2027年試験新シラバス対応・2-5

LMとLLM（オンプレミス・オープンソース）の一問一答

生成AIパスポート試験「生成AI」から、LMとLLM（オンプレミス・オープンソース）に関する4択問題を10問。「答えと解説を見る」を開くと、正解とその理由がその場で読めます。会員登録は不要です。

この分野の演習

全10問／解説つき・基本無料

アプリ形式で解く（全410問）生成AIの要点解説を読む

問題

上から順に解いてみてください。答えは各問の下で確認できます。本試験は四肢択一式（一部複数選択を含む）で出題されます。ここでは全て4択（正解は1つ）で出題しています。

問12-5

言語モデル（LM：Language Model）の説明として、最も適切なものを1つ選びなさい。

①単語の並びがどのくらい出やすいかを確率として扱い、文章のもっともらしさを表すモデル
②日本語や英語などの文法の規則を、人間がすべて書き込んで作られた辞書のようなモデル
③画像と文章を共通のベクトルの空間で表し、写真の内容を説明する文章を作るためのモデル
④人間の評価をもとに、回答がどれだけ望ましいかを点数として推定するためのモデル

答えと解説を見る

正解 ①単語の並びがどのくらい出やすいかを確率として扱い、文章のもっともらしさを表すモデル

解説
言語モデル（LM：Language Model）は、単語やトークンの並びがどのくらい出やすいかを確率として扱うモデルです。「今日は天気が」のあとに「良い」が来る確率は高く、「机」が来る確率は低い、といった文章のもっともらしさを表します。
古くは、直前のいくつかの単語から次の単語の確率を数えるn-gramモデルが使われていました。その後、ニューラルネットワークを使ったニューラル言語モデルが登場し、さらにパラメータ数やデータ量を大規模にしたものがLLM（大規模言語モデル）です。

他の選択肢が不適切な理由
・文法の規則を人間が書き込む：ルールベースの考え方です。言語モデルは、単語の並びの出やすさを確率として扱います。
・画像と文章を共通の空間で表す：マルチモーダルモデルの説明です。
・回答の望ましさを点数で推定する：RLHFで使う報酬モデルの説明です。

覚え方のポイント
言語モデル＝「この言葉の次には、この言葉が来やすい」という確率の地図。

問22-5

n-gramモデルの説明として、最も適切なものを1つ選びなさい。

①文章全体を自己注意機構で計算し、すべての単語の関係を一度にとらえていく言語モデル
②直前のいくつかの単語の並びをもとに、次に来る単語の確率を数えて求める言語モデル
③画像と文章を組み合わせて学習し、写真の内容を説明する文章を作り出す言語モデル
④人間の評価をもとに報酬モデルを作り、強化学習で回答を調整していく言語モデル

答えと解説を見る

正解 ②直前のいくつかの単語の並びをもとに、次に来る単語の確率を数えて求める言語モデル

解説
n-gramモデルは、直前のn−1個の単語の並びをもとに、次に来る単語の確率を、大量の文章の中での出現回数から数えて求める、古典的な言語モデルです。たとえば2-gram（バイグラム）なら直前の1語、3-gram（トライグラム）なら直前の2語から次の語を予測します。
仕組みが単純な反面、少し離れた単語との関係はとらえられず、出現しなかった組合せの確率をうまく扱えないといった限界があり、ニューラル言語モデルへと発展していきました。

他の選択肢が不適切な理由
・自己注意機構で文章全体を計算：Transformerを使った言語モデル（現在のLLMなど）の説明です。
・画像と文章を組み合わせる：マルチモーダルモデルの説明です。
・報酬モデルと強化学習で調整：RLHFの説明です。

覚え方のポイント
n-gram＝「直前のn−1語だけを見て、次の語を数えて当てる」古典的な方法。

問32-5

クラウド型LLMとオンプレミスLLMに関する記述として、適切でないものを1つ選びなさい。

①クラウド型LLMは、自社で設備を用意しなくても、高性能なモデルをすぐ使える。
②オンプレミスLLMは自社の設備で動かすため、データを社外に出さずに扱いやすい。
③クラウド型LLMでは、入力したデータが、社外のサーバーに送られることはない。
④オンプレミスLLMの場合、設備の用意や運用の手間と費用を自社で負う必要がある。

