31. 某能源公司利用歷史氣象與用電資料，開發長期電力需求預測模型，採用深度神經網路架構進行訓練。在訓練過程中，模型在訓練集上的損失值持續下降，但在驗證集上，損失在第 80 輪後開始波動，呈現週期性上升與下降。團隊懷疑模型受到季節性資料波動與隨機噪音影響，導致驗證損失難以穩定收斂。若要在此情境下合理運用早期停止法(Early Stopping)以確保模型具最佳泛化能力，下列哪一項策略最為適當？ (A)直接根據訓練集損失最低點停止訓練，以確保模型充分擬合所有樣本； (B)監控驗證集損失並設定適度的耐心值(Patience)，在連續多輪未改善後再停止訓練； (C)改以測試集損失作為早停依據，以提升模型最終評估一致性； (D)將所有資料重新合併後訓練至收斂，避免因資料分割導致評估波動