Ngân hàng đề — Google Cloud Generative AI Leader

Tìm thấy 556 câu.

Câu 491 3 Techniques to improve gen AI model output

A company deploys a generative AI model to assist with customer support. To ensure the model's quality doesn't degrade over time due to changes in customer query patterns or product updates (concept drift), what is an essential MLOps practice they should adopt?

  1. A

    A. Retraining the model from scratch every day, regardless of performance.
  2. B

    B. Implementing continuous monitoring of key performance indicators and a system for regular evaluation and potential retraining or fine-tuning.
  3. C

    C. Freezing the model version permanently after initial deployment to ensure consistency.
  4. D

    D. Relying solely on user complaints to identify when the model needs updating.
Xem giải thích

Đáp án

B — Triển khai giám sát liên tục các chỉ số hiệu năng then chốt, cùng một hệ thống đánh giá định kỳ và khả năng huấn luyện lại hoặc tinh chỉnh khi cần.

Vì sao đúng

Đề nêu vấn đề trôi dạt khái niệm do mẫu câu hỏi khách hàng đổi và sản phẩm được cập nhật.

⚠ Vòng khép kín đúng:

⚠ GIÁM SÁT liên tục
   → ⚠ phát hiện chất lượng giảm
        ↓
⚠ ĐÁNH GIÁ định kỳ
   → ⚠ xác nhận và tìm nguyên nhân
        ↓
⚠ HUẤN LUYỆN LẠI hoặc TINH CHỈNH
   → ⚠ chỉ khi CẦN

⚠ Ba bước liên kết: giám sát để biết khi nào, đánh giá để biết vì sao, can thiệp để sửa.

Vì sao các phương án khác sai

  • A (huấn luyện lại từ đầu MỖI NGÀY bất kể hiệu năng) — ⚠ cực kỳ lãng phí: tốn kém, và ⚠ có thể làm hỏng thứ đang chạy tốt.

  • C (đóng băng vĩnh viễn phiên bản mô hình sau khi triển khai để đảm bảo nhất quán) — ⚠ bẫy nghe hợp lý: nhất quán là tốt, nhưng ⚠ thế giới thay đổi — mô hình đóng băng sẽ ngày càng lệch khỏi thực tế.

  • D (chỉ dựa vào khiếu nại của người dùng để biết khi nào cần cập nhật) — ⚠ quá muộn và không đầy đủ: ⚠ phần lớn người không hài lòng KHÔNG khiếu nại, họ chỉ bỏ đi.

Ghi nhớ

⚠ Hai loại trôi dạt — bảng phải thuộc: | Loại | Nghĩa | |---|---| | ⚠ Data drift | ⚠ đầu vào thay đổi phân bố | | ⚠ Concept drift | ⚠ câu trả lời ĐÚNG đã thay đổi — đề này | | Ví dụ concept drift | ⚠ sản phẩm cập nhật → câu trả lời cũ thành sai | | ⚠ Nguy hiểm hơn | ⚠ concept drift, vì dữ liệu trông vẫn bình thường |

Từ khoá nhận diện:

"giám sát liên tục + đánh giá + huấn luyện lại khi cần" → ⚠ thực hành MLOps đúng "huấn luyện lại mỗi ngày bất kể" → ⚠ lãng phí "đóng băng vĩnh viễn" → ⚠ bỏ qua thực tế thay đổi "chờ khiếu nại" → ⚠ quá muộn

⚠ Chỉ số cần giám sát Chỉ số
⚠ Tỷ lệ giải quyết ngay lần đầu
⚠ Tỷ lệ chuyển sang người ⚠ tăng là dấu hiệu suy giảm
⚠ CSAT
⚠ Phân bố chủ đề câu hỏi ⚠ phát hiện chủ đề mới
Tỷ lệ trả lời "không biết"
⚠ Vì sao chờ khiếu nại là quá muộn Lý do
⚠ Phần lớn người không hài lòng KHÔNG khiếu nại
⚠ Họ chỉ bỏ đi ⚠ và bạn không biết
⚠ Khiếu nại là phần nổi của tảng băng
Cần ⚠ đo chủ động, không đợi phản hồi thụ động
⚠ Khi nào huấn luyện lại Khi nào
⚠ Chỉ số vượt ngưỡng cảnh báo
⚠ Có nhiều chủ đề mới xuất hiện
⚠ Sản phẩm thay đổi lớn
⚠ Nhưng ⚠ với chatbot RAG, thường chỉ cần CẬP NHẬT TÀI LIỆU
⚠ Đây là lợi thế lớn của RAG ⚠ so với fine-tune

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Có bộ prompt vàng để đo định kỳ chưa | | | Ai đọc kết quả giám sát | ⚠ báo cáo không ai đọc là vô ích | | Ngưỡng nào thì hành động | ⚠ quyết định trước khi có sự cố |

Và điểm đáng lưu ý với chatbot dùng RAG: phần lớn "suy giảm" không cần huấn luyện lại mô hình — chỉ cần cập nhật tài liệu. Giám sát tốt giúp phân biệt hai trường hợp đó, và tiết kiệm rất nhiều tiền.

Câu 492 3 Techniques to improve gen AI model output

A user is interacting with a large language model to generate a business plan. They first ask the model to 'Act as an experienced startup CEO.' This initial instruction, designed to guide the model's persona, style, and focus for subsequent interactions, is an example of what prompt engineering technique?

  1. A

    A. Zero-shot prompting
  2. B

    B. Few-shot prompting
  3. C

    C. Role prompting
  4. D

    D. Chain-of-thought prompting
Xem giải thích

Đáp án

C — Role prompting (gán vai).

