正解：イ
各選択肢の解説
アあらかじめ登録した質問と回答の組から、最も近い回答を選んで返す。
誤り。これはFAQ型（シナリオ型）のチャットボットの仕組みです。どちらも 質問に文章で答えるので同じに見えますが、登録済みの回答から選ぶだけで、 新しい文章は作りません。作るか選ぶかで区別します。
イ大量の文章で学習し、文脈に続く言葉を予測して多様な文章を生成する。
正解。膨大な文章から言葉のつながり方を学んでおき、入力された文脈に 続く言葉を順に予測して文章を作ります。この一つの仕組みで、 要約・翻訳・対話など幅広い作業に使えます。
ウ翻訳なら翻訳用というように、作業ごとに別々に学習したモデルを使う。
誤り。これは特定の作業に特化した自然言語処理モデルの考え方です。 LLMも自然言語処理の一種なので混同しますが、LLMは一つのモデルで 要約・翻訳・対話などを汎用的にこなす点が特徴です。
エ質問のたびにWebを検索し、見つかった文章をそのまま抜き出して返す。
誤り。これは検索エンジンの働きです。LLMは検索結果を貼り付けるのではなく、 学習した言葉のつながりから文章を新しく組み立てます。外部の文書を検索して 材料にする仕組みを組み合わせる場合は、検索拡張生成（RAG）と呼びます。
理解を深めるために
膨大な文章から「言葉の続き方」を身につけたモデル
「今日は朝から雨が」と来たら、次は「降っている」が続きそうだと 人は自然に予想できます。大規模言語モデル（LLM）は、この予想を 膨大な量の文章から学んだモデルです。
入力された文脈を手掛かりに、続く言葉を一つずつ予測して並べることで、 質問への回答や要約、翻訳文などを新しく書き上げます。
なぜ一つのモデルで何でもこなせるのか
- 学習に使う文章の量が非常に多く、モデル内部で調整される値（パラメータ）の 数も非常に多い。これが「大規模」の意味
- 要約も翻訳も対話も、「文脈に合う続きを書く」という同じ作業として扱える
- そのため、作業ごとに別のモデルを作らなくても、指示の出し方次第で 幅広い用途に使える
一方で、学習していない社内の情報などは知らないため、外部の文書を 検索して渡す検索拡張生成（RAG）と組み合わせて使われることがあります。
混同しやすいものとの違い
| 仕組み | 回答の作り方 |
|---|---|
| 大規模言語モデル（LLM） | 文脈に続く言葉を予測し、文章を新しく生成する |
| FAQ型のチャットボット | 登録済みの回答から近いものを選ぶ |
| 特化型の自然言語処理モデル | 作業ごとに別のモデルを学習して使う |
| 検索エンジン | 既存のWebページを探して示す |
「新しく生成する」「一つのモデルで幅広い作業」の二点がそろっていれば LLMの説明です。「選ぶ」「探す」だけのものは別の仕組みと見分けます。