trọng nhất về bảo mật

⚠ Vì sao "tập trung" là điểm mấu chốt	Lý do
⚠ Không có nó thì mỗi phòng tự dùng công cụ riêng	⚠ shadow AI
⚠ Không biết ai truy cập dữ liệu nào
⚠ Không thu hồi quyền được khi nhân viên nghỉ
Không tái sử dụng được agent giữa các phòng

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Agent có kế thừa đúng quyền không | ⚠ thử với tài khoản quyền thấp | | Có nhật ký truy cập không | | | Nhân viên đang dùng công cụ ngoài luồng nào | |

Và câu hỏi phân biệt nhanh nhất cho nhóm sản phẩm này: ai mở nó ra dùng hằng ngày? Nhân viên công ty thì Agentspace; khách hàng ngoài thì sản phẩm khác hoàn toàn.

Câu 457 1 Fundamentals of gen AI

A key concern for organizations adopting generative AI is the ability to scale solutions reliably and securely. How does Google Cloud's infrastructure and platform address this concern for enterprise-level generative AI deployments?

A
A. By offering solutions that are primarily designed for small-scale experiments and individual developers.
B
B. By providing a highly scalable and secure infrastructure, including custom AI accelerators (TPUs), robust data governance, and enterprise-grade security features.
C
C. By requiring companies to manage their own physical data centers for running generative AI workloads on Google Cloud.
D
D. By limiting access to its most powerful AI models to only a few select large enterprises.

Xem giải thích

Đáp án

B — Bằng cách cung cấp hạ tầng có khả năng mở rộng cao và an toàn, gồm bộ tăng tốc AI tự thiết kế (TPU), quản trị dữ liệu vững chắc và các tính năng bảo mật cấp doanh nghiệp.

Vì sao đúng

Đề nêu hai mối lo — mở rộng ĐÁNG TIN CẬY và AN TOÀN — và phương án B trả lời cả hai:

⚠ Ghép từng mối lo:

"mở rộng đáng tin cậy"
    → ⚠ hạ tầng co giãn
    → ⚠ TPU cho khối lượng lớn

"an toàn"
    → ⚠ quản trị dữ liệu
    → ⚠ bảo mật cấp doanh nghiệp

Vì sao các phương án khác sai

Cả ba đều mô tả điều ngược với thực tế:

A (giải pháp chủ yếu dành cho thử nghiệm nhỏ và lập trình viên cá nhân) — ⚠ sai: nền tảng nhắm rõ vào quy mô doanh nghiệp.
C (yêu cầu công ty tự quản trung tâm dữ liệu vật lý để chạy khối lượng gen AI trên Google Cloud) — ⚠ tự mâu thuẫn: chạy trên đám mây thì không phải tự quản trung tâm dữ liệu.
D (giới hạn quyền truy cập mô hình mạnh nhất cho vài doanh nghiệp lớn được chọn) — ⚠ sai: mô hình có sẵn cho mọi khách hàng qua API.

⚠ Mẹo chấm: ba phương án sai đều mang giọng hạn chế. Với câu hỏi "giải quyết mối lo thế nào", đáp án gần như luôn là phương án mô tả năng lực đầy đủ.

Ghi nhớ

⚠ Ba trụ cho gen AI cấp doanh nghiệp — bảng phải thuộc: | Trụ | Nội dung | |---|---| | ⚠ Hạ tầng co giãn | ⚠ TPU, GPU, tự động mở rộng | | ⚠ Quản trị dữ liệu | ⚠ IAM, danh mục, kiểm soát vị trí | | ⚠ Bảo mật | ⚠ mã hoá, VPC-SC, CMEK, audit | | Thêm | ⚠ SLA, tuân thủ, hỗ trợ |

Từ khoá nhận diện:

"mở rộng an toàn cấp doanh nghiệp" → ⚠ hạ tầng + quản trị + bảo mật "chỉ cho thử nghiệm nhỏ" → ⚠ luôn sai "tự quản trung tâm dữ liệu trên đám mây" → ⚠ tự mâu thuẫn "chỉ vài doanh nghiệp được chọn" → ⚠ sai

