41. 在進行超參數調校(Hyperparameter Tuning)時，若直接在 K-Fold 交叉驗證(Cross-Validation)的資料上同時調整模型參數並評估效能，最可能導致下列哪一種問題？ (A)模型的交叉驗證結果出現過度樂觀偏差(Over-optimistic Bias)，因測試摺資料間接參與參數選擇，造成資料洩漏(Data Leakage)； (B)模型會在每一摺(Fold)內反覆調整參數，導致訓練不穩與過度正則化； (C)因交叉驗證資料被重複使用，造成效能方差增大，無法獲得穩定估計； (D)K-Fold 交叉驗證的假設與超參數搜尋相衝突，導致驗證過程失效