47. 針對大型語言模型(LLM)或 AI Agent 常遇到的「上下文窗口(Context Window)限制」與 Token 成本問題，下列解決方案的敘述何者錯誤？ (A) 提示詞壓縮(Prompt Compression)：透過演算法自動過濾輸入文本中的冗餘字詞或停用詞，在不大幅流失語意下，增加視窗內可容納的有效資訊量。 (B) 檢索增強生成(RAG)：將外部長文本切割並向量化，提問時僅檢索最相關的段落動態加入上下文，避免一次塞入全文。 (C) 即時權重更新(Real-time Weight Overwriting)：在每次對話推論 (Inference)當下，即時執行反向傳播，將長篇上下文直接寫入模型權重中，藉此徹底釋放視窗空間。 (D) 漸進式披露(Progressive Disclosure)：系統預設僅載入眾多 AI 工具的輕量描述(如 YAML 標籤)，待判斷有呼叫需求時，才動態載入該工具的完整程式碼。