第 6 題
Question#6Topic1
生成的AI工程師具有提供端點的配置吞吐量模型,作爲RAG應用程序的一部分,並希望監視服務端點的傳入請求和發出的響應。當前的方法是在端點和用戶界面之間包括一個微服務,以將日誌寫入遠程服務器。
他們應該使用哪些Databricks功能將執行相同的任務?
DB-GAIEA 英文 PDF 練習題,共 109 題,按題庫順序提供題目、原腳本支持的選項、答案及已有解析。本方案僅適用於此考試,一次付費,不自動續費。
面向生成式 AI 工程師,考覈 Databricks 上的 LLM 方案、向量檢索、RAG、模型服務及治理。
官方考試語言與下方練習題文件的語言分別列出;實際考試版本及可選語種以官方預約頁面爲準。
官方來源:官方資料
信息覈對日期:2026-10-20
題庫共 109 題
題目按題庫原始順序展示。展開查看答案和解析。
本頁試閱由簡體題庫轉換爲繁體中文。
免責聲明:本站所有題目均整理自互聯網,僅供學習參考。
Question#6Topic1
生成的AI工程師具有提供端點的配置吞吐量模型,作爲RAG應用程序的一部分,並希望監視服務端點的傳入請求和發出的響應。當前的方法是在端點和用戶界面之間包括一個微服務,以將日誌寫入遠程服務器。
他們應該使用哪些Databricks功能將執行相同的任務?
Question#7Topic1
生成的工程師的任務是通過解決其炎症產量來改善抹布的質量。
哪種動作最有效地減輕了進攻性文本輸出的問題?
Question#8Topic1
生成工程師正在創建基於LLM的應用程序。其檢索器的文檔已分解爲最多512個令牌。生成的工程師知道,對於本應用程序,成本和延遲比質量更重要。他們有幾個上下文長度級別可供選擇。
哪個可以滿足他們的需求?
Question#9Topic1
癌症研究領域中的一家小型且具有成本意識的初創公司希望使用基礎模型API構建一個破布應用程序。
哪種策略將允許該初創公司在具有成本意識並滿足客戶需求的同時構建優質的抹布應用程序?
Question#10Topic1
生成的AL工程師負責開發聊天機器人,以使其公司的內部幫助臺呼叫中心團隊更快地查找相關門票並提供解決方案。在爲該項目創建Genai應用程序的工作故障任務時,他們意識到他們需要開始計劃哪些數據源(Unity Catalog卷或Delta表)可以爲此應用程序選擇。他們收集了幾個候選數據源以供考慮:call_rep_history:帶有主鍵代表_id,call_id的三角洲表。保留此表以從字段call_duration計算代表的呼叫分辨率,並呼叫start_time。成績單卷:所有記錄的統一目錄卷都爲a *.wav文件,但也將文本轉錄爲 *.txt文件。 call_cust_history:帶有主鍵Customer_id的三角洲表,cal1_id。維護該表以計算多少內部客戶使用幫助臺,以確保充電模型與實際使用的使用一致。 call_detail:一個三角洲表,其中包含每小時更新所有呼叫詳細信息的快照。它包括root_cause和分辨率字段,但是對於仍然有效的調用可能是空的。維護_schedule 一個三角洲表,其中包括列出了HelpDesk應用程序中斷以及計劃的即將到來的維護下降時間。
他們需要可以添加上下文以最好地識別上下文來確定票務根本原因和解決方案的來源。
哪兩個來源可以做到? (選擇兩個。)