Vì sao đúng

Đề mô tả chính xác: chỉ dẫn "Act as an experienced startup CEO" nhằm định hình vai, phong cách và trọng tâm cho các lượt tương tác tiếp theo.

⚠ Ba yếu tố đề nêu:

⚠ PERSONA (vai)
⚠ STYLE (phong cách)
⚠ FOCUS (trọng tâm)
        ↓
⚠ Đó chính là ba thứ role prompting
  tác động tới

⚠ Cùng câu hỏi, ba vai khác nhau:

"Viết kế hoạch kinh doanh"

⚠ Vai CEO khởi nghiệp
   → ⚠ tập trung tăng trưởng, gọi vốn

⚠ Vai kế toán trưởng
   → ⚠ tập trung dòng tiền, chi phí

⚠ Vai luật sư
   → ⚠ tập trung rủi ro pháp lý

Vì sao các phương án khác sai

  • A (Zero-shot) — ⚠ nói về không có ví dụ mẫu; đây là trục khác. ⚠ Một prompt có thể vừa zero-shot vừa có gán vai.

  • B (Few-shot) — ⚠ cần ví dụ mẫu đầu vào–đầu ra; ở đây không có ví dụ nào.

  • D (Chain-of-thought) — ⚠ buộc mô hình trình bày các bước suy luận; khác mục đích hoàn toàn.

Ghi nhớ

⚠ Bốn kỹ thuật và tác dụng — bảng phải thuộc: | Kỹ thuật | Tác dụng | |---|---| | ⚠ Role prompting | ⚠ vai, phong cách, trọng tâm — đề này | | Zero/One/Few-shot | ⚠ có bao nhiêu VÍ DỤ mẫu | | Chain-of-thought | ⚠ chất lượng SUY LUẬN | | Ràng buộc | ⚠ cái phải TRÁNH |

Từ khoá nhận diện:

"Act as…, You are a…" → ⚠ role prompting "đây là ví dụ mẫu" → few-shot "suy nghĩ từng bước" → chain-of-thought "không được nhắc tới…" → ràng buộc

⚠ Các trục ĐỘC LẬP nhau Trục
⚠ Số ví dụ: zero / one / few
⚠ Có gán vai hay không
⚠ Có yêu cầu suy luận từng bước hay không
Có ràng buộc hay không
⚠ Một prompt tốt ⚠ thường kết hợp NHIỀU trục
⚠ Gán vai hiệu quả Cách
⚠ Vai CỤ THỂ ⚠ "CEO khởi nghiệp giai đoạn hạt giống" hơn "chuyên gia"
⚠ Nêu cả kinh nghiệm ⚠ "experienced" trong đề
⚠ Nêu đối tượng nghe
Kết hợp ràng buộc
⚠ Giới hạn của gán vai Giới hạn
⚠ KHÔNG thêm kiến thức mô hình không có
⚠ KHÔNG phải cơ chế an toàn
⚠ Có thể làm mô hình tự tin quá mức
Vai có thể nhạt dần qua nhiều lượt ⚠ cần nhắc lại

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Vai có làm đổi nội dung sự thật không | ⚠ so hai đầu ra cùng câu hỏi | | Vai có bền qua hội thoại dài không | | | Kế hoạch kinh doanh có số liệu bịa không | ⚠ giọng CEO tự tin che được rất nhiều |

Và cảnh báo riêng với ca này: kế hoạch kinh doanh do AI viết với giọng CEO tự tin rất dễ chứa số liệu thị trường bịa. Vai càng có thẩm quyền thì người đọc càng ít nghi ngờ — nên phải kiểm số kỹ hơn, không phải ít hơn.

Câu 493 4 Describe the Google Cloud-recommended steps to successfull

To help a large language model solve a complex multi-step reasoning problem, a user designs a prompt that first asks the model to 'explain the steps to solve the problem' before asking for the final answer. This technique, which encourages the model to articulate its reasoning process, is known as:

  1. A

    A. One-shot prompting
  2. B

    B. Blockchain
  3. C

    C. CoT, Chain-of-Thought prompting
  4. D

    D. Zero-shot prompting
Xem giải thích

Đáp án

C — CoT, Chain-of-Thought prompting (nhắc suy luận theo chuỗi).

Vì sao đúng

Đề mô tả đúng cơ chế: yêu cầu mô hình giải thích các bước giải quyết TRƯỚC rồi mới đưa ra đáp án cuối.

⚠ Vì sao có tác dụng:

Không CoT:
   ⚠ mô hình nhảy thẳng tới đáp án
   ⚠ dễ sai với bài nhiều bước

⚠ Có CoT:
   ⚠ mô hình viết ra từng bước
   ⚠ mỗi bước là ngữ cảnh cho bước sau
   ⚠ sai sót lộ ra và tự sửa được

⚠ Cách kích hoạt đơn giản nhất:

⚠ "Hãy suy nghĩ từng bước"
⚠ "Giải thích các bước trước khi
   đưa ra đáp án"

Ghi nhớ về chất lượng câu hỏi

⚠ Phương án B là "Blockchain" — hoàn toàn không liên quan tới prompt engineering.

⚠ Đây là dạng phương án gây nhiễu bằng một thuật ngữ công nghệ nổi tiếng nhưng lạc đề. ⚠ Thấy một phương án thuộc lĩnh vực hoàn toàn khác thì loại ngay.

