所屬科目：iPAS◆AI應用規劃師◆初級
1. 在 Low Code 平台的開發應用設計中，關於「模型(Model)」，下列敘述 何者最符合實際情況？ (A)模型僅扮演設計視覺化的輔助工具，對應用邏輯的影響有限； (B)模型是用來抽象描述資料結構、業務流程與介面邏輯的核心元素， 影響應用的設計與維護； (C)模型僅依循 UML(Unified Modeling Language)等傳統建模方式， 缺乏針對 Low Code 環境的延展性； (D)模型在 Low Code 平台中已被自動程式碼生成全面取代，實際價值有限
2. 企業在導入生成式 AI 平台時，往往需要利用分散於不同部門或機構中的大量敏感文本資料。若希望在確保隱私的前提下，仍能讓模型持續優 化並降低資料外洩風險，下列哪一種方法最適合？ (A)同態加密(Homomorphic Encryption)； (B)安全多方計算(Secure Multi-party Computation)； (C)零知識證明(Zero-knowledge Proofs)； (D)聯邦學習(Federated Learning)
3. 某企業利用 No Code/Low Code 平台開發內部營運系統。為確保系統在跨部門流程與外部服務整合下仍具良好的可測試性(Testability)，下 列哪一項作法最為合適？ (A)依賴 No Code/Low Code 平台提供的即時預覽與基本單元測試功能， 快速驗證常見流程； (B)導入可重複執行的自動化測試流程，並透過 API 或服務虛擬化進 行模組化驗證； (C)將測試聚焦於使用者介面互動與操作流程驗證，檢查系統表面功 能； (D)依靠使用者回饋與正式上線後的監控資料，作為修正依據
4. 某社交平台嘗試結合自動提示工程(Automatic Prompt Engineer,APE)與圖提示(Graph Prompting)，讓 AI 協助分析使用者之間的互動關係。在這個過程中，下列何者為最可能遇到的挑戰？ (A)圖結構轉換為文字提示時，可能導致部分關聯資訊遺失； (B)APE 在圖資料上無法產生任何提示內容； (C)圖轉文字後能完整保留所有上下文，對推理不造成影響； (D)Graph Prompting 僅能處理線性路徑，限制多分支探索
5. 在超長上下文任務中使用自動提示工程(Automatic Prompt Engineer,APE)時，可能面臨的最大限制是什麼？ (A)迭代優化難以因應上下文的不斷變動，導致調整失效； (B)模型的記憶容量有限，無法完整保留所有長篇資訊； (C)提示內容難以有效分解，無法支援複雜任務拆解； (D)回饋機制通常僅針對局部片段，難以全面評估最終輸出品質
6. 某設計團隊計畫在短時間內完成一款行動應用程式，必須同時達到高 度個人化體驗、快速生成介面與行銷內容自動產出等需求。若結合 No Code/Low Code 平台與生成式 AI 技術，以下哪一種整合策略最能符合 目標？ (A)使用生成式 AI 自動產生 API 呼叫與元件配置，並由開發者手動整 合至 No Code 平台流程； (B)透過生成式 AI 在 No Code 平台中自動建立介面模板，並結合使用 者數據即時生成個人化功能與行銷推播內容； (C)在 No Code 平台中導入生成式 AI，快速建立跨專案可重用的通用模 組，專注於提升開發速度； (D)在 No Code 平台中完全依賴生成式 AI 自動產生所有應用功能與流 程，不經人工設計或驗證
7. 某團隊希望讓 AI 自動查詢 GitHub 上的程式碼庫，並生成摘要給使用 者參考。開發者決定透過 Model Context Protocol(MCP)來實現，AI 需先發出請求，再經由 MCP 架構逐步完成查詢與回傳。在此情境下， MCP 運作流程的正確順序為何？ (A)MCP Server→AI Host→MCP Client→資料查詢→結果回傳 AI Host； (B)MCP Client→AI Host→MCP Server→資料查詢→結果回傳 AI Host； (C)AI Host→MCP Client→ MCP Server→資料查詢→結果回傳 AI Host； (D)AI Host→MCP Server→MCP Client→資料查詢→結果回傳 AI Host
