50. 某招聘公司使用生成式 AI 生成面試問題與候選人評估建議。團隊發現模型可能對
性別或年齡產生的資料分布偏差。下列哪一種策略最能有效降低生成偏差輸出的
風險？

(A)調整模型架構與參數，使生成更靈活與多樣化；

(B)大幅增加訓練資料量，但不清理或平衡資料中的性別與年齡分布；

(C)在生成後對模型輸出進行人工審查，並依偏差情況修正結果；

(D)僅允許高階主管操作系統，透過人員篩選控制生成結果

答案：登入後查看
統計： 尚無統計資料

相關試題

1. 某零售企業導入生成式 AI 商品推薦系統。測試結果顯示，在購物行為、偏好設定與價格區間相同的情況下，不同客戶族群收到的推薦商品類型仍出現明顯差異，且差異方向不易以既有行銷策略解釋。若在模型架構與推論設定皆未調整情形下，專案目標是優先降低可能的模型偏差風險，下列何者最合理？ (A)重新檢視訓練資料的樣本分布與代表性； (B)限制推薦結果僅顯示高銷量商品； (C)降低模型參數規模以簡化決策邏輯； (D)提高推薦結果的隨機性以增加多樣性

2. 在進行大型語言模型 (LLM) 企業專屬知識的 Fine-tuning 時，若內部 GPU 運算資源與記憶體嚴重受限，下列哪一種參數高效微調(PEFT, Parameter Efficient FineTuning)技術最能在維持模型效能的前提下，顯著降低需更新的參數數量？ (A)知識蒸餾(Knowledge Distillation)； (B)提示詞工程(Prompt Engineering)； (C)梯度凍結(Gradient Freezing)； (D)低秩適配(Low-Rank Adaptation)

3. 某企業規劃透過 Low-Code 平台建置可視化儀表板，以支援營運數據的即時監控與分析判讀。若企業特別關注儀表板顯示結果的穩定性與分析可信度，下列何者最應優先確認？ (A)是否具備穩定的資料串接能力與即時更新機制； (B)是否提供自動化決策建議與預測分析模組； (C)是否支援彈性介面設計與多角色權限管理； (D)是否整合流程觸發與跨系統通知功能

4. 某企業導入生成式 AI 客服系統後發現，系統整體運作穩定，且在單位時間內可處理大量對話請求。部分使用者仍反映在互動過程中回覆出現卡頓感，經初步排除網路連線與前端介面效能問題後，若專案團隊希望針對此現象進行效能測試，下列何者最符合測試重點？ (A)評估系統長時間運作的穩定程度； (B)測量系統單位時間的總處理量； (C)比較不同回覆內容的語言品質； (D)分析單次互動回覆的反應速度表現

5. 某企業導入生成式 AI 系統，希望自動產出客服回覆與內部文件摘要。系統需能理解使用者輸入的完整語句內容，並在回覆中維持語意連貫，即使對話內容較長仍能保持上下文一致性。基於上述需求，下列何種模型架構最為適合？ (A)卷積神經網路(Convolutional Neural Network, CNN)； (B)遞迴神經網路(Recurrent Neural Network, RNN)； (C)基於 Transformer 架構的自迴歸模型(Autoregressive Model)； (D)生成對抗網路(Generative Adversarial Network, GAN)

6. OpenAI 已為 Sora 生成的影片提供多種出處證明機制，以降低誤導性或欺騙性內容帶來的風險。下列何者不屬於目前 OpenAI 官方為 Sora 內容提供的出處證明工具？ (A)所有資產上內嵌的 C2PA(Content Credentials)元數據； (B)預設可見的動態浮水印； (C)用於追蹤生成內容的內部反向影像與音訊搜尋工具； (D)平台對外開放的實時來源驗證介面

7. 某企業導入 No-Code/Low-Code 平台，讓各部門能自行建立資料分析與流程應用。隨著使用範圍擴大，管理層開始關注資料權限、存取紀錄與合規要求。依資料治理觀點，下列何者最合理描述此類平台對企業治理機制的典型影響？ (A)平台內建角色權限與資料存取控管機制，有助治理制度落實； (B)平台強化部門自主性，通常使既有治理流程難以延續； (C)平台主要支援應用快速開發，資料治理仍需完全仰賴外部系統； (D)平台透過自動化設定機制，可顯著降低治理與合規管理需求

8. 某製造企業規劃於設備端建置邊緣運算(Edge Computing)架構，並以 NoCode/Low-Code 平台開發即時監控應用。測試顯示，系統在雲端環境執行順暢，但部署至邊緣裝置後出現回應延遲與效能下降。依此情境判斷，下列何者最合理解釋該現象？ (A)邊緣運算架構可降低系統對效能的需求； (B)No-Code/Low-Code 平台僅能在雲端環境執行； (C)雲端部署通常比邊緣部署更容易出現延遲； (D)邊緣裝置通常受限於運算能力與可用資源

9. 某企業使用生成式 AI 進行文字分類，初期僅根據既有業務資料設計少量樣本提示 (Few-shot Prompting)。當模型應用至新市場資料時，團隊發現分類結果明顯不穩定，且原先提供的範例並未涵蓋新市場常見的表達方式。依此情境判斷，下列何者最可能為主要原因？ (A)模型容易對單一範例產生過度記憶； (B)少量範例難以涵蓋新情境的資料差異； (C)Prompt 設計無法引導模型擷取共通特徵； (D)模型推理能力不足以完成分類任務

10. 某企業建置檢索增強生成(Retrieval-augmented generation, RAG)系統支援內部知識查詢。隨著使用量提升，團隊發現模型回覆品質穩定，但推論延遲與運算成本逐漸增加。專案規劃在維持回覆品質前提下進行效能優化。在此情境下，若採用知識蒸餾(Knowledge Distillation)，下列敘述何者最為合理？ (A)將檢索資料轉換為結構化規則以取代模型； (B)僅透過增加檢索文件數量改善效能； (C)停用生成模型以避免延遲問題； (D)使小型模型學習大型模型行為，以降低推論成本

相關試卷

115年 - 115-1 AI 應用規劃師-初級能力鑑定公告試題_第二科：生成式 AI 應用與規劃#139147

2026 年 · #139147

115年 - 115-1 AI 應用規劃師-初級能力鑑定公告試題_第一科：人工智慧基礎概論#139146

2026 年 · #139146

114年 - 114-4 AI 應用規劃師-初級能力鑑定公告試題：人工智慧基礎概論#139118

2025 年 · #139118

114年 - 114-1 中國工業工程學會_工業工程師等相關證照考試：人工智慧#133860

2025 年 · #133860

114年 - IPAS AI應用規劃師初級能力鑑定-考試樣題(114/09)_科目二：生成式 AI 應用與規劃#132596

2025 年 · #132596

114年 - IPAS AI應用規劃師初級能力鑑定-考試樣題(114/09)_科目一：人工智慧基礎概論#132595

2025 年 · #132595

114年 - iPAS◆AI應用規劃師◆初級-科目1-L1101#130994

2025 年 · #130994

114年 - iPAS AI應用規劃師初級能力鑑定_科目二：生成式 AI 應用與規劃#128027

2025 年 · #128027

114年 - iPAS AI應用規劃師初級能力鑑定_科目一：人工智慧基礎概論#128026

2025 年 · #128026

114年 - iPAS AI應用規劃師能力鑑定初級考試試題#127151

2025 年 · #127151