Vì sao các phương án khác sai

  • A (One-shot prompting) — ⚠ cung cấp một ví dụ mẫu; khác mục đích.
  • D (Zero-shot prompting) — ⚠ nói về không có ví dụ; là trục khác.
  • B (Blockchain) — ⚠ công nghệ sổ cái phân tán, không liên quan gì.

Ghi nhớ

⚠ Khi nào CoT giúp — bảng phải thuộc: | Loại bài toán | CoT có giúp không | |---|---| | ⚠ Toán, logic nhiều bước | ⚠ giúp NHIỀU | | ⚠ Suy luận nhân quả | ⚠ giúp | | ⚠ Bài toán có ràng buộc phức tạp | ⚠ giúp | | Tra cứu sự thật đơn giản | ⚠ không giúp mấy | | Sinh nội dung sáng tạo | ⚠ có thể làm cứng nhắc hơn |

Từ khoá nhận diện:

"suy nghĩ từng bước, giải thích trước khi trả lời" → ⚠ chain-of-thought "đây là ví dụ" → few-shot "đóng vai" → role prompting thuật ngữ lạc lĩnh vực → ⚠ phương án gây nhiễu

⚠ Biến thể của CoT Biến thể
⚠ Zero-shot CoT ⚠ chỉ thêm "hãy suy nghĩ từng bước"
⚠ Few-shot CoT ⚠ cho ví dụ CÓ KÈM lời giải từng bước
Self-consistency ⚠ chạy nhiều lần rồi lấy đáp án phổ biến nhất
⚠ ReAct ⚠ CoT + gọi công cụ
⚠ Cái giá của CoT Cái giá
⚠ Đầu ra DÀI hơn nhiều ⚠ tốn token, tốn tiền
⚠ Chậm hơn
⚠ Không phải lúc nào cũng cần
Cách dùng ⚠ bật cho bài khó, tắt cho việc đơn giản
⚠ Cảnh báo quan trọng Cảnh báo
⚠ Chuỗi suy luận NGHE hợp lý không có nghĩa là ĐÚNG
⚠ Mô hình có thể lập luận trôi chảy tới kết luận sai
⚠ Với phép tính chính xác: dùng CÔNG CỤ ⚠ đừng để mô hình tự tính
Kiểm ⚠ đọc từng bước, không chỉ đọc đáp án

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Từng bước có đúng không | ⚠ đọc chuỗi suy luận, không chỉ kết quả | | Có phép tính nào nên giao cho công cụ không | | | Chi phí token tăng bao nhiêu | ⚠ CoT làm đầu ra dài hơn nhiều |

Và điều dễ bị ngộ nhận về CoT: chuỗi suy luận đẹp không đảm bảo kết luận đúng. Nó giúp mô hình đúng hơn ở nhiều bài toán, nhưng cũng khiến câu trả lời sai trông thuyết phục hơn — nên vẫn phải kiểm từng bước.

Câu 494 4 Describe the Google Cloud-recommended steps to successfull

A developer is crafting a prompt for a generative AI model. They provide the model with the instruction 'Translate the following English text to French:' followed by an example: 'English: Hello World / French: Bonjour le Monde'.

Then they provide the new English text they want translated. This technique of providing an example within the prompt is called:

  1. A

    A. Zero-shot prompting
  2. B

    B. One-shot prompting
  3. C

    C. Role prompting
  4. D

    D. Temperature scaling
Xem giải thích

Đáp án

B — One-shot prompting.

Vì sao đúng

Prompt trong đề chứa ĐÚNG MỘT cặp ví dụ trước khi đưa nội dung cần xử lý:

⚠ Cấu trúc prompt trong đề:

⚠ CHỈ DẪN:
   "Translate the following English
    text to French:"

⚠ MỘT VÍ DỤ MẪU:
   English: Hello World
   French: Bonjour le Monde

⚠ ĐẦU VÀO THẬT:
   [văn bản cần dịch]
        ↓
⚠ ĐÚNG MỘT ví dụ = ONE-SHOT

Ghi nhớ về chất lượng câu hỏi

⚠ Đối chiếu quan trọng với #14227 (lô 152): câu đó cho một prompt KHÔNG có ví dụ mẫu nào (chỉ có chi tiết nhân vật) nhưng khoá là few-shot.

⚠ Câu này dùng định nghĩa CHUẨN: một cặp ví dụ đầu vào–đầu ra = one-shot.

⚠ Đã giữ nguyên cả hai khoá và ghi chú ở cả hai bài. ⚠ Khi làm bài, hãy đếm số CẶP ví dụ mẫu — đó là cách phân biệt chuẩn.

Vì sao các phương án khác sai

  • A (Zero-shot) — ⚠ cần KHÔNG có ví dụ nào; ở đây có một.
  • C (Role prompting) — ⚠ prompt này không gán vai nào cho mô hình.
  • D (Temperature scaling) — ⚠ đó là tham số sinh, không phải kỹ thuật prompt.

