一個基於 Amazon Bedrock 基礎模型建構的聊天機器人，用於搜尋大量的研究論文語料庫，但由於有許多專業的科學術語，導致其表現不佳。在經過提示工程（prompt engineering）後，效能仍然不足。該公司應該怎麼做才能改進這個聊天機器人？

正確答案是執行領域適應微調，讓基礎模型學習複雜的科學術語。當聊天機器人在特定領域（如科學論文）表現不佳，且提示工程無法解決問題時，表示基礎模型對該領域的知識不足。領域適應微調能讓模型透過特定領域的資料進行額外訓練，從而更好地理解和生成相關的專業術語與概念。 使用 few-shot prompting 雖然能提供範例，但對於模型本身不理解的複雜術語，效果有限。調整推論參數（如溫度或 top-p）可以改變輸出的隨機性或多樣性，但無法彌補模型對專業知識的缺乏。清理研究論文文本以移除複雜術語會導致資訊丟失，且無法讓聊天機器人回答包含這些術語的問題，這與其搜尋研究論文的目的相悖。