8. 在 Agent-to-Agent(A2A)架構中，不同代理人之間會分工合作。一般 而言，下列敘述何者最符合 Client Agent 與 Remote Agent 的互動流 程？ (A)Remote Agent 主動分派任務給 Client Agent； (B)由人工事先設定 Client Agent 與 Remote Agent 處理任務的先後順 序； (C)Client Agent 發起任務，Remote Agent 執行並回傳結果； (D)Client Agent 與 Remote Agent 同時處理任務並同步處理結果
9. 在導入生成式 AI 的應用規劃中，上下文工程(Context Engineering) 的核心目的為何？ (A)縮短模型訓練時間； (B)優化提示與上下文； (C)增加模型參數數量； (D)優化 Fine-tuning 正確率
10. 某公司在導入生成式 AI 協助撰寫內部報告時，測試人員刻意在輸入的 上下文中放入互相矛盾的資訊(例如：同一位員工在不同段落被描述為 「入職三年」與「入職五年」)。在這種情況下，最常見的模型行為會是 什麼？ (A)永遠選擇第一段資訊作為答案依據； (B)可能生成幻覺或隨機採信其中一方的內容； (C)拒絕回答，並要求提供更一致的輸入； (D)自動判斷並只選擇正確的資訊
11.Agentic AI 在解決方案圖譜(Solution Graph)上尋找最佳解決路徑 時，通常會使用什麼樣的搜尋策略？ (A)使用廣度優先、深度優先或最佳優先等演算法進行探索； (B)每一步都隨機選擇動作，反覆嘗試直到找到一條可行路徑； (C)只執行事先假定的一條路徑，失敗就停止； (D)完全依靠 LLM 一次性推斷最優完整路徑
12. 某企業考慮將開源大型語言模型(GPT-OSS)自行部署在本地伺服器， 以取代雲端服務。下列何者最能代表本地部署對企業的實際好處？ (A)可以達到無運算成本，因為本地部署模型不會產生額外的資源消 耗； (B)模型的預測能力會比在雲端運行時更精度，因為本地環境更加可 靠； (C)可確保輸入模型的敏感資料不會傳輸給第三方，提升資料隱私和自 主控制； (D)以上皆是
13. 關於 GitHub Copilot，下列敘述何者正確？ (A)GitHub Copilot 基於程式碼片段查詢工具，透過後端搜尋大型程式 碼資料庫提供建議； (B)GitHub Copilot 僅適用於 GitHub 上的開源專案，無法在私有程式 碼庫或本地環境中提供程式碼補全建議； (C)GitHub Copilot 利用靜態分析技術分析程式碼，根據邏輯流程推導 下一步應寫的程式碼； (D)GitHub Copilot 由 OpenAI 的 Codex 模型提供技術支援，可即時在 開發者編輯程式碼時給出整行或整個函式建議
14. 某電商公司導入 Agentic AI 來處理客服工作。測試發現 Agent 在回答 產品 FAQ 時經常出錯，且無法幫客戶修改訂單。這種情況最可能是因 為缺少下列哪兩項工具或技術？ (A)API 調用(API Calling)＋ 任務規劃器(Task Planner)； (B)向量資料庫檢索(Vector Retrieval)＋API 調用(API Calling)； (C)向量資料庫檢索(Vector Retrieval)＋任務規劃器(Task Planner)； (D)任務規劃器(Task Planner)＋溫度參數(Temperature)設定
