iPAS AI應用規劃師-初級 (4) 發佈留言 / 作者: S學院 / 2025-05-04 iPAS AI應用規劃師-初級 (4) 模擬測驗，採智能選題，無限次反覆練習。 1. 提示工程(Prompt Engineering)在使用大型語言模型時的重要性在於： 純粹用於提高運算速度 只針對代碼生成有效 通過精心設計的提示引導模型產生更高質量的輸出 僅適用於短文本生成 None 2. 下列哪個不是生成式AI經常遇到的挑戰？ 幻覺(Hallucination)問題 生成內容的版權問題 生成內容的偏見 硬件兼容性問題 None 3. 生成式AI面臨的主要倫理挑戰包括： 純粹是市場競爭問題 僅限於技術實現問題 只涉及計算資源的分配 偏見放大、版權疑慮和潛在誤導信息 None 4. Whisper模型的主要功能是： 語音轉文字 只能處理低品質錄音 僅用於文本分析 僅能識別特定語言 None 5. 關於Transformer模型中的前饋神經網絡(Feed-Forward Network)，下列敘述何者正確？ 是模型的主要瓶頸，限制了整體性能 主要用於處理序列間的依賴關係 在每個子層中獨立應用於每個位置 只在編碼器中使用，不在解碼器中使用 None 6. 關於語言模型的參數量，下列敘述何者正確？ 參數量通常與模型能力呈正相關 參數量越少，模型越準確 參數量對模型性能沒有影響 只有解碼器的參數量影響模型性能 None 7. 文件翻譯功能的關鍵特性是： 只支援特定語言對 可保留原始的版面配置和文件格式 僅能處理特定檔案格式 僅能處理短文本 None 8. 程式碼生成工具如Codex的主要訓練資料是： 僅有特定程式語言的文檔 主要是文學作品 大量的程式碼資料 程式設計教科書 None 9. 關於語言模型的交叉熵損失(Cross-Entropy Loss)，下列敘述何者正確？ 與模型的參數數量成正比 衡量模型預測分佈與實際分佈的差異 只用於圖像處理任務 在強化學習中比監督學習更常用 None 10. 以下哪項不是生成式AI面臨的倫理挑戰？ 生成內容的版權歸屬問題 計算資源的優化 生成內容的偏見和公平性 數據隱私保護 None 11. 關於大型語言模型的參數有效微調(Parameter-Efficient Fine-tuning)，下列敘述何者正確？ 不適用於多任務學習 只調整模型的一小部分參數 需要更多的計算資源 降低了模型的整體性能 None 12. 語言識別功能主要用於？ 提高翻譯質量 生成多語言內容 自動比對並識別音訊中的語言 糾正語法錯誤 None 13. 命名實體識別(Named Entity Recognition)的主要功能是： 在非結構化文本中識別並分類實體如人名、地點、組織等 只用於分類文檔類型 純粹用於改進搜索引擎 僅識別文本中的人名 None 14. 下列哪個不是Transformer模型的關鍵組件？ 注意力機制 解碼器 記憶管理器 編碼器 None 15. 關於結構化文字與非結構化文字的比較，下列敘述何者錯誤？ 結構化文字易於檢索和分析 非結構化文字的主要概念必須通過人工標註才能識別 非結構化文字如電子郵件、社交媒體貼文等難以直接分析 結構化文字具有固定格式和結構 None 16. Transformer架構相較於RNN的主要優勢是： 只適用於特定語言 僅需少量訓練數據 能夠並行處理序列數據並有效捕捉長距離依賴 計算複雜度顯著降低 None 17. 關於語音服務的即時聽錄功能，下列敘述何者錯誤？ 支持多種音訊來源 能即時捕獲並分析音訊流 提供即時文字回饋 只能處理預先錄製的音頻 None 18. 在自然語言處理(NLP)中，大型語言模型(LLM)的主要應用不包括？ 情感分析 圖像分類 文本生成 語義理解 None 19. 批量聽錄處理相比即時聽錄的優勢是： 可處理大量音訊檔而不占用前端資源 準確度一定更高 需要使用特殊的錄音設備 僅支援特定格式的音訊 None 20. 關於Transformer模型的運作步驟，下列敘述何者錯誤？ 解碼器不依賴編碼器的輸出工作 文字序列會細分成標記 編碼器的輸出是向量集合 模型通過大量自然語言文字進行訓練 None 如有問題可留言，謝謝您的寶貴意見！ 暱稱 電郵（提交獲得正確答案，可換題測驗完整題庫，新增題庫電郵通知） Time's up
