考試題庫

548 道考題，每題附詳細解析。點擊題目開始作答。

1 關於AI，下列敘述何者正確？ → 2 下列何者非大數據時代資料的特性？ → 3 銀行想建立聊天機器人，可透過下列哪一種領域技術來達成？ → 4 在下列哪一種應用領域中，生成式AI最有可能被使用來創建新的圖像或影片內容？ → 5 在AI治理中，下列何者是國際合作的重要性？ → 6 在人工智慧系統的決策流程中，下列哪一種情境最符合「人在迴圈上（Human-over-the-loop）」所強調的監督機制？ → 7 下列哪一種特徵工程技巧，最適合將「星期幾」和「24小時制時間」這兩個欄位結合，以預測通勤時間？ → 8 關於ETL（Extract-Transform-Load），下列敘述何者為正確？ → 9 關於資料正則化（Regularization）L1、L2方法，下列敘述何者正確？ → 10 在機器學習中，「偏差與變異權衡（Bias-Variance Tradeoff）」主要用來解決下列哪一類型的問題？ → 11 在Lasso模型中，L1正則化（Regularization）導致參數收斂為零的原因為何？ → 12 貝氏分類器（Naive Bayes Classifier）常被應用於文字分類、垃圾郵件過濾等場景。依據模型特性，它最適合歸類於下列哪一類？ → 13 為提升生成式AI系統回應的語境一致性，常會結合哪類模型技術？ → 14 根據2025年9月行政院通過之《人工智慧基本法》草案，政府推動人工智慧之「創新實驗環境」制度，主要參考歐盟的何種制度？ → 15 根據《金融機構運用人工智慧技術作業規範》，金融機構須建立內部治理架構，並指定專責單位或人員負責推動及管理人工智慧事務，下列何者並非規範所明訂須落實的治理措施？ → 16 下列哪一類問題最適合使用非監督式學習（Unsupervised Learning）來處理？ → 17 下列哪一種圖表最適合用來呈現並分析「兩個數值型變數」之間的關係，例如觀察身高與體重的相關性？ → 18 下列哪一項應用情境與機器學習類型搭配正確？ → 19 某企業分析團隊正在處理一組近兩年的營運與銷售數據，共有四個部門提出了各自的分析需求，請判斷哪一個最接近「預測性分析（Predictive Analysis）」的特性？ → 20 某模型使用K-近鄰演算法（KNN）進行分類，K設為3。一筆新的測試資料輸入後，與其最接近的3筆資料的類別如下：鄰近樣本1：類別A；鄰近樣本2：類別B；鄰近樣本3：類別A。請問模型會將這筆資料預測為哪一類別？ → 21 某團隊想採用循環神經網路（Recurrent Neural Network, RNN）建構長期氣候數據的預測模型，以下哪一項敘述最符合使用RNN可能會遇到的挑戰？ → 22 一間金融科技公司設計一款智慧投資系統，該系統會根據市場變化自動決定「買進」、「持有」或「賣出」的行動，並根據每次交易後的盈虧結果，逐步優化下一次的投資策略。整個過程中，系統不依賴事先標記的資料，而是根據歷次行動獲得的獎勵進行調整。請問此系統最可能採用哪一種學習方法？ → 23 關於Q-Learning與Deep Q-Learning，下列敘述何者最正確？ → 24 在訓練機器學習模型時，若任務為預測房價，應選用下列哪一種損失函數（Loss Function）來衡量預測誤差？ → 25 某醫院希望開發一個系統，根據患者的年齡、血壓與BMI等資訊，預測其罹患糖尿病的機率（0~1），並依據預測值是否超過0.5做出風險警示。下列哪一種模型最適合用於此分類任務？ → 26 某金融科技公司正開發一套違約風險預測系統，需大量處理不同客戶的財務特徵資料。考量到資料特徵數量眾多，且希望提升預測的穩定性與泛化能力，下列哪一種鑑別式AI模型最適合？ → 27 關於變分自編碼器（Variational Autoencoder, VAE）的運作流程，下列何者敘述最為正確？ → 28 下列何者不是我國數位發展部AI產品與系統評測中心對生成式AI的評測項目？ → 29 在保持GPT-OSS模型架構不變的前提下，如果將模型參數量從20億提升至120億，並假設有足夠的訓練資料支撐，下列敘述何者最正確？ → 30 在自然語言處理任務中，為了減少訓練語料中偏見對模型的影響，下列哪種資料處理策略屬於常見的「資料去偏（Data Debiasing）」做法？ → 31 在深度學習模型的微調（Fine-tuning）過程中，可能出現所謂的「災難性遺忘（Catastrophic Forgetting）」。此現象最可能造成哪種情況？ → 32 在大型Transformer模型的效能優化過程中，常見的方法之一是「剪枝（Pruning）」。下列哪一項最符合該方法的核心概念？ → 33 對非常長的輸入序列進行推理（Inference），Transformer模型推理的主要計算瓶頸通常是什麼？ → 34 在「可解釋人工智慧（Explainable AI, XAI）」領域中，LIME（Local Interpretable Model-agnostic Explanations）方法最核心的應用目的是什麼？ → 35 在醫療診斷決策支援系統等高風險領域中，「可解釋人工智慧（Explainable AI, XAI）」的核心價值最主要呈現在哪個面向？ → 36 在金融科技公司的信貸決策系統中，導入反事實解釋（Counterfactual Explanation）時，實際部署往往伴隨技術與監管挑戰。下列哪一項最符合該情境下的核心挑戰？ → 37 在統計推論中，若樣本來自母體但呈現明顯偏態分布，且樣本數有限，下列哪一項策略最能減少推估母體參數的偏誤？ → 38 在工業物聯網架構中，進行設備預測性維護（Predictive Maintenance）時，若面對異常事件發生頻率極低、樣本高度不平衡的時間序列資料，下列哪一種方法最能兼顧模型穩定性與異常偵測效能？ → 39 在零售業進行客戶行為分析時，資料倉儲中發現多個欄位儲存相同的購買金額資訊(例如:amount_usd、total_price、transaction_value)，但其單位、命名慣例及格式不一致，進而導致特徵工程階段混淆模型輸入。針對此種跨欄位語義重疊與結構冗餘問題，下列哪一種資料處理策略最合適且具實務可行性？ → 40 某大型零售企業準備將商品推薦模型上線，專案團隊在檢視訓練資料時，發現部分商品類別（例如高價商品）樣本數量極少，而多數樣本集中於低價商品。若此不平衡問題未妥善處理，下列何種狀況最可能在實際推薦結果中發生？ → 41 某電商資料團隊要協助行銷部門規劃再行銷策略。目前取得資料包含使用者點擊、購買紀錄、流量來源與轉換率。若資料團隊希望先進行探索性資料分析（EDA），下列哪一項最符合EDA的做法？ → 42 某金融科技公司在利用歷史交易資料建立風險控管模型時，嘗試推估整體詐騙交易比例。近期發現，樣本間存在明顯的時間序列相關性，導致模型在實際偵測新交易時誤判率升高。若希望同時改善詐騙比例推估的準確性並提升模型的穩健性，下列哪一種做法最為合適？ → 43 某公司建置基於檢索增強生成（RAG）的知識查詢系統，需同時兼顧查詢效能與資料的即時更新。近期發現回應內容偶爾過時，且每次更新文件都需完整重建索引，導致系統在更新期間無法服務。若要解決此問題並提升整體穩健性，下列哪項做法最適合？ → 44 某醫院計畫開發住院日數預測模型，以協助病房調度。多數病人的住院日數集中在3-7天，但仍有少數重症患者因治療需求而住院日數明顯偏長。醫院希望採用一種合適的評估方式，既能兼顧大部分病人的預測準確度，也能確保對重症個案的預測維持穩健。下列哪一種方法最符合此需求？ → 45 關於監督式學習（Supervised Learning）與非監督式學習（Unsupervised Learning）的目標，下列敘述何者錯誤？ 1.非監督式學習的核心在於發掘資料內在結構，例如分群、關聯規則與降維，而不依賴外部標籤。 2.監督式學習的典型應用為分類與迴歸，通常不適合應用於異常偵測任務。 3.非監督式學習若搭配少量標註資料，即會完全轉化為監督式學習。 