⚠ Mở rộng ĐÁNG TIN CẬY nghĩa là gì	Nghĩa
⚠ Tải tăng đột biến vẫn phục vụ được
⚠ Có SLA cam kết
⚠ Nhiều zone chống lỗi hạ tầng
Giới hạn tần suất dự đoán được	⚠ biết trần ở đâu
⚠ Chi phí dự đoán được

⚠ Quản trị dữ liệu gồm gì	Gồm
⚠ Biết dữ liệu nào ở đâu	⚠ danh mục — Dataplex
⚠ Ai truy cập được	⚠ IAM
⚠ Dữ liệu không rời ranh giới	⚠ VPC Service Controls
⚠ Phát hiện và che PII	⚠ Sensitive Data Protection
Ghi vết đầy đủ

⚠ Điều nền tảng KHÔNG giải hộ	Điều
⚠ Chất lượng dữ liệu nội bộ
⚠ Cấu hình IAM đúng	⚠ trách nhiệm của khách
⚠ Chọn đúng bài toán
Quản lý thay đổi

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Giới hạn tần suất API là bao nhiêu | ⚠ biết trần trước khi mở rộng | | IAM có cấu hình đúng chưa | ⚠ phần này là của bạn | | Chi phí ở quy mô mục tiêu là bao nhiêu | ⚠ ngoại suy từ thử nghiệm |

Và điều hay bị bỏ qua khi lo về "mở rộng an toàn": phần lớn sự cố rò rỉ trên đám mây đến từ cấu hình quyền sai, không từ hạ tầng bị chọc thủng. Nền tảng cấp công cụ; dùng đúng vẫn là việc của khách hàng.

Câu 458 1 Fundamentals of gen AI

A common challenge with generative AI models is their potential to produce outputs that are not factual or are nonsensical. Which of the following general techniques is MOST crucial for a business leader to ensure is implemented to improve the reliability and factual accuracy of model outputs?

A
A. Increasing the size of the training dataset with more diverse, unverified internet data.
B
B. Implementing grounding techniques that connect model outputs to verifiable information sources and providing relevant context during generation.
C
C. Exclusively using the largest possible foundation models, as they are inherently immune to hallucinations.
D
D. Disabling all safety filters to allow the model maximum creative freedom.

Xem giải thích

Đáp án

B — Áp dụng kỹ thuật grounding để nối đầu ra của mô hình với nguồn thông tin kiểm chứng được, và cung cấp ngữ cảnh liên quan trong lúc sinh.

Vì sao đúng

Đề mô tả vấn đề ảo giác — đầu ra không đúng sự thật hoặc vô nghĩa. Grounding chữa đúng nguyên nhân gốc.

⚠ Hai vế trong phương án B:

⚠ Nối với NGUỒN KIỂM CHỨNG ĐƯỢC
   → ⚠ mô hình có cơ sở để trả lời

⚠ Cung cấp NGỮ CẢNH lúc sinh
   → ⚠ đưa tài liệu vào prompt

Vì sao các phương án khác sai

A (tăng kích thước tập huấn luyện bằng dữ liệu Internet đa dạng CHƯA KIỂM CHỨNG) — ⚠ bẫy nghe hợp lý: nhiều dữ liệu hơn nghe như tốt hơn. Nhưng ⚠ dữ liệu chưa kiểm chứng làm TĂNG nguy cơ sai, và ⚠ doanh nghiệp thường không huấn luyện lại mô hình nền.
C (CHỈ dùng mô hình lớn nhất vì chúng MIỄN NHIỄM với ảo giác) — ⚠ sai sự thật: ⚠ không mô hình nào miễn nhiễm ảo giác, kể cả lớn nhất. Từ "inherently immune" là dấu hiệu phương án sai.
D (tắt mọi bộ lọc an toàn để mô hình tự do sáng tạo tối đa) — ⚠ ngược hoàn toàn: làm tăng cả rủi ro nội dung có hại lẫn nội dung sai.

