無限ノック › AIP 練習問題一覧 › 問題AIP 実装と統合
チームがAmazon Bedrock上でAmazon Titan Text G1の法律文書要約ファインチューニングを実施しています。トレーニングロスは順調に低下していますが、バリデーションロスがエポック3以降に上昇し始め、テストセットでの要約品質が低いことが判明しました。この過学習（Overfitting）を最も効果的に解決するハイパーパラメータ調整はどれですか？
A 学習率乗数（Learning Rate Multiplier）を1.0から2.0に増加させて学習を加速する
学習率を上げると過学習が悪化します。
B エポック数を現在の3から10に増加させてさらに学習を継続する
エポック増加はさらに過学習を進行させます。
C エポック数を削減（例：2エポックに変更）するか、学習率乗数を下げてウェイト更新を抑制し過学習を防ぐ
✓ 正解
トレーニングロスが低下しバリデーションロスが上昇する典型的な過学習パターンです。Bedrock Custom Model Jobsの主要ハイパーパラメータはエポック数と学習率乗数（Learning Rate Multiplier）です。エポック数削減で早期停止に近い効果が得られ、学習率乗数を下げると過激なウェイト更新が抑制されます。
D バッチサイズを増加させて勾配（Gradient）の推定精度を向上させる
バッチサイズ変更は勾配品質に影響するが過学習の主因ではなく効果が限定的です。
解説 正解：
エポック数を削減（例：2エポックに変更）するか、学習率乗数を下げてウェイト更新を抑制し過学習を防ぐ。
トレーニングロスが低下しバリデーションロスが上昇する典型的な過学習パターンです。Bedrock Custom Model Jobsの主要ハイパーパラメータはエポック数と学習率乗数（Learning Rate Multiplier）です。エポック数削減で早期停止に近い効果が得られ、学習率乗数を下げると過激なウェイト更新が抑制されます。
選択肢Aは 学習率を上げると過学習が悪化します。
選択肢Bは エポック増加はさらに過学習を進行させます。
選択肢Dは バッチサイズ変更は勾配品質に影響するが過学習の主因ではなく効果が限定的です。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでAIPを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →