33. 下列何者最適合用於生成式 AI 模型中，強化輸出內容符合指定格式？
(A) Zero-shot learning
(B) Prompt Engineering
(C) Feature Selection
(D) AutoML 自動建模

以下是各選項的解釋和為什麼 (B) 是最適合的：

? 答案解釋

• (B) Prompt Engineering (提示工程):

  • 最適合： 提示工程是專門用於與生成式 AI 模型（如大型語言模型, LLM）互動的技術。

  • 作用： 透過精心設計輸入的提示 (Prompt)，來引導模型生成更準確、相關且符合特定格式（例如：JSON、表格、特定語氣、步驟清單等）的輸出內容。

  • 範例： 在提示中加入「請以 JSON 格式輸出，包含 '名稱' 和 '價格' 兩個欄位。」這就是利用提示工程來強化格式控制。

❌ 其他選項不適合的原因

• (A) Zero-shot learning (零樣本學習):

  • 作用： 指模型在沒有見過任何該類別的訓練樣本的情況下，就能根據其廣泛的知識庫和提示來完成任務。它是一種能力展示，而非一種格式控制的技術。

• (C) Feature Selection (特徵選擇):

  • 作用： 這是傳統機器學習中，用於預處理數據的步驟。目的是從原始數據集中選擇最相關的特徵，以提高模型的性能和效率。這與生成式 AI 模型輸出內容的格式無關。

• (D) AutoML 自動建模 (Automated Machine Learning):

  • 作用： 指自動化機器學習流程中的重複性任務，例如數據預處理、模型選擇、超參數調整等。它關注的是整個模型的開發和優化，而非針對特定輸出內容的格式強化。

結論： 如果目標是「強化輸出內容符合指定格式」，那麼直接透過輸入指令來引導模型的 Prompt Engineering 是最直接、最有效的手段。