Ghi nhớ

⚠ Ba bậc theo số ví dụ — bảng phải thuộc: | Bậc | Số CẶP ví dụ | |---|---| | ⚠ Zero-shot | ⚠ 0 | | ⚠ One-shot | ⚠ ĐÚNG 1 — đề này | | ⚠ Few-shot | ⚠ từ 2 trở lên |

Từ khoá nhận diện:

đếm số CẶP đầu vào–đầu ra mẫu → ⚠ cách phân biệt chuẩn "đóng vai" → role prompting "temperature, top-p" → tham số sinh

⚠ Ví dụ mẫu làm được gì Tác dụng
⚠ Định nghĩa ĐỊNH DẠNG đầu ra ⚠ rõ hơn mọi lời mô tả
⚠ Chỉ ra kiểu dữ liệu mong muốn
⚠ Giảm biến động giữa các lần chạy
Dạy nhãn nội bộ mô hình chưa biết
⚠ Khi nào một ví dụ là đủ Khi nào
⚠ Nhiệm vụ đơn giản, rõ ràng ⚠ dịch, đổi định dạng
⚠ Chỉ cần chỉ rõ ĐỊNH DẠNG
Muốn prompt ngắn, tiết kiệm token
⚠ Khi nào cần nhiều hơn ⚠ nhiệm vụ có nhiều biến thể, ca biên
⚠ Bẫy của ví dụ mẫu Bẫy
⚠ Ví dụ thiên lệch → đầu ra thiên lệch
⚠ Ví dụ quá đơn giản → mô hình không xử lý được ca khó
⚠ Ví dụ mâu thuẫn nhau → mô hình lẫn lộn
Nguyên tắc ⚠ ví dụ phải ĐẠI DIỆN, kể cả ca khó

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Ví dụ có đại diện cho ca thật không | | | Một ví dụ đã đủ chưa | ⚠ thử với ca khó | | Prompt dài thêm tốn bao nhiêu | |

Và cách phân biệt ba bậc không bao giờ nhầm: đếm số CẶP đầu vào–đầu ra mẫu trong prompt. Không có cặp nào là zero-shot, một cặp là one-shot, từ hai trở lên là few-shot — bất kể prompt có bao nhiêu chi tiết mô tả khác.

Câu 495 4 Describe the Google Cloud-recommended steps to successfull

A generative AI model is being used to answer questions based on a company's private, internal knowledge base (e.g., HR policies, technical documentation). To ensure the model's answers are factually accurate and based on these specific documents, rather than its general pre-trained knowledge, which technique is most crucial?

  1. A

    A. Increasing the model's 'temperature' parameter for more creative answers.
  2. B

    B. Grounding the model's responses by connecting it to and retrieving information from the company's internal knowledge base during generation (e.g., via RAG).
  3. C

    C. Training the model on a vast, unrelated dataset of public internet text.
  4. D

    D. Using very short and ambiguous prompts to allow the model more freedom.
Xem giải thích

Đáp án

B — Grounding các câu trả lời bằng cách kết nối và truy hồi thông tin từ kho tri thức nội bộ của công ty trong lúc sinh (ví dụ qua RAG).

Vì sao đúng

Đề nêu yêu cầu rõ: trả lời dựa trên tài liệu nội bộ CỤ THỂ, không dựa vào tri thức chung đã huấn luyện sẵn.

⚠ Ghép từng phần:

"kho tri thức RIÊNG, nội bộ"
    → ⚠ chính sách nhân sự, tài liệu
      kỹ thuật

"chính xác về sự thật, DỰA TRÊN
 các tài liệu này"
    → ⚠ grounding

"KHÔNG dựa vào tri thức chung
 đã huấn luyện sẵn"
    → ⚠ đề tự loại các phương án khác

Vì sao các phương án khác sai

  • A (tăng temperature để câu trả lời sáng tạo hơn) — ⚠ ngược hẳn: cần chính xác thì phải hạ temperature; tăng lên làm tăng nguy cơ bịa.

  • C (huấn luyện mô hình trên tập dữ liệu Internet công khai khổng lồ, KHÔNG liên quan) — ⚠ không giải quyết gì: dữ liệu không liên quan không chứa chính sách nhân sự của công ty.

  • D (dùng prompt RẤT NGẮN và MƠ HỒ để mô hình có nhiều tự do hơn) — ⚠ ngược hoàn toàn: mơ hồ làm tăng khả năng mô hình bịa.

Ghi nhớ

⚠ Bốn cách xử lý câu hỏi trên dữ liệu riêng — bảng phải thuộc: | Cách | Hiệu quả | |---|---| | ⚠ Grounding / RAG | ⚠ đúng nhất — đề này | | Nhét tài liệu vào prompt | ⚠ được nếu tài liệu nhỏ | | Fine-tuning | ⚠ dạy văn phong, KHÔNG dạy sự thật | | ⚠ Không hiệu quả | ⚠ tăng temperature, prompt mơ hồ, thêm dữ liệu không liên quan |

Từ khoá nhận diện:

"tài liệu nội bộ cụ thể, chính xác về sự thật" → ⚠ grounding / RAG "tăng temperature cho chính xác" → ⚠ luôn SAI "prompt mơ hồ cho tự do" → ⚠ luôn sai "dữ liệu không liên quan" → ⚠ không giải quyết gì

⚠ Riêng chính sách nhân sự — bắt buộc Bắt buộc
⚠ Trích dẫn điều khoản cụ thể ⚠ nhân viên tự kiểm được
⚠ GỠ chính sách hết hiệu lực ⚠ nguyên nhân sai phổ biến nhất
⚠ Phân quyền theo vai trò ⚠ tài liệu quản lý không lộ cho nhân viên
Ghi rõ không phải tư vấn pháp lý
⚠ Đường dẫn tới người thật
⚠ Riêng tài liệu kỹ thuật — bắt buộc Bắt buộc
⚠ Ghi rõ áp dụng cho PHIÊN BẢN nào
⚠ Lệnh và cấu hình phải trích NGUYÊN VĂN ⚠ đừng để mô hình diễn giải lại
⚠ Cảnh báo với thao tác phá huỷ
Cập nhật khi phát hành phiên bản mới
⚠ Grounding vẫn hỏng ở đâu Chỗ hỏng
⚠ Truy hồi nhầm đoạn
⚠ Tài liệu cũ chưa gỡ
⚠ Hai tài liệu mâu thuẫn
Đoạn cắt mất ngữ cảnh

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Hỏi câu ngoài kho thì bot nói gì | ⚠ phải nói không biết | | Tài liệu hết hiệu lực đã gỡ chưa | | | Người quyền thấp có thấy tài liệu cấm không | |

Và điều quyết định chatbot nội bộ có dùng được không: kho tài liệu có được duy trì hay không. Grounding chỉ tốt bằng nguồn của nó — và nguồn không ai dọn thì sớm muộn cũng trả lời theo tài liệu đã hết hiệu lực.