15. 某客服自動回應系統希望根據不同客戶群體調整回覆風格。在兼顧即 時性與效果的前提下，下列哪一種方案最適合？ (A)直接微調預訓練模型針對每個客戶群體分別訓練不同風格模型； (B)利用控制變量(Control Tokens)或風格標籤在同一模型內動態調 整風格； (C)利用生成對抗網路(GAN)生成不同風格文本，並透過人工篩選最終 答案； (D)採用規則式替換方法，替換回覆詞彙以符合不同風格要求。
16. 在建置多代理大型語言模型(Multi-agent LLMs)系統時，如果沒有清 楚定義每個代理的任務啟動條件和角色分工，最可能出現什麼問題？ (A)回覆內容前後不連貫，系統邏輯斷裂； (B)不同代理的答案互相衝突，無法判斷最終決策； (C)系統陷入無限對話循環，導致資源耗盡； (D)多個代理重複做同樣的任務，造成效率低落
17. 某公司部署結合 Fine-tuning 與檢索增強生成(RAG)的語言模型系統 作為內部文件助理。系統需同時確保回覆語氣一致、能即時查詢每日新 增文件、維持效能穩定，並避免頻繁重新訓練。在長期維護與效能平衡 下，下列哪一種策略最合適？ (A)每週重新 Fine-tune 模型，將新文件整合進模型知識，逐步取代 RAG 模組； (B)完全依靠基礎模型與 RAG，不進行 Fine-tune，僅透過提示設計控 制語氣； (C)每日進行增量 Fine-tune，讓模型即時學習新文件內容，避免依賴 檢索； (D)保留語氣相關 Fine-tuning，僅透過檢索系統更新文件內容，不頻 繁改動模型
18. 某客服系統在回覆「訂單取消政策」時，即使生成溫度固定為 0.6，回 覆品質仍常出現差異。調查顯示，檢索到的政策內容有時是最新版本， 有時則是過時文件，此外 Prompt 約束不足，微調語料也有模糊描述。 若要優先改善品質波動，應先解決下列哪一項問題？ (A)調整溫度參數，降低生成隨機性； (B)加強 Prompt 設計，限制模型表達方式； (C)優化微調語料，減少含糊描述； (D)提升檢索系統品質，確保取得的政策內容正確且最新
19. 某醫院導入了一套智慧系統，由三個模組構成：語音辨識(ASR) → 語 言模型生成(LLM) → 查詢醫療資料庫 API。近期發現部分查詢結果 錯誤，例如醫師詢問「術後復健流程」時，系統卻誤判為要查詢「術前 注意事項」，因此查詢到錯誤的文件。經檢查已排除語音辨識的錯誤， 下列何者最可能是造成查詢錯誤的來源？ (A)醫療資料庫 API 對應規則設計不清，造成意圖映射模糊； (B)LLM 的 Prompt 缺乏明確指示，導致語意分類判斷錯誤； (C)查詢 API 回傳速度過慢，影響系統處理正確性； (D)LLM 未經醫療領域微調，難以正確理解專業性詞彙
20. 某醫院正在規劃一個 AI 專案，目的是協助醫師從胸腔 X 光影像中判斷 是否存在肺炎徵兆，團隊卻誤將生成式 AI 模型運用於影像診斷。下列 哪一項最可能成為主要風險？ (A)模型在生成報告時語句流暢，但僅在文字表達上有差異，對診斷結 果沒有重大影響； (B)模型若資料不足，僅會降低生成報告的完整性，而非影響判斷病灶 的正確性； (C)模型偏向生成內容而非分類，但此差異僅影響效率，不會造成誤診 風險； (D)模型可能生成與實際影像不符的診斷結論，導致誤判並引發醫療與 法律風險
21. 某公司開發的智慧車載語音助理，可透過語音辨識(ASR)辨識駕駛語 音，再由 LLM 生成回答並查詢車載 API。測試中發現：ASR 對汽車專業術語辨識錯誤率高；LLM 的回覆常不精確；系統回覆延遲雖存在但仍可接受。若目標是「優先提升準確性與回答品質」，下列改進步驟的最合理執行順序為何？ 1. 擴充並標註汽車領域語音資料，微調 ASR 模型 2. 微調 LLM 並加入檢索增強(RAG) 3. 優化系統架構，引入批次推論降低延遲 4. 動態調整生成溫度，平衡準確度與多樣性 (A)1 → 2 → 4 → 3； (B)2 → 1→ 3 → 4； (C)1 → 3 → 2 → 4； (D)3 → 1 → 2 → 4