Ghi nhớ

⚠ Bốn cách tăng độ tin cậy — bảng phải thuộc: | Cách | Hiệu quả | |---|---| | ⚠ Grounding / RAG | ⚠ mạnh nhất — đề này | | Yêu cầu trích dẫn | ⚠ kiểm chứng được | | Temperature thấp | ⚠ hỗ trợ | | HITL | ⚠ chặn cuối cho việc rủi ro cao | | ⚠ Không hiệu quả | ⚠ thêm dữ liệu chưa kiểm, dùng mô hình to hơn, tắt bộ lọc |

Từ khoá nhận diện:

"nối với nguồn kiểm chứng được" → ⚠ grounding "miễn nhiễm, inherently immune" → ⚠ luôn SAI "tắt bộ lọc" → ⚠ luôn sai "thêm dữ liệu chưa kiểm chứng" → ⚠ làm tệ hơn

⚠ Vì sao mô hình to hơn KHÔNG hết ảo giác	Lý do
⚠ Ảo giác là hệ quả của CÁCH mô hình hoạt động	⚠ dự đoán từ tiếp theo
⚠ Mô hình to hơn ảo giác TRÔI CHẢY hơn	⚠ khó phát hiện hơn
⚠ Không mô hình nào biết mình không biết
Kết luận	⚠ phải cấp sự thật từ bên ngoài

⚠ Vì sao đây là việc của LÃNH ĐẠO	Lý do
⚠ Quyết định kiến trúc, không phải mẹo kỹ thuật
⚠ Cần ngân sách cho kho tài liệu và bảo trì
⚠ Cần quy trình duy trì nguồn
Cần chấp nhận đánh đổi tốc độ	⚠ grounding thêm độ trễ

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Có nguồn tài liệu đáng tin chưa | ⚠ điều kiện tiên quyết của grounding | | Ai duy trì và cập nhật nguồn | | | Hỏi ngoài nguồn thì mô hình nói gì | ⚠ phải nói không biết |

Và điều lãnh đạo cần hiểu rõ nhất: ảo giác không giải quyết được bằng cách mua mô hình đắt hơn. Nó giải quyết bằng cách xây và duy trì một kho tài liệu đáng tin — công việc buồn tẻ nhưng là công việc thật sự tạo ra độ tin cậy.

Câu 459 1 Fundamentals of gen AI

When a generative AI model consistently fails to understand the nuances of specific industry jargon or company-specific information, what is a primary strategy a business should consider to enhance the model's performance in that specific context?

A
A. Immediately discarding the model and searching for a completely new one from a different provider.
B
B. Relying solely on zero-shot prompting and hoping the model eventually learns from user interactions.
C
C. Implementing techniques such as fine-tuning the model on domain-specific data or using retrieval-augmented generation (RAG) with internal knowledge bases.
D
D. Significantly increasing the 'temperature' parameter to force more varied and potentially relevant outputs.

Xem giải thích

Đáp án

C — Áp dụng các kỹ thuật như tinh chỉnh mô hình trên dữ liệu chuyên ngành, hoặc dùng RAG với cơ sở tri thức nội bộ.

Vì sao đúng

Đề nêu hai vấn đề, và phương án C có đúng một giải pháp cho mỗi vấn đề:

⚠ Ghép từng vấn đề:

"không hiểu sắc thái THUẬT NGỮ NGÀNH"
    → ⚠ FINE-TUNING trên dữ liệu
      chuyên ngành

"không biết thông tin RIÊNG của
 công ty"
    → ⚠ RAG với cơ sở tri thức nội bộ

⚠ Hai kỹ thuật giải hai vấn đề khác nhau — đó là lý do phương án nêu cả hai.

Vì sao các phương án khác sai

B (chỉ dựa vào zero-shot prompting và hy vọng mô hình dần học từ tương tác) — ⚠ hiểu lầm cơ bản: ⚠ mô hình KHÔNG học từ tương tác trừ khi được huấn luyện lại. Hy vọng đó là vô căn cứ.
D (tăng mạnh temperature để buộc đầu ra đa dạng và có thể liên quan hơn) — ⚠ ngược hẳn: đa dạng hơn không có nghĩa đúng hơn; với thuật ngữ chuyên ngành thì temperature cao làm tệ hơn.
A (bỏ mô hình ngay và tìm mô hình hoàn toàn mới từ nhà cung cấp khác) — ⚠ phản ứng thái quá: mọi mô hình nền đều gặp vấn đề này với dữ liệu riêng của bạn; đổi nhà cung cấp không giải quyết gì.