Câu 496 4 Describe the Google Cloud-recommended steps to successfull

When using a generative AI model, a developer wants to make the output more deterministic and less random, focusing on the most likely words for a consistent response. Which sampling parameter should they adjust?

  1. A

    A. Increase the temperature
  2. B

    B. Decrease the temperature (or set it to a very low value)
  3. C

    C. Increase the token count limit significantly
  4. D

    D. Use a highly abstract prompt
Xem giải thích

Đáp án

B — Giảm temperature (hoặc đặt về giá trị rất thấp).

Vì sao đúng

Đề nêu ba yêu cầu, cả ba đều chỉ về temperature thấp:

⚠ Ba yêu cầu:

"TẤT ĐỊNH hơn"
    → ⚠ cùng đầu vào ra cùng kết quả

"ÍT NGẪU NHIÊN hơn"
    → ⚠ giảm biến động

"tập trung vào từ KHẢ DĨ NHẤT"
    → ⚠ đúng cơ chế của temperature thấp

Ghi nhớ về chất lượng câu hỏi

⚠ Đối chiếu với #14308 trong CHÍNH LÔ NÀY: câu đó hỏi tham số nào điều khiển độ sáng tạo, khoá là temperature. Câu này hỏi hướng điều chỉnh để ít ngẫu nhiên hơn, khoá là giảm temperature.

⚠ Không mâu thuẫn — cùng một tham số, hai hướng:

Câu Mục tiêu Hướng
#14308 ⚠ điều khiển sáng tạo ⚠ tham số là temperature
#14351 ⚠ muốn ít ngẫu nhiên ⚠ GIẢM temperature

⚠ Bài học: đọc kỹ đề hỏi TÊN tham số hay HƯỚNG điều chỉnh.

Vì sao các phương án khác sai

  • A (tăng temperature) — ⚠ ngược hướng: làm đầu ra đa dạng và khó đoán hơn.

  • C (tăng mạnh giới hạn số token) — ⚠ chỉ cho phép câu trả lời DÀI hơn, không ảnh hưởng tính tất định.

  • D (dùng prompt rất trừu tượng) — ⚠ làm tệ hơn: prompt mơ hồ khiến đầu ra biến động nhiều hơn.

Ghi nhớ

⚠ Hai hướng điều chỉnh — bảng phải thuộc: | Mục tiêu | Temperature | Top-p | |---|---|---| | ⚠ Chính xác, nhất quán | ⚠ GIẢM (0–0,3) | ⚠ thấp | | ⚠ Sáng tạo, đa dạng | ⚠ TĂNG (0,8–1,0+) | ⚠ cao |

Từ khoá nhận diện:

"tất định, nhất quán, ít ngẫu nhiên" → ⚠ GIẢM temperature "sáng tạo, đa dạng, nhiều phương án" → ⚠ TĂNG temperature "độ dài" → ⚠ max output tokens, không liên quan "prompt mơ hồ" → ⚠ tăng biến động, làm tệ hơn

⚠ Việc nào cần temperature thấp Việc
⚠ Trích xuất dữ liệu
⚠ Sinh JSON theo schema
⚠ Phân loại
⚠ Hỏi đáp có nguồn
Dịch thuật kỹ thuật
⚠ Lưu ý quan trọng Lưu ý
⚠ Temperature = 0 KHÔNG đảm bảo đúng ⚠ chỉ đảm bảo NHẤT QUÁN
⚠ Vẫn có thể sai một cách nhất quán
⚠ Độ chính xác đến từ GROUNDING
Vẫn có biến động nhỏ giữa các phiên bản mô hình
⚠ Vì sao prompt rõ ràng cũng làm tăng tính tất định Lý do
⚠ Prompt mơ hồ → nhiều cách hiểu → nhiều đầu ra
⚠ Prompt rõ + định dạng cụ thể → ổn định hơn
Kết hợp ⚠ temperature thấp + prompt rõ + ví dụ mẫu

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Chạy cùng prompt 10 lần có ra giống nhau không | | | Việc này cần nhất quán hay đa dạng | | | Đầu ra có sai một cách nhất quán không | ⚠ temperature thấp che được điều này |

Và cảnh báo quan trọng nhất về temperature thấp: nó làm mô hình SAI GIỐNG NHAU MỖI LẦN. Nhất quán không phải là đúng — nếu đầu ra sai, temperature thấp chỉ khiến bạn khó phát hiện hơn.

Câu 497 4 Describe the Google Cloud-recommended steps to successfull

A company is using Vertex AI Search to allow users to ask natural language questions against their enterprise data. The goal is to provide answers that are directly supported by and cite information from these documents. This capability of Vertex AI Search, which helps ensure answers are factually based on the provided data, is an example of:

  1. A

    A. Unsupervised model training
  2. B

    B. Pre-built RAG (Retrieval-Augmented Generation) for grounding
  3. C

    C. Fine-tuning a new foundation model from scratch
  4. D

    D. Increasing the model's creativity through high temperature settings
Xem giải thích

Đáp án

B — RAG dựng sẵn (Retrieval-Augmented Generation) để grounding.