22. 一家顧問公司使用生成式 AI 協助撰寫數據分析報告。雖然模型在測試 中表現優異，但其生成的報告多半僅遵循固定段落結構，替換數值或關 鍵詞即可完成，卻未能展現針對不同專案的多樣化推理與分析。下列何 者為造成這種現象的最合理解釋？ (A)模型在生成過程中缺乏對字體與排版的優化能力，因此無法展現分析邏輯； (B)測試資料涵蓋過多統計圖表，導致模型無法專注於文字內容的多樣化表達； (C)模型過度依賴訓練語料中的常見報告範式，導致生成結果以樣板化結構取代真正的推理； (D)模型因無法正確辨識報告中的頁碼與標題層級，才出現樣板化的結果
23. 在應用零樣本提示(Zero-Shot Prompting)時，下列哪一種情境最可 能因缺乏示範而失敗，出現語意錯誤或結構錯誤的輸出？ (A)要求模型判斷一段影評文字的情感傾向； (B)要求模型將一段新聞摘要濃縮為一句話； (C)要求模型將一段繁體中文翻譯成英文； (D)要求模型從表格中擷取所有城市的最高氣溫
24. 某保險公司計畫導入生成式 AI 的內部合約查詢系統，協助業務員與法 務部門快速解讀保單條款與理賠規範。高層特別強調客戶資料隱私與 合規風險控管，即使需要投入較多資源，也必須確保資料不會外洩。在 此情況下，下列哪一種策略最符合公司的資料安全與合規優先考量？ (A)導入開源模型並由 IT 團隊自建，後續再逐步補強隱私與合規控管； (B)在需求確認階段即納入法遵與稽核單位，設定準確率 KPI，並透過 MVP 驗證成效； (C)優先使用雲端大型 API 模型快速部署，並根據使用數據持續調整； (D)投入資源自訓並私有化部署 LLM，並同步建立自動化風控機制
25. 某新創公司開發一套圖像描述生成系統，能根據輸入的照片自動產生 說明文字。為了讓產生的描述文字能與圖片資訊精準對應，下列哪一種 設計思路最關鍵？ (A)強化語言模型的句法與流暢性，確保生成文字更自然易讀； (B)在生成過程中結合圖片特徵與語言建模，讓模型同時利用影像內容 與文字資訊； (C)調整生成策略(如 Beam Search 或溫度參數)，以提升輸出文字的 合理性； (D)專注於文字序列上下文的建模，只提升文字間的連貫性
26. 某電商平台希望生成的商品描述在風格與用詞上保持一致性，但不需 要新增專業知識。下列哪種方法最適合？ (A)擴充語料庫並微調模型，使風格統一； (B)增加提示詞複雜度，引導模型風格一致； (C)降低生成溫度，以減少隨機性並提升風格一致性； (D)使用全連接神經網路對生成結果後期篩選
27. 某企業已建置 AI 語音記錄系統，並希望整合生成式 AI 進行「會議即 時摘要」功能，下列哪一種策略最能提升摘要的語意品質與使用價值？ (A)使用語音轉文字模型即時輸出逐字稿並轉入 GPT 摘要； (B)將語音逐段切分並建立關鍵字索引，以利摘要模型從中擷取核心內 容生成會議重點； (C)將語音轉文字後標註發言角色與主題邊界，結合語意分群進行動態 摘要； (D)將所有語音內容儲存為完整紀錄，提供事後人工摘要比對用
28. 某公司正在開發一個智慧客服系統，負責回覆顧客關於退換貨、優惠活 動與商品建議等問題。研發團隊嘗試使用不同的提示設計方式來提升 模型效能。下列哪一個提示最符合「少樣本提示(Few-Shot Prompting)」 的設計原則？ (A)「請回答顧客詢問：如何申請退貨？」； (B)「以下是兩組客服對話範例，請依照相同風格回覆新的顧客問題」； (C)「請逐步分析顧客投訴的原因，並依照推理過程生成合適回覆」； (D)「請以正式的語氣回覆顧客的提問」