答えと解説を見る

正解 ③クラウド型LLMでは、入力したデータが、社外のサーバーに送られることはない。

解説
クラウド型LLMは、提供事業者のサーバーで動くLLMを、インターネット経由で利用する形態です。入力したデータは提供事業者のサーバーに送られて処理されるため、「社外のサーバーに送られることはない」という記述は適切ではありません。入力したデータの扱い（学習への利用の有無や保存期間など）を、利用規約や設定で確認することが大切です。
オンプレミスLLMは自社の設備で動かすため、データを社外に出さずに扱いやすい一方、設備の用意や運用の手間と費用を自社で負う必要があります。クラウド型は、設備を用意しなくても高性能なモデルをすぐに使えるのが利点です。

他の選択肢（適切な記述）について
・オンプレミスはデータを社外に出さずに扱いやすい：機密情報を扱う場合の利点です。
・クラウド型は設備なしで高性能なモデルをすぐ使える：導入の手軽さが利点です。
・オンプレミスは運用の手間と費用を自社で負う：高性能な計算機の用意や保守が必要です。

覚え方のポイント
クラウド＝手軽だがデータは社外へ、オンプレミス＝手間はかかるがデータは社内に。

問42-5

「データ主権」の考え方として、最も適切なものを1つ選びなさい。

①データの量が最も多い国が、世界中のAIのルールを決める権利を持つという原則
②AIのサービスを提供する事業者が、利用者の入力したデータを自由に使える権利のこと
③インターネット上に公開されているデータは、誰のものでもなく自由に使えるという考え方
④データを保有する組織や国が、そのデータの保存場所や利用方法を自ら管理できること

答えと解説を見る

正解 ④データを保有する組織や国が、そのデータの保存場所や利用方法を自ら管理できること

解説
データ主権とは、データを保有する組織や国が、そのデータをどこに保存し、誰がどのように利用するかを、自ら管理・決定できることを重視する考え方です。
生成AIの利用では、入力したデータが海外のサーバーで処理・保存されることがあり、どの国の法律が適用されるか、どのように扱われるかが問題になります。機密性の高いデータを扱う組織が、オンプレミスLLMや国内のデータセンターで動くサービスを選ぶ背景には、このデータ主権の考え方があります。

他の選択肢が不適切な理由
・事業者が利用者のデータを自由に使える権利：データ主権はデータの保有者側が管理・決定できることを重視する考え方です。
・公開データは誰のものでもなく自由に使える：データ主権の意味ではありません。公開データでも著作権などの権利がある場合があります。
・データ量が最も多い国がルールを決める：そのような国際原則はありません。

覚え方のポイント
データ主権＝「自分のデータの置き場所と使い道は、自分で決める」。

問52-5

オープンウェイトのモデルの説明として、最も適切なものを1つ選びなさい。

①利用料金が無料であることを必ず意味しており、どのような使い方でも制限なく利用できるモデル
②学習済みのパラメータ（重み）が公開されており、利用者が入手して自分の環境で動かせるモデル
③学習に使ったデータや学習の手順まで、すべての情報が例外なく公開されている完全なモデル
④モデルの重さ（ファイルの容量）が非常に小さく、どのスマートフォンでも必ず動かせるモデル

答えと解説を見る

正解 ②学習済みのパラメータ（重み）が公開されており、利用者が入手して自分の環境で動かせるモデル

解説
オープンウェイトのモデルとは、学習済みのパラメータ（重み）が公開されており、利用者がそれを入手して、自社のサーバーなど自分の環境で動かしたり、追加学習したりできるモデルです。
ただし、重みが公開されていても、学習データや学習の手順まで公開されているとは限りません。また、利用条件はモデルごとのライセンスで定められており、商用利用の制限や利用規模の条件などが付いていることがあります。「オープン」という言葉だけで、何をしてもよいと判断しないことが大切です。

他の選択肢が不適切な理由
・無料でどのような使い方でも制限なし：利用条件はライセンスで定められており、商用利用などに制限がある場合があります。
・学習データや手順まですべて公開：重みが公開されていても、学習データなどは公開されていないことが多くあります。
・容量が小さくどのスマホでも動く：オープンウェイトは公開の範囲を表す言葉で、モデルの大きさとは関係ありません。