Ghi nhớ

⚠ Ghép vấn đề với kỹ thuật — bảng phải thuộc: | Vấn đề | Kỹ thuật | |---|---| | ⚠ Thuật ngữ, văn phong ngành | ⚠ fine-tuning | | ⚠ Thông tin riêng, dữ liệu mới | ⚠ RAG | | Đầu ra lệch ý | ⚠ prompt engineering | | Rủi ro cao | ⚠ HITL |

Từ khoá nhận diện:

"thuật ngữ ngành" → ⚠ fine-tuning "thông tin riêng công ty" → ⚠ RAG "mô hình sẽ tự học từ tương tác" → ⚠ luôn SAI "tăng temperature cho chính xác hơn" → ⚠ luôn sai

⚠ Vì sao cần CẢ HAI trong ca này	Lý do
⚠ Fine-tune dạy mô hình HIỂU và NÓI đúng thuật ngữ
⚠ RAG cấp SỰ THẬT cụ thể của công ty
⚠ Fine-tune không giữ được thông tin thay đổi
RAG không dạy được văn phong
Kết hợp	⚠ mỗi cái giải một nửa vấn đề

⚠ Thứ tự nên thử	Thứ tự
⚠ 1. Prompt có ngữ cảnh và ví dụ	⚠ rẻ nhất, thử trước
⚠ 2. RAG	⚠ giải phần thông tin riêng
⚠ 3. Fine-tune	⚠ nếu văn phong vẫn chưa đạt
Lý do	⚠ RAG rẻ hơn và cập nhật dễ hơn fine-tune

⚠ Hiểu lầm "mô hình tự học"	Hiểu lầm
⚠ Mô hình KHÔNG học từ cuộc trò chuyện
⚠ Không nhớ gì sau khi phiên kết thúc	⚠ trừ khi có bộ nhớ riêng
⚠ Chỉ đổi khi được huấn luyện lại
Hệ quả	⚠ đừng chờ nó "quen dần" — phải chủ động can thiệp

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Vấn đề là văn phong hay thiếu thông tin | ⚠ quyết định chọn kỹ thuật nào | | Đã thử RAG trước fine-tune chưa | | | Có đủ dữ liệu chuyên ngành để fine-tune không | |

Và cách chẩn đoán nhanh khi mô hình trả lời kém trong lĩnh vực chuyên môn: hỏi xem nó SAI SỰ THẬT hay NÓI SAI GIỌNG. Sai sự thật thì cần RAG; nói sai giọng thì cần fine-tune. Nhầm hai thứ này là nguyên nhân phổ biến nhất khiến dự án tốn tiền mà không cải thiện.

Câu 460 1 Fundamentals of gen AI

A business is concerned that its generative AI application, designed to interact with customers, might sometimes provide outputs that are off-brand or inappropriate. To maintain control over the AI's responses and ensure they align with company values, which approach is essential?

A
A. Allowing the AI to learn exclusively from unmonitored live customer interactions to adapt quickly.
B
B. Utilizing prompt engineering to guide the model's tone and style, implementing safety filters, and potentially incorporating human-in-the-loop review for sensitive use cases.
C
C. Training the model on a dataset composed entirely of fictional, idealized customer interactions.
D
D. Removing all restrictions on the model's output to encourage truly novel and surprising responses.

Xem giải thích

Đáp án

B — Dùng prompt engineering để dẫn hướng giọng điệu và phong cách, áp dụng bộ lọc an toàn, và có thể thêm rà soát của con người cho các ca sử dụng nhạy cảm.

Vì sao đúng

Phương án B nêu ba lớp kiểm soát bổ sung nhau, đúng nguyên tắc phòng thủ nhiều lớp:

⚠ Ba lớp:

⚠ PROMPT ENGINEERING
   → ⚠ dẫn hướng giọng điệu, phong cách
   → ⚠ lớp đầu tiên, rẻ nhất

⚠ BỘ LỌC AN TOÀN
   → ⚠ chặn nội dung có hại
   → ⚠ kiểm soát KIỂM CHỨNG ĐƯỢC

⚠ HITL cho ca nhạy cảm
   → ⚠ chặn cuối

⚠ Chữ "potentially... for sensitive use cases" cũng đúng thực tế: không thể bắt người duyệt mọi câu trả lời trong hỗ trợ khách hàng thời gian thực.