29. 某投資公司導入生成式 AI，用於即時分析股市波動並提供市場背景資 訊。若希望 AI 能兼顧「即時性」與「可靠性」。下列哪一項設計最能有 效提升 AI 在即時股市分析上的表現？ (A)將 AI 系統連結至公司內部歷史交易資料庫，以便快速調用既有的 案例參考； (B)調整模型的回應邏輯，讓 AI 優先輸出最新市場行情，而不是完整 的背景分析； (C)建立與外部即時行情來源同步的查詢模組，確保 AI 能即時擷取最 新金融數據； (D)增加訓練資料中模擬的金融危機與市場異常案例，以提升 AI 在特 殊情境下的表現能力
30. 某大型物流公司計畫導入 AI 系統，以改善客服與配送作業的效率。專 案團隊規劃了以下四個步驟，請問正確的執行順序為何？ 1. 建立符合公司服務流程的 AI 對話邏輯與應答範本，確保顧客體驗一致 2. 明確定義導入 AI 的目標並設定關鍵績效指標(KPI) 3. 蒐集與清理過往客服紀錄與配送相關資料，作為模型訓練素材 4. 評估並選擇合適的 AI 技術供應商或開源方案，確立技術方向與架構 (A)2 → 3 → 4 → 1； (B)3 → 2 → 1 → 4； (C)2 → 1 → 3 → 4； (D)1 → 4 → 3 → 2
31. 某跨國電商企業導入生成式 AI，協助處理顧客服務請求，並根據顧客 歷史訂單提供個人化建議。資安與法遵部門擔心 AI 在回覆時可能洩漏 顧客個資，若要在導入初期優先避免觸法風險，下列哪一項措施最符合 要求？ (A)在加密環境下導入完整的顧客訂單與行為資料，並透過嚴格存取控 管降低洩漏風險； (B)實施資料最小化與去識別化，確保 AI 在訓練與生成過程中不直接 處理或暴露敏感個資； (C)強化模型的回覆審查流程，透過自動過濾與人工抽查結合，降低個 資外洩的機率； (D)設定 AI 的角色與回覆範圍，讓其專注於客服相關內容，避免回答 其他敏感議題
32. 某國際銀行導入生成式 AI，用於彙整不同國家金融監管機構的合規規 範，建立跨國合規知識庫。由於各國條文表述方式不同，且監管要求具 有高度專業性與隱含邏輯，若要確保知識庫在後續查詢與生成報告時 能維持正確性與一致性，下列哪一項 AI 能力最為關鍵？ (A)具備跨語言專業術語對齊與條文語意抽取能力，能正確辨識不同國 家規範間的對應與差異； (B)能自動最佳化文件檢索效率，縮短跨國法規查詢的延遲時間，提升 合規部門使用體驗； (C)能將合規文件轉換為多種輸出形式(如簡報、摘要或法規清單)，以 符合不同決策層級需求； (D)具備根據歷史案例生成合規解釋的能力，協助新進員工快速理解法 規在實務上的應用
33. 在企業導入 MLOps(Machine Learning Operations)的過程中，除了 模型部署與維運挑戰外，仍可能面臨其他推動上的困難。下列何者為 No Code 平台最能有效解決的挑戰？ (A)自動化大量資料的標註與前處理，以降低數據準備成本； (B)提升運算基礎設施的可擴展性，以因應大規模服務需求； (C)透過可視化建模介面，降低技術門檻並促進跨部門協作； (D)提供進階特徵工程能力，優化高維度數據的處理效率
34. 某醫療機構計畫導入生成式 AI 協助撰寫病歷摘要。在技術測試階段， 為確保系統能安全應用於臨床，最應優先關注下列哪一項指標？ (A)資料儲存與存取架構的完整性，確保長期運作過程中的數據可追溯 性； (B)生成內容的醫療準確性與臨床一致性，避免出現錯誤或誤導性資 訊； (C)模型在不同病例語境下的泛化能力，確保不因個別樣本而偏差； (D)系統回應時間的穩定性，以支援醫療場域中可能的即時需求
35. 在即時客服系統的效能測試中，若針對延遲測試(Latency Testing) 進行評估，下列哪一項指標最能反映系統是否符合用戶即時互動需 求？ (A)AI 模型在同一分鐘內可完成的回覆訊息數量； (B)客戶從輸入問題到收到第一個完整回應所需的時間； (C)客服系統能連續提供服務的運行時長； (D)AI 產生回答時用詞的多樣性與表達創意程度