Vì sao đúng

Đề mô tả đúng năng lực RAG của Vertex AI Search:

⚠ Ghép từng phần:

"hỏi bằng NGÔN NGỮ TỰ NHIÊN
 trên dữ liệu doanh nghiệp"
    → ⚠ truy hồi + sinh

"câu trả lời được HỖ TRỢ TRỰC TIẾP
 bởi tài liệu"
    → ⚠ grounding

"và TRÍCH DẪN thông tin từ chúng"
    → ⚠ đặc trưng của RAG

⚠ Chữ "pre-built" cũng quan trọng: không phải tự dựng pipeline RAG.

Vì sao các phương án khác sai

  • C (tinh chỉnh một mô hình nền MỚI TỪ ĐẦU) — ⚠ sai kép: vừa quá tốn kém, vừa ⚠ không cho trích dẫn nguồn.

  • D (tăng tính sáng tạo bằng temperature cao) — ⚠ ngược hẳn: cần chính xác thì phải hạ temperature.

  • A (huấn luyện mô hình không giám sát) — ⚠ nhầm phạm trù: đó là kiểu học máy, không phải cơ chế trả lời có trích dẫn.

Ghi nhớ

⚠ Vertex AI Search cung cấp gì — bảng phải thuộc: | Năng lực | Nội dung | |---|---| | ⚠ RAG dựng sẵn | ⚠ truy hồi + sinh + trích dẫn — đề này | | Tìm kiếm ngữ nghĩa | ⚠ hiểu ý định, không chỉ từ khoá | | Nối nhiều nguồn | ⚠ Drive, SharePoint, CSDL | | Phân quyền | ⚠ theo người hỏi | | Đa phương thức | ⚠ tìm cả ảnh, video |

Từ khoá nhận diện:

"trả lời có trích dẫn từ tài liệu" → ⚠ RAG / grounding "pre-built, dựng sẵn" → ⚠ không tự xây pipeline "tinh chỉnh từ đầu" → ⚠ quá tốn kém, không trích dẫn được "temperature cao" → ⚠ ngược với chính xác

⚠ Vì sao trích dẫn là điểm mấu chốt Lý do
⚠ Người dùng KIỂM CHỨNG được
⚠ Phân biệt câu trả lời có cơ sở với câu bịa
⚠ Tạo niềm tin để người ta dùng thật
Cần cho kiểm toán
⚠ Không có trích dẫn ⚠ người dùng phải tin mù quáng
⚠ RAG dựng sẵn lo hộ những gì Lo hộ
⚠ Nạp và cắt tài liệu
⚠ Sinh embedding, lập chỉ mục
⚠ Truy hồi và xếp hạng
⚠ Ghép vào prompt
⚠ Trả về kèm trích dẫn
Tôn trọng phân quyền
⚠ Khi nào cần tự xây RAG Khi nào
⚠ Cần kiểm soát sâu cách cắt đoạn
⚠ Chiến lược truy hồi đặc thù
⚠ Kết hợp nhiều nguồn theo logic riêng
Phần lớn trường hợp ⚠ bản dựng sẵn là đủ và nhanh hơn nhiều

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Trích dẫn có trỏ đúng chỗ không | ⚠ mở ra đối chiếu | | Hỏi ngoài kho thì hệ thống nói gì | | | Người quyền thấp có thấy tài liệu cấm không | |

Và giá trị lớn nhất của RAG dựng sẵn không phải chất lượng vượt trội, mà là thời gian. Tự dựng một pipeline RAG có phân quyền và trích dẫn mất nhiều tháng; bản dựng sẵn cho kết quả dùng được trong vài ngày.

Câu 498 4 Describe the Google Cloud-recommended steps to successfull

A marketing team wants to use generative AI to create diverse ad copy for a new product. They need a system that can generate multiple variations of headlines and body text based on product features and target audience. This is an example of which type of generative AI solution?

  1. A

    A. Code generation
  2. B

    B. Video generation
  3. C

    C. Text generation for personalized user needs
  4. D

    D. Data analysis for trend identification
Xem giải thích

Đáp án

C — Sinh văn bản phục vụ nhu cầu cá nhân hoá của người dùng.

Vì sao đúng

Đề mô tả sinh nhiều biến thể tiêu đề và nội dung quảng cáo dựa trên tính năng sản phẩm và đối tượng mục tiêu.

⚠ Ghép từng phần:

"nhiều BIẾN THỂ tiêu đề và
 nội dung"
    → ⚠ SINH VĂN BẢN

"dựa trên tính năng sản phẩm và
 ĐỐI TƯỢNG MỤC TIÊU"
    → ⚠ CÁ NHÂN HOÁ theo nhóm

⚠ Đầu ra là VĂN BẢN, và mục đích là điều chỉnh theo đối tượng — hai vế của phương án C.

Vì sao các phương án khác sai

  • B (sinh video) — ⚠ sai loại đầu ra: đề chỉ nói tiêu đề và nội dung chữ.
  • A (sinh mã) — ⚠ sai loại đầu ra hoàn toàn.
  • D (phân tích dữ liệu để nhận diện xu hướng) — ⚠ sai loại việc: đó là phân tích, không phải sinh.

⚠ Mẹo: xác định đầu ra là gì thì loại được ba phương án ngay.

