プログラミング学習プラットフォームが Amazon Bedrock の Claude 3 Sonnet を使用してコードレビューサービスを運用しています。ユーザーから「AIのレビュー結果が毎回異なり一貫性がない」「コードに存在しないバグを指摘される（幻覚）」という苦情が寄せられています。調査の結果、現在 temperature=1.0、top_p=1.0、top_k=250 で運用されていることが判明しました。モデルを変更せず、追加コストをかけずに、推論パラメータの調整のみでこの問題を最も効果的に解決する設定はどれですか？
temperature を 0.1〜0.2 に下げ、top_p を 0.85 程度に設定する。 コードレビューは技術的正確性と一貫性が最重要なタスクです。temperature は出力のランダム性を制御し、低い値（0〜0.3）に設定すると確率の高いトークンが優先選択され、出力が安定・決定論的になります。top_p（核サンプリング）も下げることで候補トークンを絞り込みます。この組み合わせにより、一貫性のないレビューと存在しないバグの幻覚の両問題を改善できます。 選択肢B は temperature を 1.5 に上げると確率分布がさらにフラットになりランダム性が増大します。創造的なコンテンツ生成には適していますが、一貫性・正確性が求められるコードレビューには逆効果です。 選択肢C は max_tokens は生成される応答の最大長を制御するパラメータです。出力の一貫性や事実的正確性（幻覚の抑制）には影響しません。 選択肢D は top_k を増やすとより多くのトークン候補から選択されるようになり、出力の多様性・ランダム性が増します。一貫性と正確性の問題を悪化させる方向です。