36. 某航空公司導入生成式 AI 聲控客服，提供航班與票務查詢。有人員透 過惡意提示，試圖讓系統洩漏內部安檢流程。在此情境中，下列何者為 降低提示攻擊(Prompt Injection)風險的最佳策略？ (A)導入輸入檢測與回應審核流程，防止敏感指令被執行； (B)限制 AI 可回應的主題範圍，使系統僅回答非敏感的航班與票務查 詢，避免處理內部或敏感流程資訊； (C)隨機變化回覆內容，讓攻擊者難以預測回應行為以增加攻擊難度； (D)擴充與更新航班與票務資料來源，以提升模型的知識正確性與覆蓋 率
37. 在機器學習模型的實務應用中，常會出現數據漂移(Data Drift)的情 況。此現象主要是指下列哪一種情況？ (A)訓練時使用的資料分佈，與部署後實際輸入資料的統計特徵隨時間 逐漸出現差異，導致模型表現衰退； (B)在資料前處理過程中，因特徵刪減或缺失補值不當，造成樣本資訊 量下降； (C)模型對訓練數據擬合過度，在未知數據上泛化能力不足； (D)後端資料庫因欄位定義或結構調整，導致特徵提取流程與原始設計 不一致
38. 某銀行導入生成式 AI 放貸審核系統，用於分析申貸人條件並生成初步 審核意見。測試過程中發現，模型對不同族群的核准率存在顯著差異， 可能引發演算法偏見問題。為降低此風險，下列哪一項措施最合適？ (A)提升模型運算速度與效能，以確保在大量申請中快速回應； (B)全面移除與申貸人身份相關的敏感屬性，避免模型因變數影響而產 生偏差； (C)導入資料與結果的公平性檢測流程，並依合規規範調整模型或決策 邏輯； (D)減少訓練樣本數量，降低偏見被放大的可能性
39. 在提示工程(Prompt Engineering)的應用中，Chain-of-Thought(CoT) 與 Tree of Thoughts(ToT)各適用於不同的推理情境，請問以下兩個情境，分別最適合採用哪一種方法？ 情境一：電商公司開發客服助理，用來協助客戶查詢退款流程與相關規範 情境二：活動策劃團隊使用 AI 協助規劃多場跨部門行銷活動，需要同時考量預算、場地、時程與人力資源，並比較不同方案的可行性。 (A)情境一採用 CoT，情境二採用 ToT； (B)情境一採用 ToT，情境二採用 CoT； (C)情境一與情境二都適合 CoT； (D)情境一與情境二都適合 ToT
40. 在生成式 AI 的提示工程中，Graph Prompting 在處理複雜關係資料時， 為何通常比 Chain-of-Thought(CoT)更有效？ (A)Graph Prompting 幾乎不需要推理，只依靠圖結構即可得出結論； (B)Graph Prompting 僅需單次提示，即可避免多輪推理的誤差累積； (C)Graph Prompting 的生成速度通常更快，因此效率更高； (D)Graph Prompting 能捕捉非線性結構與上下文關聯，適合處理網絡化資訊
41. 在少樣本提示(Few-shot Prompting)僅能提供 1–2 個範例的情況 下，若遇到領域偏移(Domain Shift)，下列何者為模型最可能面臨的核心挑戰？ (A)範例數量過少，無法涵蓋新領域的多樣性，導致模型泛化不足； (B)範例表徵有限，模型容易依賴單一樣本特性而降低適應力； (C)範例覆蓋不足，使模型難以抽取跨領域的穩定模式； (D)範例資訊過於稀缺，模型缺乏應對不同輸入情境的能力
42. 某金融機構導入檢索增強生成(Retrieval-Augmented Generation, RAG)模型，用於客服文件查詢與自動回覆。由於大型模型運算成本過 高，若考慮引入知識蒸餾(Knowledge Distillation, KD)技術，下列 何者為帶來的主要效益？ (A)讓小型模型學習大型模型的知識，在降低運算成本的同時維持檢索 與生成品質； (B)只能應用於語音或影像辨識，無法提升文字檢索生成效能； (C)因為 RAG 已有檢索機制，因此無需額外蒸餾知識； (D)僅能依賴特定 API 供應商才能使用，無法在自建模型中實現
