注：このセクションには、同じシナリオと問題に関する複数の質問セットが含まれています。各質問には、問題に対する固有の解決策が提示されています。提示された解決策が、提示された目標を満たしているかどうかを判断する必要があります。セット内の複数の解決策が問題を解決できる場合もあります。また、セット内のどの解決策も問題を解決できない場合もあります。
このセクションの質問に回答すると、前のセクションに戻ることはできません。そのため、これらの質問は復習画面には表示されません。
エージェントを含む Microsoft Foundry プロジェクトがあります。このエージェントは、取得したポリシー文書から概要を生成します。
ユーザーからは、取得したコンテンツに規定の規制条項が含まれている場合でも、一部の回答では必要な規制条項が省略されているとの報告がある。
回答の完全性を改善する必要があります。
解決策：温度パラメータの値を増やします。
これは目標を達成していると言えるでしょうか？
正解：B
The solution does not meet the goal. Increasing temperature changes the sampling behavior of the generative model, not the completeness-checking logic of the application. Microsoft's Azure OpenAI reference defines temperature as a sampling control where higher values make output more random, while lower values make output more focused and deterministic. Raising the value can increase variation and creativity, but it does not ensure that all required regulatory clauses from the retrieved policy documents are included.
The reported issue is a recall/completeness failure: relevant clauses are already present in retrieved content, but the generated summary omits them. Microsoft Foundry RAG evaluator guidance defines Response Completeness as whether a response covers critical information compared to expected information or ground truth, and distinguishes it from groundedness, which checks that responses do not go beyond grounding context.
A more suitable implementation would add a reflection, verification, or completeness review pass that compares the draft summary against the retrieved clauses and revises the response before returning it.
Increasing temperature could make outputs less predictable and may worsen omission risk. Reference topics:
model parameters, temperature, RAG response completeness, retrieved context, and model reflection.