覚え方のポイント
オープンウェイト＝「重み（パラメータ）が公開」。何に使えるかはライセンスを必ず確認。

ひっかけ注意
「オープン」＝「無料で何にでも使える」ではありません。ライセンスの条件（商用利用・改変・再配布など）の確認は必須です。

問62-5

オープンソースLLMやオープンウェイトのモデルを業務で使う前に確認すべき事項として、最も適切なものを1つ選びなさい。

①インターネット上で多くの人が使っていれば、ライセンスを確認する必要はない
②オープンなモデルは誰のものでもないため、利用条件というものは存在しない
③公開されている性能の比較の順位で、上位に入っているかどうかだけを確認すればよい
④モデルのライセンスで、商用利用や改変、再配布などの条件がどう定められているか

答えと解説を見る

正解 ④モデルのライセンスで、商用利用や改変、再配布などの条件がどう定められているか

解説
オープンソースLLMやオープンウェイトのモデルを業務で使う前には、モデルごとのライセンス（利用許諾の条件）を必ず確認する必要があります。
ライセンスによって、商用利用の可否、改変や再配布の条件、出力の利用の制限、利用者の数などによる条件、著作権の表示の義務などが異なります。条件に反した利用は、契約違反や権利侵害につながるおそれがあります。新シラバスでも、オープンソースLLMの位置づけとライセンスが学習項目に挙げられています。

他の選択肢が不適切な理由
・利用条件は存在しない：公開されているモデルにも、ライセンスで利用の条件が定められています。
・性能の順位だけを確認する：性能が高くても、ライセンスで商用利用が認められていなければ業務に使えません。
・多くの人が使っていれば確認不要：利用者の数は、自社の使い方が認められるかとは関係ありません。

覚え方のポイント
「オープン」なモデルほど、ライセンスの確認が命。商用利用・改変・再配布の3点をチェック。

問72-5

言語モデルに関する記述として、適切でないものを1つ選びなさい。

①n-gramモデルは、文章中の離れた位置にある単語どうしの関係も正確にとらえられる。
②言語モデルは、単語の並びがどのくらい出やすいかを、確率として扱うモデルである。
③LLMとは、パラメータ数や学習データの量を、非常に大きくした言語モデルのことである。
④ニューラル言語モデルは、単語をベクトルで表し、意味の近さを活かして予測できる。

答えと解説を見る

正解 ①n-gramモデルは、文章中の離れた位置にある単語どうしの関係も正確にとらえられる。

解説
言語モデルは、単語の並びがどのくらい出やすいかを確率として扱い、文章のもっともらしさを表すモデルです。
n-gramモデルは、直前のいくつかの単語の並びだけをもとに次の単語の確率を求めるため、文章の中で離れた位置にある単語どうしの関係をとらえることは苦手です。したがって、この記述は適切ではありません。
ニューラル言語モデルは、単語をベクトルで表し、意味の近い単語の関係を活かして予測できるようになりました。LLM（大規模言語モデル）は、パラメータ数や学習データの量を非常に大きくした言語モデルです。

他の選択肢（適切な記述）について
・単語の並びの出やすさを確率で扱う：言語モデルの定義です。
・パラメータ数や学習データを大きくした言語モデル：LLMの定義です。
・ニューラル言語モデルは意味の近さを活かせる：n-gramモデルから改善された点です。

覚え方のポイント
n-gram＝「直前の数語」しか見ない。遠くの関係はTransformerの得意分野です。

問82-5

ローカル環境（自社のサーバーやパソコン）でLLMを動かす場合の注意点として、最も適切なものを1つ選びなさい。

①ローカル環境では、モデルのライセンスの条件はすべて適用されなくなり自由に使える。
②自社で動かすため、出力の誤りや偏りについては一切確認する必要がなくなる。
③高性能な計算機の用意や、セキュリティ対策・更新などの運用を自ら行う必要がある。
④ローカル環境で動かすモデルは、必ずクラウド型のモデルより性能が高くなる。

答えと解説を見る

正解 ③高性能な計算機の用意や、セキュリティ対策・更新などの運用を自ら行う必要がある。

解説
ローカル環境でLLMを動かすと、データを社外に出さずに扱いやすい一方で、高性能な計算機（GPUなど）の用意、モデルの更新、セキュリティ対策、障害への対応などの運用を自ら行う必要があります。
また、どこで動かしてもLLMである以上、ハルシネーションや偏りは起こりうるため、出力の確認は必要です。モデルのライセンスの条件も、動かす場所にかかわらず守る必要があります。