43. 在評估大型語言模型，例如 7B、13B、175B 參數規模時，模型規模對基 準測試(Benchmark)結果的影響，下列哪一種說法最為恰當？ (A)小模型在正確調整下能超越大模型，因此模型大小並不重要； (B)大模型在多數情境下表現較好，但在特定任務上略遜於小模型； (C)模型規模與基準測試結果完全無關，影響主要來自測試設計； (D)模型越大，Benchmark 結果可能提升，但幅度取決於訓練數據品質 與資源配置
44. 在 AI 應用設計中，Model Context Protocol(MCP)與檢索增強生成 (RAG)都能擴展模型的能力，但兩者的核心差異主要為下列何者？ (A)MCP 擴展模型工具，但主要用於補足訓練資料不足； (B)MCP 能標準化連接資源，但仍需依賴向量資料庫； (C)RAG 常用於擴展知識庫內容，而 MCP 更著重於動態工具與 API 呼叫 的整合； (D)RAG 透過統一協議，提升回答相關性
45. 下列哪一個資料集專門設計用於測試大型語言模型在多領域、多任務 語言理解中，涵蓋人文、科學與社會科學等領域，而非專門用於數學推 理或中文專業知識？ (A)MMLU； (B)GSM8K； (C)MATH； (D)C-Eval
46. 某智慧工廠導入生成式 AI，協助產線工程師即時產生維修指引與操作 建議。下列哪一項並非團隊在系統設計中加入 Guardrails(防護機制) 的主要目的？ (A)檢查工程師輸入內容，避免觸發錯誤或危險需求； (B)過濾與驗證 AI 輸出的維修指引，確保符合安全標準； (C)確保生成的操作建議符合法規與產業安全規範； (D)完整重建並追蹤 AI 模型的全部推理過程
47. 某顧問公司導入生成式 AI，協助團隊快速檢索並摘要長篇的法規文件。 為了改善檢索結果常出現不相關或過於分散內容的問題，下列何者為 團隊決定對文件進行文本切分(Chunking)的主要目的？ (A)讓模型在回答時能加快推理速度； (B)提高檢索相關性與降低長上下文噪音； (C)降低系統記憶體和硬體資源的負擔； (D)使模型在生成回覆時更具創造性與多樣化
48. 某開發團隊在建置企業內部知識檢索系統時，選擇採用多向量檢索器 (Multi-vector Retriever)，下列何者為協助提升系統查詢的完整性 與精準度的主要方式？ (A)支援同時處理多種資訊表示，提升跨文本型態的檢索效果； (B)透過多向量壓縮與共享權重方式，降低檢索過程的運算與儲存成 本； (C)以切分並過濾文件片段，減少上下文長度帶來的 Token 負擔； (D)透過調整生成階段的溫度參數，使模型在回覆時更穩定一致
49. 在 Agentic AI 的架構中，解決方案圖譜(Solution Graph)常被用來 輔助代理的任務執行，其主要作用為何？ (A)透過圖形結構完全取代大型語言模型的推理，讓代理只依靠圖演算 法完成任務； (B)僅用於保存代理的輸出結果，方便後續檢視與審計，而不影響實際 推理流程； (C)將代理限制在既定流程內，避免其產生偏離設計腳本的行為； (D)作為代理在執行過程中的參考框架，用於組織決策步驟並支援任務推理
50. 小明想開發一個部落格寫作工具，讓用戶輸入文章開頭後，系統自動幫 忙寫出後續內容，例如輸入「今天去了台北木柵動物園...」，系統就能 續寫。若要實現這樣的功能，最適合選擇下列哪一類任務？ (A)序列到序列建模(Sequence-to-Sequence Modeling)，透過輸入序列產生新的輸出序列； (B)遮罩語言建模(Masked Language Modeling)，補齊文字中缺失的 詞語或片段； (C)生成式語言建模(Text Generation)，依據上下文持續產生新的內 容； (D)文本分類(Text Classification)，針對輸入文本判斷情感、主題或標籤
阿摩線上測驗
登入
阿摩線上測驗
登入