1) Seorang siswa menggunakan LLM untuk mencari referensi buku sejarah. LLM memberikan detail buku (judul, penulis, tahun) yang terlihat sangat meyakinkan, namun setelah dicek di perpustakaan, buku tersebut tidak pernah ada. Fenomena ini dalam konteks LLM disebut sebagai.... . a) A. Bias algoritmik b) B. Overfitting data c) C. Halusinasi d) E. Underfitting model 2) Sebuah aplikasi LLM yang digunakan untuk merekrut karyawan secara konsisten lebih memprioritaskan kandidat laki-laki untuk posisi engineer, meskipun kualifikasi kandidat perempuan sama baiknya. Akar masalah etika ini paling mungkin disebabkan oleh... . a) A. Pengaturan hyperparameter yang terlalu rendah. b) B. System prompt yang secara eksplisit meminta hasil yang bias. c) E. Tingkat latency (keterlambatan) yang tinggi saat melakukan inference. d) D. Adanya bias gender yang inheren dalam data training yang digunakan untuk melatih model 3) Seorang developer menggunakan LLM untuk membuat 100 quotes motivasi baru. Secara hukum dan etika, siapa yang bertanggung jawab untuk memastikan bahwa quotes yang dihasilkan LLM tersebut tidak secara tidak sengaja melanggar hak cipta quotes yang sudah ada... . a) A. Pemilik perusahaan penyedia LLM (misalnya Google atau OpenAI). b) D. Pengguna/Developer yang mempublikasikan dan menggunakan quotes tersebut. c) B. Model LLM itu sendiri. d) E. Komunitas open source yang menguji model. 4) Manakah dari tindakan berikut yang paling menunjukkan integritas dan tanggung jawab etis tertinggi saat seorang peneliti menggunakan LLM untuk merangkum 50 jurnal ilmiah... . a) A. Menerbitkan ringkasan tersebut tanpa membaca ulang, karena LLM dianggap kredibel b) B. Mengutip LLM sebagai "Penulis Utama" dari ringkasan tersebut c) C. Menggunakan ringkasan, tetapi menyertakan sumber/sitasi untuk 50 jurnal asli yang dirangkum (bukan hanya LLM) dan memverifikasi keakuratannya. d) E. Meminta LLM mengubah gaya bahasa agar tidak terdeteksi oleh plagiarism checker. 5) Seorang developer mengintegrasikan LLM pihak ketiga melalui API ke dalam aplikasi customer service-nya. Dalam prompt-nya, developer menyertakan data sensitif pelanggan (seperti ID, nama lengkap, dan riwayat pembelian). Manakah risiko etika dan keamanan yang paling relevan dan harus dipertimbangkan secara serius... . a) A. Risiko Halusinasi LLM menyebabkan informasi pelanggan salah b) C. Risiko bias LLM menyebabkan respon customer service yang diskriminatif. D. Risiko latency (keterlambatan) karena data prompt terlalu besar. c) B. Risiko pelanggaran privasi data, di mana data sensitif tersebut dapat digunakan (atau disimpan) oleh penyedia API pihak ketiga tanpa persetujuan eksplisit pelanggan. d) E. Risiko LLM menghasilkan jawaban yang melanggar hak cipta.

Assesment Formatif Pear Teaching

印刷
埋め込み

リーダーボード

表示スタイル

オプション

テンプレートを切り替える

自動保存: を復元しますか?