他の選択肢が不適切な理由
・出力の誤りや偏りの確認が不要になる：動かす場所に関係なく、出力の確認は必要です。
・ライセンスの条件が適用されなくなる：自社で動かす場合も、モデルのライセンスの条件は守る必要があります。
・必ずクラウド型より性能が高い：性能はモデルによって異なり、ローカルで動かせる小型のモデルは、大規模なクラウド型より性能が劣ることも多くあります。

覚え方のポイント
ローカルLLMは「データを守りやすい代わりに、運用は全部自分持ち」。出力の確認は省けません。

問92-5

LLMの特性として、適切でないものを1つ選びなさい。

①事実と異なる内容を、もっともらしい自然な文章で出力してしまうことがある。
②1つのモデルで、要約・翻訳・質問応答など、さまざまな言語の作業をこなすことができる。
③プロンプトの書き方や与える条件の違いによって、出力の内容や質は大きく変わる。
④学習した時点より後の出来事についても、追加の仕組みなしに常に正確に答えられる。

答えと解説を見る

正解 ④学習した時点より後の出来事についても、追加の仕組みなしに常に正確に答えられる。

解説
LLMは、学習データを集めた時点（学習データのカットオフ）までの情報をもとに答えるため、その後の出来事について、検索などの追加の仕組みなしに常に正確に答えることはできません。最新の情報が必要な場合は、検索機能やRAG（検索拡張生成）を組み合わせたり、一次情報で確認したりする必要があります。
使っているモデルの学習データがいつ時点のものかを知っておくと、出力の情報が古くなっていないかを判断する手がかりになります。

他の選択肢（適切な記述）について
・さまざまな言語の作業をこなせる：1つのLLMで多くの作業に対応できるのが特徴です。
・プロンプトで出力が変わる：プロンプトの工夫（プロンプトエンジニアリング）が重要な理由です。
・もっともらしい誤りを出力する：ハルシネーションと呼ばれる、LLMの代表的な特性です。

覚え方のポイント
LLMは「学習した時点で知識が止まっている」。最新情報は検索・RAG・一次情報で補います。

問102-5

LMとLLMに関する次の記述a〜dのうち、適切なものの組合せを1つ選びなさい。
a．n-gramモデルは、直前の単語の並びから次の単語の確率を求める古典的な言語モデルである。
b．オンプレミスLLMは、入力したデータが必ず外部の事業者のサーバーで処理される。
c．LLMは規模が大きいため、出力の確認は不要である。
d．オープンウェイトのモデルでも、ライセンスで利用条件が定められていることがある。

①a・d
②b・c
③a・b
④c・d

答えと解説を見る

正解 ①a・d

解説
aとdが適切です。
a：n-gramモデルは、直前のn−1個の単語の並びから、次に来る単語の確率を出現回数で求める古典的な言語モデルです。
d：オープンウェイトのモデルでも、商用利用・改変・再配布などの利用条件がライセンスで定められていることがあります。

誤っている記述
・b：オンプレミスLLMは自社の設備で動かすため、データを社外に出さずに扱うことができます。外部のサーバーで処理されるのはクラウド型です。
・c：規模が大きくても、LLMはハルシネーションや偏りを起こしうるため、出力の確認は必要です。

覚え方のポイント
「クラウド型＝外部で処理」「オンプレミス＝自社で処理」「オープン＝ライセンス確認」。

「生成AIパスポート」は一般社団法人生成AI活用普及協会の登録商標です。本ページは一般社団法人生成AI活用普及協会（GUGA）とは一切関係がなく、公認・認定を受けた教材ではありません。

生成AIパスポートの対策問題（全410問）に戻る

非公式の資格試験対策サイトです。一般社団法人生成AI活用普及協会（GUGA）とは一切関係がなく、GUGAの公認・認定を受けた教材ではありません。

※本ページでは、アクセス解析（Googleアナリティクス）と、広告の配信・成果の計測（A8.net）のためにCookie等を利用し、閲覧に関する情報をGoogle LLC・株式会社ファンコミュニケーションズへ送信しています。詳しくはプライバシーポリシーをご覧ください。

※本ページの問題・解説は、生成AI（人工知能）を活用して作成しています。