Ghi nhớ

⚠ Ca sử dụng theo loại đầu ra — bảng phải thuộc: | Đầu ra | Ca sử dụng | |---|---| | ⚠ Văn bản | ⚠ quảng cáo, email, tóm tắt — đề này | | Ảnh | ⚠ Imagen | | Video | ⚠ Veo | | Mã | ⚠ Code Assist | | Nhãn / số | ⚠ phân tích, ML dự báo |

Từ khoá nhận diện:

"nhiều biến thể tiêu đề, nội dung theo đối tượng" → ⚠ sinh văn bản cá nhân hoá "clip, cảnh quay" → sinh video "hàm, chương trình" → sinh mã "tìm xu hướng trong dữ liệu" → phân tích

⚠ Cá nhân hoá quảng cáo — các mức Mức
⚠ Theo NHÓM đối tượng ⚠ đề này — an toàn nhất
Theo phân khúc hành vi
⚠ Theo từng cá nhân ⚠ hiệu quả hơn, rủi ro riêng tư cao hơn
Nguyên tắc ⚠ càng cá nhân càng phải cẩn trọng về đồng ý
⚠ Prompt tốt cho sinh nội dung quảng cáo Thành phần
⚠ Tính năng sản phẩm cụ thể
⚠ Đối tượng mục tiêu
⚠ Giọng điệu
⚠ SỐ LƯỢNG biến thể ⚠ "cho tôi 15 tiêu đề"
Giới hạn ký tự ⚠ mỗi nền tảng khác nhau
⚠ Temperature cao hơn ⚠ cần đa dạng
⚠ Lưu ý pháp lý Lưu ý
⚠ Tuyên bố về sản phẩm phải ĐÚNG ⚠ rủi ro quảng cáo sai lệch
⚠ Kiểm trùng slogan đã có bản quyền
⚠ Người duyệt trước khi chạy
Quy định quảng cáo theo ngành ⚠ dược, tài chính rất chặt

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Nội dung có nói sai tính năng không | ⚠ đối chiếu tài liệu sản phẩm | | Có trùng slogan thương hiệu khác không | | | Ai duyệt trước khi chạy quảng cáo | |

Và giá trị thật của gen AI trong marketing không phải viết hay hơn người, mà là sinh đủ nhiều biến thể để thử nghiệm A/B thật sự có ý nghĩa. Trước đây viết 20 phiên bản tiêu đề là quá tốn công; giờ là chuyện của mười phút.

Câu 499 4 Describe the Google Cloud-recommended steps to successfull

When a company is planning to implement a generative AI solution, what is a key initial step to ensure the project is aligned with business objectives and likely to deliver value?

  1. A

    A. Immediately purchasing the largest available foundation model without a specific use case.
  2. B

    B. Identifying specific business problems or opportunities where generative AI can provide a tangible benefit and defining clear success metrics.
  3. C

    C. Focusing solely on the technical novelty of the AI without considering integration with existing workflows.
  4. D

    D. Assigning the project exclusively to the IT department without involving business stakeholders.
Xem giải thích

Đáp án

B — Xác định các bài toán hoặc cơ hội kinh doanh CỤ THỂ mà gen AI mang lại lợi ích rõ ràng, và định nghĩa các chỉ số thành công rõ ràng.

Vì sao đúng

Đề hỏi bước KHỞI ĐẦU để đảm bảo dự án bám mục tiêu kinh doanh và tạo ra giá trị.

⚠ Hai vế đều cần:

⚠ XÁC ĐỊNH BÀI TOÁN CỤ THỂ
   → ⚠ giải cái gì, cho ai
   → ⚠ tránh làm AI vì AI

⚠ ĐỊNH NGHĨA CHỈ SỐ THÀNH CÔNG
   → ⚠ biết thế nào là thành công
   → ⚠ có đường nền để so

⚠ Thiếu vế thứ hai là lý do rất nhiều dự án AI không chứng minh được giá trị khi bị hỏi.

Vì sao các phương án khác sai

  • A (mua ngay mô hình nền lớn nhất mà không có ca sử dụng cụ thể) — ⚠ công nghệ đi trước bài toán: cách tốn tiền nhanh nhất.

  • C (chỉ tập trung vào tính mới lạ kỹ thuật, không xét tích hợp vào luồng công việc hiện có) — ⚠ bỏ qua yếu tố quyết định: công cụ không nằm trong luồng làm việc thì không ai dùng.

  • D (giao dự án CHỈ cho phòng IT, không có sự tham gia của bên nghiệp vụ) — ⚠ thiếu chiều nghiệp vụ: dẫn tới giải bài toán không ai có.

Ghi nhớ

⚠ Bốn bước khởi động dự án gen AI — bảng phải thuộc: | Bước | Việc | |---|---| | ⚠ 1. Xác định bài toán cụ thể | ⚠ từ điểm đau thật — đề này | | ⚠ 2. Định nghĩa chỉ số thành công | ⚠ và đo đường nền — đề này | | 3. Đánh giá khả thi | ⚠ có dữ liệu không, rủi ro tới đâu | | 4. Làm thử nhỏ, đo, lặp | |

Từ khoá nhận diện:

"bài toán cụ thể + chỉ số thành công" → ⚠ bước khởi đầu đúng "mua mô hình lớn nhất trước" → ⚠ công nghệ đi trước bài toán "chỉ giao cho IT" → ⚠ thiếu nghiệp vụ "không xét tích hợp" → ⚠ công cụ sẽ không ai dùng