4.監督式學習仰賴已標註的資料集，透過最小化輸出與真實標籤之間的差距，學習輸入與目標之間的對應函數。 5.所有監督式學習任務都必須要有大量完整標註資料，否則無法進行任何有效的模型訓練。 6.非監督式學習不需要目標變數，僅透過輸入資料本身的特徵分布進行模式學習。 → 46 一家旅遊平台希望建立模型，預測顧客下次是否會再次透過該平台訂房。資料包含：顧客ID、年齡、旅遊次數、平均花費金額、主要交通方式（火車/飛機/自駕/公車）、會員等級（普通/進階/白金）、是否為海外旅遊等。下列哪一種特徵工程方法最適合處理「主要交通方式」欄位？ → 47 一家跨國醫療研究機構希望利用各地醫院的病患資料，建立一個能夠預測疾病早期風險的機器學習模型。由於各國法規限制，病患的原始資料無法集中到單一伺服器。在此情境下，下列哪一種方法最能同時滿足「各醫院保留資料不外流」與「模型仍能跨院學習」的需求？ → 48 某公司欲建立員工離職風險預測模型，資料集中包含「年度績效分數」、「平均每月加班時數」、「年齡」等數值型特徵。由於各特徵的數值範圍差異極大（例如績效分數1-5、加班時數0-80、年齡20-65），若直接輸入至使用梯度下降的邏輯迴歸(Logistic Regression)模型，可能導致模型收斂緩慢或權重偏斜。為提升模型訓練效率與準確度，下列哪一種特徵工程方法最適合應用於這些數值特徵？ → 49 在機器學習中，「叢集（Clustering）」方法最典型的應用情境是下列何者？ → 50 某醫院研究團隊蒐集了大量病患的「收縮壓」數據，經檢驗後顯示此數值大致呈現常態分布。在進行後續模型分析前，研究人員希望妥善處理可能存在的極端血壓數值。下列哪一種做法最為合適？ → 51 某電商公司想預測用戶是否會購買特定商品，資料中包含多種用戶屬性與行為特徵。分析師希望選出對購買結果最有預測價值的特徵，以提升模型效能。下列哪一種描述最符合監督式特徵選擇（Supervised Feature Selection）的概念？ → 52 在訓練神經網路時，為了提升模型收斂速度與穩定性，避免梯度消失或梯度爆炸，下列哪一種做法最常被使用？ → 53 若希望檢視某一連續型數據的分布情形(如集中程度、偏態或是否呈現多峰)，下列哪一種應用情境最適合使用直方圖（Histogram）來進行分析？ → 54 下列何者並非我國數位發展部AI產品與評測中心在評估大型語言模型安全性時，所指出的常見使用指標？ → 55 某雲端服務公司計畫將大型語言模型部署於線上系統，並以批次推論（Batch Inference）方式處理每日上百萬筆用戶請求。專案團隊在評估可能遇到的挑戰時，下列哪一項通常不會被視為批次推論階段的主要難題？ → 56 關於AI，下列敘述何者正確？ → 57 下列何者最適合訓練電腦下圍棋、自動駕駛等動態重複地互動的問題？ → 58 深度學習模型中，下列哪一項通常用來降低過擬合（Overfitting）問題？ → 59 下列哪一項敘述符合AI治理的核心原則？ → 60 若要設計一個能夠辨識並過濾垃圾郵件的系統，應該選擇下列哪一種機器學習演算法以實現最佳效果？ → 61 假設某國正在考慮使用AI技術來進行社會信用評分，並根據年齡、缺陷、種族等特徵來評定個人的信用；同時，該國計劃在公眾場所使用遠程生物辨識系統進行執法，目的在於提高社會秩序和安全。上述AI應用可能會引發對隱私和個人權利的重大關注，根據歐盟《人工智慧法》（Artificial Intelligence Act, AIA）的風險分級，這類應用屬於哪一風險等級？ → 62 某生成式AI模型接收一段語音輸入：「一隻戴著太空帽的企鵝正在火星上跳舞」，並根據該語音內容產生一張圖像呈現相對應的場景。此類模型最符合下列哪一種生成任務分類？ → 63 下列何者非大數據時代資料的特性？ → 64 關於K平均法（K-means），下列敘述何者「不」正確？ → 65 在公司財務資料中，發現某筆支出金額達1,000,000元，若希望合理判斷該筆資料是否為異常值，下列哪一種處理方式最為合適？ → 66 下列哪一種資料類型不屬於非結構化資料？ → 67 下列資料型態，何者最常用來儲存員工年齡、員工年資、貨品銷售量等資料？ → 68 某行銷公司欲針對新客戶進行「行銷活動推播」，目前擁有資料包含：客戶基本資料（尚未有購買紀錄）、客戶過往點擊行為（未標記是否完成購買）、類似客戶是否曾購買過（已標記「有/無購買」標籤）。若該公司希望預測新的單一客戶是否可能完成購買行為，下列哪一種學習方式與資料搭配最合適？ → 69 在品質管理中，若一產品的生產過程中標準差顯著偏大，通常意味著什麼？ → 70 某AI團隊在分析一組連續型數據時，發現部分紀錄的數值明顯高於其他資料點。若專案目標是識別高價值客戶的行為模式，下列哪一種處理方式最為合適？ → 71 在檢視資料品質時，可參考資料的變異程度及資料的集中趨勢。下列何者不屬於資料集中趨勢衡量的方法？ → 72 某醫院研究特定心血管疾病的成因，收集了50名病患與150名正常人的年齡、血壓、血型等三項屬性變數。此研究適合使用下列哪一種機器學習模型來建立？ → 73 公司在整合資料時，發現同一客戶的姓名在不同系統中拼寫不一致（例如「陳大文」與「陳大文先生」），導致資料無法正確對應。請問此類資料品質問題應該在ETL哪一個流程步驟中進行處理？ → 74 銀行想建立聊天機器人，可透過下列哪一種領域技術來達成？ → 75 線性迴歸模型最適合解決哪種類型的問題？ → 76 某金融機構已部署的AI模型遭客戶抱怨有不公平情形，經數據分析發現不同族群之間的模型預測結果存在顯著差異。根據金融監督管理委員會發布之《金融業運用人工智慧（AI）指引》，此情形下最適當的處置方式為何？ → 77 請問下列何者不是常見的特徵選取技術或方法？ → 78 交叉驗證的主要目的是什麼？ → 79 一家智慧工廠使用機器學習分類模型預測關鍵設備是否會異常停機。完成模型訓練後，團隊希望全面評估模型在不同面向的表現。請問下列哪項指標最適合用來衡量模型在偵測異常停機時的「漏報率」（即未能正確偵測出異常停機事件的比例）？ → 80 神經網路與傳統機器學習模型的主要區別是什麼？ → 81 下列關於生成對抗網路（GAN）的描述正確的是哪一項？ → 82 一位資料分析師希望減少輸入特徵的維度，以提升模型運算效率，並觀察變數間潛在的整體結構關係。若欲保留最大資訊量、同時減少特徵數量，下列哪一項方法最適合？ → 83 關於目前生成式AI的主要應用，不包括下列哪一項？ → 84 下列哪項是生成式AI支援鑑別式AI的典型案例？ → 85 關於自然語言處理（NLP）核心技術，下列敘述何者不正確？ → 86 關於「負責任的AI」，下列敘述何者較為正確？ → 87 關於生成式AI的基本原理，下列敘述何者較正確？ → 88 關於下列模型在生成式人工智慧（Generative AI）中的角色，何者並非以「產生新資料」為主要設計目的？ → 89 某份資料中出現多個欄位（如score1、score2、score3）儲存相同的成績資訊，造成資料結構重複與使用混淆。此種情形屬於下列哪一種資料品質問題？ → 90 某電商平台希望預測商品的退貨機率，以協助降低營運風險。若模型使用的輸入資料包含「商品售價」、「顧客年齡」、「運送天數」，而模型的輸出為是否退貨（是/否）。請問在此模型中，「是否退貨」應歸類為下列哪一類變數？ → 91 下列何者最能表達No Code/Low Code平台的主要特色？ → 92 關於No-Code AI工具，下列敘述何者最為準確？ → 93 使用生成式AI生成內容時應採取哪一項措施以確保內容品質？ → 94 學校教師如何引導學生正確使用生成式AI工具？ → 95 在生成式AI的風險管理中，下列哪一項屬於倫理風險？ → 96 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？ → 97 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？ → 98 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？ → 99 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？ → 100 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？ → 101 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？ → 102 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？ → 103 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？ → 104 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？ → 105 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？ → 106 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？ → 107 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？ → 108 關於GitHub Copilot，下列敘述何者正確？ → 109 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哪兩項工具或技術？ → 110 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？ → 111 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？ → 112 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？ → 113 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，應優先解決下列哪一項問題？ → 114 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？ → 115 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？ → 116 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 → 117 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？ → 118 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？ → 119 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？ → 120 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？ → 121 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？ → 122 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？ → 123 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？ → 124 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？ → 125 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 → 126 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？ → 127 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？ → 128 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？ → 129 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？ → 130 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？ → 131 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？ → 132 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？ → 133 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？ → 134 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。 → 135 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？ → 136 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？ → 137 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？ → 138 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？ → 139 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？ → 140 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？ → 141 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？ → 142 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，團隊決定對文件進行文本切分（Chunking）的主要目的？ → 143 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？ → 144 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？ → 145 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？ → 146 下列何者最能表達No Code/Low Code平台的主要特色？ → 147 下列何者不是推理模型（Reasoning Model）的主要特點？ → 148 下列哪種情況，選擇Low Code平台可能比No Code平台更為適合？ → 149 關於生成式AI與No Code/Low Code平台的應用，下列何者最不適合？ → 150 關於No Code/Low Code平台，下列敘述何者較正確？ → 151 在使用生成式AI模型解決數學或邏輯問題時，若希望引導模型逐步推理以提升答案的準確性與可解釋性，應設計具備思維鏈（Chain-of-Thought）推理特性的提示語。下列哪一組提示語最能有效啟用模型的Chain-of-Thought推理能力？ → 152 使用Low-Code平台進行開發時，企業應特別留意下列哪一項潛在風險？ → 153 下列哪一種技術方案適用於改善客戶體驗？ → 154 某公司擬將客戶個人資料傳輸至國外進行雲端儲存，依據《個人資料保護法》規定，下列哪一種情況下，中央目的事業主管機關有權對該國際資料傳輸行為進行限制？ → 155 下列哪一項技術是生成式AI的基礎？ → 156 能使用DALL-E-2生成各式逼真的圖片，最關鍵的應用技術為何？ → 157 在企業級數據管道（ETL）中，No Code/Low Code平台的主要角色為何？ → 158 下列何者不是生成式AI核心技術？ → 159 使用生成式AI技術或工具生成內容時，應採取下列哪一項措施以確保內容品質？ → 160 小莉老師準備使用生成式AI製作個人化學習系統，以下為她設計系統時可能採取的操作步驟，請依其邏輯順序排列： a.根據學生學習歷程與成績，輸入學生特徵 b.根據教材主題，指示AI生成適合的練習題與即時回饋 c.生成適應性學習計畫，讓每位學生依進度與弱點調整練習方式 d.匯入課綱與教學單元內容，建立知識結構圖 請問下列何者為較合理的順序？ → 161 下列哪一項不是生成式AI工具在使用體驗方面的優化方向？ → 162 學校教師如何引導學生正確使用生成式AI工具？ → 163 若企業使用第三方AI API（如OpenAI、Claude、Gemini等），協助處理內部資料，為避免敏感資訊遭模型記憶或進一步分析，應優先採取下列哪一種作法？ → 164 企業若要有效支援生成式AI的運行，內部IT環境最需要具備下何種條件？ → 165 A企業想要實現客服自動化，希望透過AI理解客戶發送的文本訊息，並根據文本內容調用相對應的圖片和影片進行回覆，A企業應該選擇哪一種模型？ → 166 下列哪一種情境最能展現Prompt Engineering的價值？ → 167 下列敘述何者最能反映生成式AI在圖像生成領域的發展趨勢？ → 168 關於生成式AI，下列A~E敘述哪些正確？ A. 生成的內容不會帶有偏見 B. 具有高度準確性，不會有虛假信息 C. 生成內容的準確性，建議需要經過人類審核 D. 每次生成的內容都可能不同 E. 生成式AI具有高度安全性，不會導致數據外流 → 169 一家跨國企業計劃在財務部門導入生成式AI，並結合自動化系統進行報告產出。導入此系統後，最有可能實現的效益為何？ → 170 某製造業團隊建立瑕疵偵測模型時，使用單張約20MB的高解析度工業影像作為訓練資料，並將所有影像儲存於NAS（Network Attached Storage）中。訓練時透過PyTorch搭配CNN模型於GPU上進行，工程師觀察到GPU使用率僅約20%至30%，整體訓練時間耗費數日。根據上述情境，造成GPU利用率偏低的最可能原因為何？ → 171 在生成式AI導入過程中，資料安全與隱私保護的哪一方面是最重要的考量？ → 172 若企業將資料安全管理外包給第三方服務供應商，屬於哪種風險應對策略？ → 173 在生成式AI的風險管理中，下列哪一項屬於倫理風險？ → 174 在企業導入AI的實施/營運階段，為持續發揮導入AI的價值，下列步驟的正確排序應為何？ A. AI價值擴散 B. 上線部署 C. 模型監控與優化 → 175 使用生成式AI協助撰寫一份有關產業碳排政策的分析報告，AI提供的內容看起來語句通順且用詞專業，但經查證發現其中提到的法規條文與企業名稱並不存在。請問造成此現象最可能的原因為下列何者？ → 176 在管理生成式AI系統的隱私風險時，下列哪一種技術最能確保數據安全使用？ → 177 在驗證生成式AI應用的概念驗證（Proof of Concept, POC）時，若企業希望確保模型生成的公平性，最適合採用哪種評估策略？ → 178 使用生成式AI產出需要邏輯清晰、高度準確性與一致性的文本時，下列哪一種溫度（Temperature）設定最能有助於降低回答的不確定性並提升一致性？ → 179 下列何者為專門用於評估大型語言模型（LLM）在「台灣本土特有知識」方面表現的基準測試資料集？ → 180 某中型零售企業打算導入AI客服系統來提升顧客諮詢效率。根據AI導入的一般流程規劃，下列哪一個步驟最適合作為接下來的第一階段任務？ → 181 情感分析(Sentiment Analysis)的主要目的為何？ → 182 Transformer 架構能改善翻譯準確度的主要原因為何？ → 183 BERT 的 MLM (Masked Language Model) 訓練策略為何？ → 184 GloVe 與 Word2Vec 的主要差異為何？ → 185 TF-IDF 在處理長文本時的主要問題為何？ → 186 N-gram 語言模型缺乏整體語意連貫性的主要限制為何？ → 187 IoU (Intersection over Union) 閾值設定較高代表什麼？ → 188 Softmax 與 Max-Pooling 的差異為何？ → 189 資料增強(Data Augmentation)導致模型效能下降的可能原因為何？ → 190 同時兼顧 Precision 和 Recall 的指標為何？ → 191 DBSCAN 的兩個主要超參數為何？ → 192 多個特徵高度相關導致迴歸係數不穩定，應如何處理？ → 193 Kubernetes 在 AI 系統部署中的核心功能為何？ → 194 避免超參數過度調整的最佳實踐為何？ → 195 MLOps 中 Model Registry 的主要用途為何？ → 196 Seq2Seq 模型最適合的任務為何？ → 197 RAG (Retrieval-Augmented Generation) 在檢索階段面臨的最關鍵挑戰為何？ → 198 Attention Collapse（注意力坍縮）的改善方法為何？ → 199 低資源語言模型出現過擬合，但不能新增語料，應如何改善？ → 200 GAN 的 Mode Collapse 問題可用什麼方法解決？ → 201 多模態學習中，某模態資料缺失（例如只有影像沒有文本），應如何處理？ → 202 偵測 Data Drift（資料漂移）的方法為何？ → 203 醫院 AI 系統的漸進式部署策略為何？ → 204 對抗性攻擊(Adversarial Attack)的根本防禦方式為何？ → 205 生成式 AI 著作權侵權的最佳防範措施為何？ → 206 多重共線性問題，哪種方法最能降低其影響？ → 207 半結構化 JSON 日誌的特徵擷取最佳方法為何？ → 208 同時包含連續型和類別型特徵時，最佳的特徵工程方法為何？ → 209 CI (持續整合) 的核心實踐為何？ → 210 不可否認性(Non-repudiation)的主要實現方式為何？ → 211 需要承受 10,000 RPS 的 AI 服務應採用什麼架構？ → 212 模型上線後效能下滑，最適合用來監控的指標為何？ → 213 Word2Vec 在大語料庫中捕捉罕見詞的最佳方法為何？ → 214 像素級類別標注同時區分同類不同個體的任務稱為？ → 215 CLIP 能進行零樣本分類的關鍵特性為何？ → 216 系統化搜尋超參數的方法為何？ → 217 降低單張 GPU 記憶體壓力的方法為何？ → 218 Stable Diffusion 生成 4K 高清細節圖片的方法為何？ → 219 ARIMA 模型殘差出現週期性波動且 ACF 不為零，代表什麼？ → 220 VAE、GAN、Diffusion Model 在多模態潛在空間對齊上的差異為何？ → 221 在 K-Fold 交叉驗證上同時進行超參數調整和模型評估，會產生什麼問題？ → 222 模型上線後資料分布與訓練時不同，應如何應對？ → 223 比較 VAE (生成式) 和 BERT (鑑別式) 路徑時，最佳的實驗設計為何？ → 224 需要同時進行預測和資料生成（用於 A/B 測試）的模型為何？ → 225 PCA 將 1024 維降至 100 維再用 SVM 分類，最正確的描述為何？ → 226 MLOps 中 Data Drift 偵測預警的最佳做法為何？ → 227 多任務學習中 NER 表現提升但文檔分類表現下降，最可能的原因為何？ → 228 DBSCAN 處理大規模資料時提升效率的方法為何？ → 229 AI 情感分析在跨語言和跨族群場景中，嵌入正規化的影響為何？ → 230 生成式 AI 在圖片中品牌顏色或手部呈現不自然的主要原因為何？ → 231 下列何者並未使用 AI/ML 技術？ → 232 將連續文本轉換為詞彙單位的方法稱為？ → 233 NLP 在機器學習應用中的主要用途為何？ → 234 關於深度學習模型，下列何者不正確？ → 235 ML 模型在業界部署的主要趨勢為何？ → 236 最適合使用迴歸模型的場景為何？ → 237 電腦視覺技術配對中，哪個描述正確？(a)圖像分類 (b)語義分割 (c)物件偵測 (d)實例分割 → 238 哪種模型壓縮技術能減少記憶體使用？ → 239 供應鏈攻擊如何影響 AI 系統？ → 240 下列何者屬於 NLP 的詞嵌入技術？ → 241 早期融合(Early Fusion)的主要特徵為何？ → 242 強化醫療多模態 AI 整合影像與文本的最佳架構為何？ → 243 無預定義使用者類型的客戶分群，應使用什麼演算法？ → 244 特徵尺度差異極大時，最適合的預處理方法為何？ → 245 系統整合測試時最應優先驗證什麼？ → 246 Z-Score = 2 的意涵為何？ → 247 Pandas 中用來產生敘述性統計的函數為何？ → 248 左偏分佈(Left-skewed)的 Skewness 值為何？ → 249 CDF (累積分佈函數) 的數學定義為何？ → 250 Label Encoding 的潛在風險為何？ → 251 關於類別型與數值型特徵處理，下列何者不正確？ → 252 ACID 中「原子性(Atomicity)」的意義為何？ → 253 銷售金額除以瀏覽次數建立新變數，這屬於什麼特徵工程？ → 254 資料中有極端值(Outlier)時，最適合的標準化方法為何？ → 255 最適合用於異常偵測的場景為何？ → 256 即時監控 IoT 設備異常的最佳方案為何？ → 257 隨機過採樣(Random Oversampling)的主要問題為何？ → 258 同態加密(Homomorphic Encryption)的核心特性為何？ → 259 10 項標籤 A:5, B:5 的正規化 Gini Impurity 為何？ → 260 每分鐘來電數最適合用哪種機率分佈建模？ → 261 Z-Score 監控異常值：均值 2000，標準差 400，金額 3200，Z = ？是否異常？ → 262 梯度提升樹(GBT)使用 Label Encoding 時需注意什麼？ → 263 分散式資料庫中某節點發生錯誤但資料仍保持一致，這靠的是 ACID 中的哪個特性？ → 264 IoT 即時處理同時保留完整資料的最佳架構為何？ → 265 雲端環境中不解密原始資料就進行運算的技術為何？ → 266 數據密度(Data Density)在視覺化中的意義為何？ → 267 四檔股票的相關性最適合用什麼方式視覺化？ → 268 單樣本 t 檢定結果 p=0.08，95% 信賴區間 [95, 108]，原始假設母體平均為 100 萬。正確解讀為何？ → 269 生成式 AI 處理多來源資料的最佳做法為何？ → 270 箱型圖 IQR 極小但上鬚很長且離群值很多，如何改善視覺化？ → 271 關聯規則：科幻→超級英雄，Lift=1.8，50% 也看超英。正確解讀為何？ → 272 近似分位數(Approximate Quantile)的目的為何？ → 273 高維(>500維)資料用 DBSCAN 全部變成噪訊點的原因為何？ → 274 PCA 分析中不同量級的欄位直接帶入會怎樣？ → 275 資料有線性趨勢且無離群值，最適合衡量線性關係強度的指標為何？ → 276 伯努利試驗 p=0.4，n=5000，可以用常態近似的條件為何？ → 277 生成式 AI 客服系統洩露真實姓名和電話的防範措施為何？ → 278 報酬率非對稱分布且有極端損失，不應依賴常態假設時，最適合的分析方法為何？ → 279 Graph Database 中「按讚行為」應如何儲存？ → 280 知識圖譜(Knowledge Graph)的模型設計最適合用什麼結構？ → 281 Y 變數右偏且變異數隨 X 增加，做線性迴歸前應做什麼前處理？ → 282 罕見疾病(陽性率<1%)分類中，最能提升少數類偵測率的方法為何？ → 283 比較兩條產線良率差異應使用什麼檢定？ → 284 80% 良性的腫瘤分類資料做 5-fold CV，如何避免類別比例偏差？ → 285 虛擬程式碼：每次取 1 筆當測試、N-1 筆當訓練，重複 N 次。這是什麼方法？ → 286 虛擬程式碼：隨機選 K 個中心→分配點到最近中心→更新中心→收斂。這是什麼演算法？ → 287 Poisson 分佈 λ=5，poisson.pmf(5, 5) 的意義以及 Poisson 適用條件為何？ → 288 Year 欄位為 float64 的可能原因為何？ → 289 Year 欄位含有 NaN 時，如何正確轉為整數型別？ → 290 繪製各平台全球銷售總額長條圖的 Pandas 程式碼為何？ → 291 比較各地區銷售比例的 seaborn 長條圖程式碼為何？ → 292 北美銷售前五名遊戲的 seaborn 長條圖程式碼為何？ → 293 describe() 結果判讀：哪個描述正確？ → 294 計算 DataFrame 中 NaN 個數的函數為何？ → 295 sklearn LinearRegression 搭配 statsmodels OLS 的正確用法為何？ → 296 檢測不同組別身高差異，下列何者不正確？ → 297 關於 ROC 曲線，下列何者正確？ → 298 下列何者不屬於特徵工程？ → 299 預測產品銷售數量最適合用哪種模型？ → 300 低結構化資料（如文本、圖像）的特徵工程稱為？ → 301 非監督式降維方法為何？ → 302 IQR 方法定義異常值的範圍為何？ → 303 差分隱私(Differential Privacy)的目的為何？ → 304 PCA 降維至兩個主成分的意義為何？ → 305 平均 70、標準差 10，成績 90 的 Z 分數為何？ → 306 AI 倫理中「透明性」的意義為何？ → 307 即時監控金融交易異常最適合的系統為何？ → 308 社群網路中使用者互動結構的分析方法為何？ → 309 加速大數據 AI 訓練的技術為何？ → 310 CIFAR-10 資料集的正確描述為何？ → 311 評估模型在不同月份的泛化效果，最適合的方法為何？ → 312 L1 正則化 (Lasso) 的主要效果為何？ → 313 非凸函數有多個極值點會導致什麼問題？ → 314 DBSCAN 中未被核心點包含也未達密度可達的點歸類為？ → 315 CNN 第一層卷積層的主要功能為何？ → 316 CNN 相比全連接神經網路(FCNN)的核心優勢為何？ → 317 LSTM 最適合的應用場景為何？ → 318 Information Gain 主要應用在什麼演算法中？ → 319 KNN 和 SVM 在使用前最關鍵的前處理是什麼？ → 320 AutoML 最適合的使用場景為何？ → 321 Random Search 相比 Grid Search 的主要優勢為何？ → 322 DNN 收斂不穩定（有時過快有時過慢），應調整什麼？ → 323 Label Bias（標籤偏差）的主要原因為何？ → 324 模型可解釋性在哪個應用場景最為關鍵？ → 325 R² = 0.85 的意義為何？ → 326 Precision=0.8, Recall=0.6, F1 Score = ？ → 327 下列哪個優化器內建了 Momentum 機制？ → 328 XGBoost 相比傳統 GBDT 的主要改進為何？ → 329 正樣本僅佔 3% 時，最不適合用來評估模型的指標為何？ → 330 建立互動特徵(Interaction Features)的方法為何？ → 331 Multi-Head Attention 的主要優點為何？ → 332 貝氏定理的核心運作方式為何？ → 333 隨機抽樣模擬多種可能情境以估算機率分佈的方法稱為？ → 334 殘差圖中高價區出現彎曲分佈，代表什麼？ → 335 信用評分卡開發流程中，下列何者最不常見？ → 336 下列何者不屬於降低過擬合的策略？ → 337 CNN 使用線性激活函數導致訓練停滯，應改用什麼？ → 338 模型只用活躍顧客訓練，對新註冊和低消費顧客效果差。這是什麼偏差？ → 339 工業設備故障預測需要長期穩健運作，最佳的驗證方法為何？ → 340 多語言模型英文 F1=0.91 但西班牙文 F1=0.58，主要原因為何？ → 341 訓練中驗證損失在第 80 輪後開始波動，最佳的 Early Stopping 策略為何？ → 342 既能避免過擬合又能自動篩選特徵的方法為何？ → 343 逐一比對客戶相似度的時間複雜度為何？ → 344 醫療心臟病小資料集、類別不平衡，且需兼顧比例一致，最佳驗證方法為何？ → 345 PCA 特徵值 λ1=6.0, λ2=3.0, λ3=1.0，保留至少 80% 變異需要幾個主成分？ → 346 同態加密在 AI 訓練中的關鍵特性為何？ → 347 多銀行聯合訓練信用風險模型，資料不可解密且需傳輸安全，應使用哪些技術組合？ → 348 程式碼 sum((y_true - y_pred)**2) / len(y_true) 計算的是什麼指標？ → 349 程式碼中用二項式分佈(Binomial)產生 mask 來隨機遮蔽神經元，這是什麼技術？ → 350 np.dot(v1, v2) 的結果為何？v1=[1,2,3], v2=[4,5,6] → 351 Monte Carlo 模擬中計算條件機率 P(A|B)：A=偶數, B=大於3，P(A|B)的程式碼為何？ → 352 VGG16 中哪種層的參數量最多？ → 353 VGG16 中哪種層的 FLOPs（浮點運算次數）最多？ → 354 關於 VGG16 結構，下列何者正確？ → 355 VGG16 遷移學習時凍結卷積層的正確做法為何？ → 356 PCA 降噪時，程式碼中需要修改哪個部分？ → 357 KNN 搭配交叉驗證計算準確率的正確程式碼為何？ → 358 Titanic 資料集標準化程式碼的正確描述為何？ → 359 MLP 模型：Input=9 → Dense(10, relu) → Dense(10, relu) → Dense(1, sigmoid)。空格1 和空格2 的參數量為何？ → 360 繪製 Training/Validation Loss 曲線，Training Loss 用藍實線、Validation Loss 用紅虛線的 matplotlib 格式為何？ → 361 MapReduce 中 Map 和 Reduce 的功能為何？ → 362 CNN 架構中加寬而非加深的代表模型為何？ → 363 訓練誤差很低但測試誤差很大，代表什麼問題？ → 364 迴歸模型最常用的效能指標為何？ → 365 數據標註品質對模型的影響為何？ → 366 分類任務的輸出層最適合用什麼激活函數？ → 367 下列何者不適合用監督式學習？ → 368 神經網路前向傳播的核心數學操作為何？ → 369 標準化的主要作用為何？ → 370 準確率(Accuracy)的計算公式為何？ → 371 損失函數(Loss Function)的功能為何？ → 372 GDPR 中「被遺忘權」的意義為何？ → 373 類別不平衡時，最直接的資料層面解決方法為何？ → 374 自動調整學習率且特別適用於稀疏資料的優化器為何？ → 375 程式碼排序：(a)分割訓練/測試集 (b)訓練模型 (c)讀取資料 (d)預測並評估。正確順序為何？ → 376 下列關於 MapReduce 的說法，何者正確？ → 377 在機器學習的分類任務中，鑑別式模型（Discriminative Model）與生成式模型（Generative Model）的核心差異為何？ → 378 某企業欲建構一套客服系統，需要同時具備「自動判斷客戶意圖」與「生成自然語言回覆」的能力。下列哪種架構設計最能有效整合鑑別式AI與生成式AI？ → 379 支援向量機（SVM）被廣泛應用於分類與迴歸任務。依據其模型學習方式，SVM 最適合歸類於下列哪一類？ → 380 生成對抗網路（GAN）由生成器（Generator）與鑑別器（Discriminator）組成。關於兩者在訓練過程中的角色，下列敘述何者正確？ → 381 某醫療影像分析平台希望同時達成「病灶區域偵測」與「合成訓練影像以擴增稀有疾病資料集」兩項目標。下列哪種整合策略最為適當？ → 382 變分自編碼器（VAE）是一種結合機率推論的生成式模型。關於 VAE 的基本原理，下列敘述何者最正確？ → 383 在自然語言處理中，BERT 被視為鑑別式預訓練模型，而 GPT 系列被視為生成式預訓練模型。造成此差異的主要原因為何？ → 384 某電商平台欲開發商品推薦系統，結合使用者行為分析與個性化商品描述生成。下列哪種整合方式最能發揮鑑別式與生成式AI的各自優勢？ → 385 邏輯迴歸（Logistic Regression）是最基礎的分類模型之一。關於其模型特性，下列敘述何者正確？ → 386 擴散模型（Diffusion Model）近年在影像生成領域取得突破性進展。關於其基本原理，下列敘述何者最正確？ → 387 在資訊安全領域，某企業希望建構一套系統，能同時偵測釣魚郵件並自動生成安全警示通知給員工。下列哪種整合方式最適合此需求？ → 388 關於鑑別式模型與生成式模型在處理訓練資料不足情況下的表現，下列敘述何者最正確？ → 389 在半監督學習中，生成式模型可如何協助鑑別式模型提升分類效能？ → 390 條件生成對抗網路（Conditional GAN, cGAN）相較於原始 GAN 的主要改進為何？ → 391 某自動駕駛系統需要在惡劣天候下仍能精準辨識道路物件。團隊決定結合鑑別式與生成式AI來解決此問題。下列哪種策略最為合理？ → 392 某製造業公司計畫導入AI視覺檢測系統以取代人工品質檢驗。在進行AI導入評估時，發現產線上的瑕疵樣本數量極少（不到總樣本的0.5%），且瑕疵類型多達20種以上。針對此情境，下列哪項評估結論最為合理？ → 393 一間金融機構規劃導入AI信用評分模型。在AI導入規劃階段，下列哪項做法最符合AI風險管理與合規原則？ → 394 某零售企業計畫導入AI需求預測系統。在評估ROI時，下列哪項分析方法最為周全？ → 395 某醫療機構計畫導入AI輔助影像診斷系統。在應用架構設計時，下列哪種架構方案最適當？ → 396 某企業在AI導入規劃中，需要決定自建AI團隊或委外開發。下列哪項策略最為合理？ → 397 某電商平台導入AI推薦系統後，發現模型在促銷期間推薦品質明顯下降。下列哪項措施最能有效解決此問題？ → 398 某企業在評估是否導入生成式AI用於客服時，進行概念驗證（PoC）。下列哪項PoC設計最能有效驗證技術可行性？ → 399 某政府機關規劃導入AI系統進行社會福利資格審查。識別出「演算法偏見可能導致特定弱勢族群被系統性排除」的風險。下列哪項風險緩解措施最為關鍵？ → 400 某企業完成AI導入規劃後，需建立AI專案的治理架構。下列哪項治理機制的設計最為完善？ → 401 某物流公司規劃導入AI路徑最佳化系統，在技術可行性評估中發現GPS資料品質不一致。下列哪項評估與應對策略最為恰當？ → 402 某電商平台擁有數億筆交易紀錄，希望利用機器學習預測顧客流失。在大數據環境下，下列哪種做法最能有效提升模型的訓練效率與可擴展性？ → 403 一家保險公司使用監督式學習模型預測詐欺案件，上線後發現召回率極低，最可能的原因為何？ → 404 某製造業工廠導入生成式AI根據歷史感測器數據自動生成合成訓練資料，用於異常偵測模型。下列敘述何者最正確？ → 405 下列何者最能正確描述鑑別式AI與生成式AI在大數據應用上的核心差異？ → 406 某醫療機構欲利用多家醫院的病歷資料訓練疾病預測模型，但各醫院因隱私法規無法直接共享原始資料。下列哪種技術最適合此情境？ → 407 根據歐盟 GDPR 規範，當企業使用大數據進行自動化決策時，資料主體享有下列哪項權利？ → 408 某社群平台使用LLM自動生成行銷文案，測試中發現模型偶爾會在輸出中包含真實用戶資訊。下列哪種防範措施最完善？ → 409 某零售企業使用非監督式學習對千萬筆顧客交易資料進行客群分群。下列哪項做法最有助於決定最佳分群數量？ → 410 某金融機構將客戶資料進行假名化處理後提供給外部AI廠商。關於假名化的法律地位，下列敘述何者正確？ → 411 某物流公司使用GAN生成合成配送路線數據，訓練過程中發現生成器產出的資料缺乏多樣性。此現象最可能是什麼問題？ → 412 某銀行使用機器學習模型進行貸款核准決策，內部稽核發現該模型對特定族群的核准率顯著偏低。為釐清偏見來源，下列哪項分析應優先進行？ → 413 某企業導入AI人才招募系統，決定採用「機會均等」（Equalized Odds）作為公平性指標。下列何者最正確描述此指標？ → 414 某醫療AI系統處理患者資料時，需符合我國《個人資料保護法》。下列哪項措施最符合最小蒐集原則？ → 415 某保險公司的理賠預測模型雖未直接使用「性別」作為特徵，但使用了與性別高度相關的代理變數。下列敘述何者最正確？ → 416 某企業建立機器學習治理框架，要求所有AI模型上線前必須通過公平性審查。下列哪項做法最能建立有效的治理機制？ → 417 某科技公司的AI推薦系統發生未經授權的大量資料外洩事件。下列哪項事後應變措施的優先順序最正確？ → 418 在機器學習模型的公平性評估中，「準確率平等」與「人口統計均等」兩種指標可能產生衝突。下列敘述何者最能解釋此衝突的根本原因？ → 419 某企業的業務部門使用 No Code 平台自行開發了一套客戶管理系統，但 IT 部門完全不知情。這種現象最可能導致下列哪項風險？ → 420 關於 Low Code 與 No Code 平台的差異，下列敘述何者錯誤？ → 421 一家中小企業想用 No Code 平台開發內部請假系統，下列哪項評估最為關鍵？ → 422 在「公民開發者（Citizen Developer）」的概念中，下列何者最能描述其在組織中的定位？ → 423 某公司評估導入 Low Code 平台，技術長提出以下四點考量，哪一點的理解是不正確的？ → 424 下列哪個場景最不適合使用 No Code 平台來開發？ → 425 關於 No Code/Low Code 平台與 API 整合的敘述，下列何者最正確？ → 426 一家企業同時使用多個 No Code 工具（表單用 A 平台、流程用 B 平台、資料庫用 C 平台），這種做法最主要的潛在問題是什麼？ → 427 關於大型語言模型（LLM）的「幻覺」（Hallucination）現象，下列敘述何者錯誤？ → 428 某公司想用生成式 AI 自動撰寫行銷文案，並將結果直接發布到社群媒體。下列哪項做法最符合負責任的 AI 應用原則？ → 429 關於 Prompt Engineering（提示工程）的技巧，下列何者的描述最不正確？ → 430 下列哪種生成式 AI 應用場景中，「溫度（Temperature）」參數應該設定為較低值？ → 431 關於 RAG（Retrieval-Augmented Generation，檢索增強生成）架構，下列敘述何者最正確？ → 432 某企業想建立一個能回答公司內部規章問題的 AI 助理，下列哪種技術組合最適合？ → 433 關於生成式 AI 在圖像生成領域的應用，下列何者的理解最不正確？ → 434 某公司使用生成式 AI 工具輔助軟體開發，下列哪項做法的風險最高？ → 435 關於 Fine-tuning（微調）與 Prompt Engineering 的比較，下列何者最正確？ → 436 下列關於多模態（Multimodal）生成式 AI 的敘述，何者最正確？ → 437 某電商公司想用生成式 AI 自動生成商品描述，下列哪種做法最能確保輸出品質？ → 438 關於生成式 AI 的 Token 概念，下列何者錯誤？ → 439 某金融機構計畫導入生成式 AI 進行客戶信用評估，下列哪項風險評估最不應被忽略？ → 440 在評估生成式 AI 專案的 ROI（投資報酬率）時，下列哪項成本最容易被低估？ → 441 某企業規劃分階段導入生成式 AI，下列哪個導入順序最為合理？ → 442 關於生成式 AI 應用的資料治理，下列何者最正確？ → 443 某企業導入生成式 AI 後發現員工使用率很低，下列哪項措施最可能有效提升採用率？ → 444 在生成式 AI 的導入規劃中，「概念驗證（PoC, Proof of Concept）」階段最重要的目標是什麼？ → 445 某企業評估是否自建 LLM 或使用第三方 API 服務，下列哪項因素最支持選擇自建？ → 446 關於生成式 AI 專案的風險管理，下列哪種做法最體現「負責任的 AI」原則？ → 447 某公司的 AI 導入專案在 PoC 階段表現良好，但正式上線後效果大幅下降，最可能的原因是什麼？ → 448 企業在規劃生成式 AI 治理框架時，下列哪組要素的組合最為完整？ → 449 關於人工智慧的分類，下列敘述何者「錯誤」？ → 450 某企業導入AI系統進行信用評分，結果發現該系統對特定族群的拒絕率明顯偏高。根據AI治理原則，下列哪項措施最「不」適當？ → 451 下列關於AI發展歷史的配對，何者「正確」？ → 452 關於AI倫理與治理框架，下列敘述何者最為正確？ → 453 某醫院想導入AI輔助診斷系統，下列哪個情境最能體現「人在迴路」（Human-in-the-Loop）的AI治理概念？ → 454 下列關於AI技術分類的敘述，何者「錯誤」？ → 455 關於AI系統的風險評估，若一個AI系統同時具備「影響人身安全」和「決策不可逆」兩個特徵，根據風險管理原則，最適合的做法是？ → 456 下列關於「AI素養」（AI Literacy）的敘述，何者最為完整？ → 457 某資料集包含「年齡」「收入」「購買次數」三個數值特徵，其中「收入」的範圍是20,000~500,000，「購買次數」的範圍是1~50。若直接使用KNN演算法而不做任何前處理，最可能出現什麼問題？ → 458 在資料前處理中，下列哪種處理缺失值的方式最「不」適當？ → 459 關於結構化資料與非結構化資料，下列敘述何者「正確」？ → 460 某公司收集了10萬筆客戶交易資料，發現「欺詐交易」僅佔0.1%。若直接用這份資料訓練分類模型，下列敘述何者最正確？ → 461 關於資料隱私保護技術，下列何者的描述「錯誤」？ → 462 在資料處理流程中，「特徵工程」（Feature Engineering）的主要目的是什麼？下列何者最為完整？ → 463 某公司想分析客戶評論的情感傾向，收集的原始文字資料需要經過哪些前處理步驟？下列排序何者最合理？ → 464 關於探索性資料分析（EDA），下列敘述何者「錯誤」？ → 465 某模型在訓練集上的準確率為99%，但在測試集上只有60%。下列哪個敘述最能解釋此現象，且提出的解決方案最適當？ → 466 關於監督式學習、非監督式學習和強化學習，下列配對何者「全部正確」？ → 467 在二元分類問題中，模型的混淆矩陣顯示：TP=80, FP=20, FN=40, TN=860。下列計算何者「錯誤」？ → 468 關於交叉驗證（Cross-Validation），下列敘述何者「錯誤」？ → 469 下列關於決策樹和隨機森林的比較，何者「正確」？ → 470 某模型的ROC曲線下面積（AUC）為0.5，下列解讀何者最正確？ → 471 在機器學習中，「偏差-變異數權衡」（Bias-Variance Tradeoff）的概念，下列敘述何者「正確」？ → 472 某電商平台想預測客戶是否會在30天內流失，這屬於哪類機器學習問題？若模型輸出的是流失機率（0到1之間的數值），最適合使用哪個損失函數？ → 473 關於鑑別式AI和生成式AI的本質差異，下列敘述何者最為精確？ → 474 關於大型語言模型（LLM）的「幻覺」（Hallucination）現象，下列敘述何者「錯誤」？ → 475 下列關於Transformer架構的敘述，何者「正確」？ → 476 某企業想將生成式AI整合到客服系統中，下列哪個做法最能兼顧效率和風險管控？ → 477 關於生成式AI的常見技術，下列配對何者「全部正確」？ → 478 關於提示工程（Prompt Engineering）的技巧，下列敘述何者「錯誤」？ → 479 某醫院開發了一個AI模型來預測病患是否需要住院治療，但醫生不願意採用該系統。下列哪個做法最能有效提升醫生對該AI系統的信任？ → 480 關於知識蒸餾（Knowledge Distillation），下列敘述何者最正確？ → 481 關於SHAP與LIME兩種可解釋AI方法，下列敘述何者正確？ → 482 LoRA（Low-Rank Adaptation）微調技術的主要優勢為何？ → 483 一家銀行使用深度學習模型進行貸款核准決策，監管單位要求銀行必須解釋每一筆拒絕貸款的原因。下列哪種XAI方法最適合此需求？ → 484 下列哪種情境最適合使用 LoRA 而非完整微調（Full Fine-tuning）？ → 485 在電腦視覺中，Saliency Map的主要功能是什麼？ → 486 關於 PEFT（Parameter-Efficient Fine-Tuning）與完整微調的比較，下列何者正確？ → 487 某自駕車AI系統在路口誤判紅燈為綠燈，工程師使用Saliency Map分析後發現模型主要關注的是天空區域而非紅綠燈。這個發現說明了XAI的哪項價值？ → 488 RLHF（Reinforcement Learning from Human Feedback）在大型語言模型中的主要作用為何？ → 489 下列哪個情境最需要使用可解釋AI（XAI）技術？ → 490 QLoRA 相較於標準 LoRA 的主要改進之處為何？ → 491 反事實解釋（Counterfactual Explanation）與傳統特徵重要性解釋的最大差異是什麼？ → 492 在 RLHF 的典型流程中，下列哪個步驟的順序是正確的？ → 493 Google開發的SynthID技術，其主要用途是什麼？ → 494 關於 AI Agent 架構，下列敘述何者最正確？ → 495 C2PA（Coalition for Content Provenance and Authenticity）標準的核心功能是什麼？ → 496 OpenAI 的 Sora 模型在影片生成領域的技術特色為何？ → 497 某公司希望在不解密的情況下，讓雲端伺服器直接對加密的醫療資料進行AI分析。下列哪種技術最適合此需求？ → 498 MCP（Model Context Protocol）的主要設計目的為何？ → 499 下列關於deepfake偵測技術的敘述，何者最正確？ → 500 在 RAG（Retrieval-Augmented Generation）系統中，Chunking 策略對效能的影響為何？ → 501 SynthID與C2PA在防偽機制上的主要差異是什麼？ → 502 比較 Naive RAG 與 Advanced RAG，下列敘述何者正確？ → 503 某新聞機構希望讓讀者能驗證其刊登的照片未經AI竄改，下列哪種做法最完善？ → 504 企業導入 AI 會議摘要工具時，最需要優先考量的因素為何？ → 505 關於同態加密（Homomorphic Encryption）應用於AI的限制，下列敘述何者最正確？ → 506 下列關於 AI Agent 中「工具呼叫（Tool Use）」機制的描述，何者最正確？ → 507 Tree of Thoughts（ToT）與Chain of Thought（CoT）的核心差異是什麼？ → 508 關於二分搜尋法（Binary Search）的前提條件，下列何者正確？ → 509 以下哪個任務最適合使用Tree of Thoughts（ToT）而非基本的Chain of Thought（CoT）？ → 510 二分搜尋法的時間複雜度為 O(log n)，這代表什麼意義？ → 511 Graph Prompt（圖提示）與傳統鏈式提示的最大不同是什麼？ → 512 下列哪個應用場景最適合使用二分搜尋法？ → 513 一位產品經理想請AI分析一個新功能的可行性，需要從技術、市場、成本三個面向各自深入分析後再交叉比較。下列哪種提示工程策略最適合？ → 514 在 AIoT（AI + IoT）應用中，下列哪種感測器最適合用於偵測環境中的有害氣體濃度？ → 515 下列關於進階提示工程技術的配對，何者最正確？ → 516 關於邊緣運算（Edge Computing）與雲端運算在 AI 推論的比較，下列何者正確？ → 517 某團隊在使用Chain of Thought提示讓AI解決一個複雜問題時，發現AI在中間某個步驟走錯方向，導致最終答案錯誤。下列哪種改進策略最有效？ → 518 企業在選擇 AI 部署硬體時，下列哪個因素的配對最為合理？ → 519 下列關於台灣個人資料保護法中「個人資料」定義的敘述，何者正確？ → 520 依據台灣個資法第6條，下列何者屬於「特種個資」？ → 521 下列關於GDPR七大原則的敘述，何者不正確？ → 522 下列關於「去識別化」與「匿名化」的比較，何者正確？ → 523 差分隱私（Differential Privacy）的核心參數 epsilon (ε) 與隱私保護的關係為何？ → 524 下列何種技術可在不共享原始資料的前提下，讓多方共同訓練機器學習模型？ → 525 攻擊者透過反覆查詢AI模型的輸出，推測出訓練資料中的敏感資訊，此攻擊稱為？ → 526 下列關於Privacy by Design（隱私設計）的敘述，何者正確？ → 527 GDPR第22條規定個人有權拒絕哪一種AI應用方式？ → 528 GDPR規定資料控制者在發現個人資料外洩後，應於多少時間內通報主管機關？ → 529 大型語言模型（LLM）的訓練流程中，RLHF的三個子步驟依序為何？ → 530 Transformer架構中，Self-Attention機制的注意力分數計算公式為何？ → 531 下列關於BERT與GPT架構差異的敘述，何者正確？ → 532 下列關於GAN、VAE、Diffusion Model三種生成模型的比較，何者正確？ → 533 LoRA（Low-Rank Adaptation）微調技術的核心概念為何？ → 534 下列關於BLEU和ROUGE評估指標的敘述，何者正確？ → 535 RAG（檢索增強生成）架構的主要目的是什麼？ → 536 模型量化（Quantization）將權重從FP32降為INT8，其主要效果為何？ → 537 下列何種提示工程技術透過引導模型展示中間推理步驟來提升數學和邏輯推理能力？ → 538 知識蒸餾（Knowledge Distillation）中，學生模型學習的是教師模型的什麼？ → 539 下列何者是GDPR有規定但台灣個資法目前尚未明確規範的權利？ → 540 大數據的5V特性中，「Veracity」主要指的是什麼？ → 541 Apache Spark相較於Hadoop MapReduce在機器學習訓練上的主要優勢為何？ → 542 鑑別式AI與生成式AI在學習目標上的根本差異為何？ → 543 下列何種異常偵測方法的原理是利用重建誤差來判斷資料是否異常？ → 544 某電商平台要從大量交易紀錄中識別信用卡盜刷行為，最適合使用哪種AI方法？ → 545 GPT-3的預訓練資料規模約為多少？ → 546 LLM預訓練資料的策展管線中，MinHash技術主要用於什麼目的？ → 547 Scaling Law描述的是大型AI模型效能與哪些因素的關係？ → 548 下列關於差分隱私、聯邦學習、同態加密三種隱私技術的比較，何者正確？ →