# モデル、コンテキスト、誤った回答

Taiga Learning・ワークシート
https://taiga.training/ja/lessons/models-context/

架空の情報か、承認された情報を使ってください。このワークシートにシークレットを入れないでください。

## 学習目標
- モデルの能力と、最新の事実へのアクセスを区別します。
- 制約の欠落により、もっともらしい回答が誤りになる場合を見分けます。
- 自分で確認できる証拠を求めます。

## 演習
内容を理解している小さな関数を選んでください。機密情報を含まないコードを使います。
1. 承認済みのAIツールに、関数の説明を依頼します。
2. 呼び出し元のコードと、失敗するテストを一つ渡します。
3. 説明の修正を依頼します。
4. 変わった主張と、その変更の根拠になった証拠を記録します。
5. 残る不確実性を記録します。

## あなたの回答
- シナリオと範囲：
- 前提条件と未解決の問い：
- 回答案または判断案と、その理由：

## 回答を検証する
| 主張または基準 | 証拠またはテスト | 結果または不足 | 担当者 |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## 次の対応
- 対応、担当者、日付：
- この回答をいつ見直しますか？

## 覚えておく原則
有用な出力には、モデルの能力と正しいタスク情報の両方が必要です。説明が明快でも、モデルが仮定を確認した証拠にはなりません。

## 出典
- [NIST: Generative AI Profile, AI 600-1](https://doi.org/10.6028/NIST.AI.600-1)

このワークシートは、学習を支援します。完了しても、それだけで本番の変更が許可されるわけではありません。