⚠ Tiêu chí chọn ca sử dụng đầu tiên Tiêu chí
⚠ Điểm đau rõ ràng, đo được
⚠ Rủi ro thấp ⚠ nội bộ trước, khách hàng sau
⚠ Có dữ liệu sẵn
⚠ Có người ủng hộ trong đội
Thấy kết quả trong vài tuần ⚠ để giữ đà
⚠ Chỉ số thành công phải thế nào Phải
⚠ Là 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
⚠ Đo TRƯỚC khi triển khai ⚠ sau đó không dựng lại được
⚠ Vì sao "không có ca sử dụng" lại phổ biến Lý do
⚠ Áp lực phải "làm gì đó với AI"
⚠ Công nghệ hấp dẫn hơn bài toán buồn tẻ
⚠ Demo ấn tượng khác xa giá trị thật
Hậu quả ⚠ dự án chạy được nhưng không ai dùng

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Bài toán này ai đang gặp hằng ngày | ⚠ hỏi trực tiếp họ | | Sáu tháng nữa con số nào cho biết thành công | | | Đã đo đường nền chưa | ⚠ trước khi triển khai |

Và câu hỏi nên đặt ra trước mọi dự án AI: "nếu thành công hoàn hảo thì con số nào thay đổi?" Không trả lời được câu đó thì chưa nên bắt đầu — vì cũng sẽ không chứng minh được giá trị khi tới lúc phải bảo vệ ngân sách.

Câu 500 1 Fundamentals of gen AI

What is a key advantage of using a hybrid approach (combining deterministic and generative AI) when building conversational agents with Google Cloud's Customer Engagement Suite?

  1. A

    A. It allows agents to handle only simple, predictable customer queries.
  2. B

    B. It restricts agent responses to predefined scripts, ensuring consistency.
  3. C

    C. It eliminates the need for human agents in customer interactions.
  4. D

    D. It enables strict control over agent behavior while leveraging the flexibility of generative AI.
Xem giải thích

Đáp án

D — Nó cho phép kiểm soát chặt chẽ hành vi của agent trong khi vẫn tận dụng được sự linh hoạt của gen AI.

Vì sao đúng

Kiến trúc lai ghép hai thứ vốn đối lập: luật xác định cho phần cần chắc chắn, gen AI cho phần cần linh hoạt.

⚠ Mỗi phần lo việc gì:

⚠ PHẦN XÁC ĐỊNH (luật)
   → ⚠ luồng đặt hàng, xác minh danh tính
   → ⚠ tuân thủ, tuyên bố pháp lý
   → ⚠ PHẢI đúng từng bước

⚠ PHẦN GEN AI
   → ⚠ hiểu câu hỏi diễn đạt tự do
   → ⚠ trả lời câu ngoài kịch bản
   → ⚠ giọng điệu tự nhiên

⚠ Vì sao cần cả hai:

⚠ Chỉ luật → gãy khi khách nói khác kịch bản
⚠ Chỉ gen AI → khó đoán ở bước quan trọng
        ↓
⚠ Lai: chắc chắn ở chỗ cần chắc,
  linh hoạt ở chỗ cần linh hoạt

Vì sao các phương án khác sai

  • B (giới hạn phản hồi vào kịch bản định sẵn, đảm bảo nhất quán) — ⚠ bẫy nửa đúng: đó là mô tả của phần xác định một mình, bỏ mất vế linh hoạt của gen AI.

  • A (chỉ xử lý được câu hỏi đơn giản, đoán trước được) — ⚠ ngược lại: kiến trúc lai sinh ra để xử lý cả câu hỏi ngoài kịch bản.

  • C (loại bỏ nhu cầu có nhân viên con người) — ⚠ sai và nguy hiểm: mọi hệ CSKH nghiêm túc đều cần đường thoát tới người thật.

Ghi nhớ

⚠ Chia việc trong kiến trúc lai — bảng phải thuộc: | Việc | Dùng gì | |---|---| | ⚠ Luồng giao dịch, thanh toán | ⚠ luật xác định | | ⚠ Xác minh danh tính | ⚠ luật xác định | | ⚠ Tuyên bố pháp lý, chính sách | ⚠ luật + grounding | | ⚠ Hiểu câu hỏi tự do | ⚠ gen AI | | ⚠ Câu ngoài kịch bản | ⚠ gen AI | | Chuyển người | ⚠ luật kích hoạt |

Từ khoá nhận diện:

"kiểm soát chặt + linh hoạt" → ⚠ kiến trúc lai "chỉ kịch bản định sẵn" → ⚠ thiếu vế gen AI "thay thế hoàn toàn con người" → ⚠ luôn sai

⚠ Vì sao bước quan trọng phải dùng luật Lý do
⚠ Gen AI KHÔNG tất định ⚠ cùng đầu vào có thể ra khác
⚠ Bước thanh toán không được sai
⚠ Tuyên bố pháp lý phải nguyên văn
Kiểm thử được từng nhánh
⚠ Vì sao vẫn cần gen AI Lý do
⚠ Khách không nói theo kịch bản
⚠ Không liệt kê trước hết mọi ý định
⚠ Giọng điệu tự nhiên hơn
Xử lý được câu hỏi hiếm

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Bước nào bắt buộc phải tất định | ⚠ liệt kê trước khi thiết kế | | Gen AI có được phép chạm vào bước đó không | ⚠ không nên | | Đường thoát tới người có dễ tìm không | |

Và nguyên tắc thiết kế đáng nhớ: dùng luật ở nơi sai là tốn tiền, dùng AI ở nơi sai chỉ là bất tiện. Chia việc theo hậu quả của lỗi, không theo độ khó kỹ thuật.