Vì sao các phương án khác sai

A (cho AI học CHỈ từ tương tác khách hàng trực tiếp KHÔNG giám sát) — ⚠ sai kép: mô hình không tự học như vậy, và ⚠ nếu có thì học từ dữ liệu không giám sát là cực kỳ rủi ro.
C (huấn luyện trên tập dữ liệu toàn tương tác HƯ CẤU, LÝ TƯỞNG HOÁ) — ⚠ dữ liệu không phản ánh thực tế thì mô hình gãy ngay khi gặp khách hàng thật.
D (gỡ mọi hạn chế lên đầu ra để khuyến khích phản hồi mới lạ và bất ngờ) — ⚠ ngược hoàn toàn với mục tiêu kiểm soát thương hiệu.

Ghi nhớ

⚠ Ba lớp kiểm soát đầu ra — bảng phải thuộc: | Lớp | Vai trò | |---|---| | ⚠ Prompt / chỉ dẫn hệ thống | ⚠ dẫn hướng — không phải rào chắn | | ⚠ Bộ lọc an toàn | ⚠ rào chắn kiểm chứng được | | ⚠ HITL | ⚠ chặn cuối cho ca nhạy cảm | | Thêm | ⚠ danh sách chủ đề cấm, giới hạn phạm vi |

Từ khoá nhận diện:

"giọng điệu, phong cách" → ⚠ prompt engineering "nội dung có hại" → ⚠ bộ lọc an toàn "ca nhạy cảm" → ⚠ HITL "gỡ mọi hạn chế" → ⚠ luôn sai

⚠ Vì sao prompt KHÔNG đủ một mình	Lý do
⚠ Chỉ dẫn có thể bị ghi đè	⚠ tiêm prompt
⚠ Không kiểm chứng được
⚠ Đầu vào dài làm mô hình quên chỉ dẫn đầu
Kết luận	⚠ prompt là hướng dẫn, filter mới là rào chắn

⚠ Kiểm soát thương hiệu cụ thể	Kiểm soát
⚠ Danh sách chủ đề CẤM tự trả lời	⚠ giá, khuyến mãi, pháp lý → chuyển người
⚠ Từ ngữ cấm dùng
⚠ Grounding vào tài liệu chính thức	⚠ tránh bịa chính sách
Temperature thấp
⚠ Lấy mẫu kiểm tra định kỳ	⚠ không duyệt hết được thì duyệt mẫu

⚠ Rủi ro thương hiệu cụ thể	Rủi ro
⚠ Bịa chính sách khuyến mãi	⚠ thiệt hại tài chính trực tiếp
⚠ Giọng điệu không phù hợp
⚠ Bị dẫn dụ nói điều bất lợi	⚠ ảnh chụp màn hình lan truyền
Trả lời sai về sản phẩm

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Thử dẫn dụ bot nói điều bất lợi | ⚠ red team trước khi ra mắt | | Có danh sách chủ đề cấm chưa | | | Ai đọc mẫu hội thoại định kỳ | ⚠ không duyệt hết được thì phải duyệt mẫu |

Và nguyên tắc bền vững cho mọi hệ AI đối mặt khách hàng: prompt để dẫn hướng, bộ lọc để chặn, con người để chịu trách nhiệm. Bỏ lớp nào cũng để lại một khoảng trống mà sớm muộn cũng có người tìm ra.

Ngân hàng đề — Google Cloud Generative AI Leader

Đáp án

Vì sao đúng

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Ghi nhớ về chất lượng câu hỏi

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Ghi nhớ về chất lượng câu hỏi

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Ghi nhớ về chất lượng câu hỏi

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Ghi nhớ về chất lượng câu hỏi

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Ghi nhớ về chất lượng câu hỏi

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Vì sao các phương án khác sai

Ghi nhớ