iPAS AI 應用規劃師初級 115 年第二次 科一 第 29 題 詳解

115 年第二次 科一 人工智慧基礎概論

某AI研究團隊採用GRPO（Group Relative Policy Optimization）作為一種基於強化學習的模型優化方法，用於提升大型語言模型的表現。請問GRPO最適合用來強化模型在哪一類任務上的表現？

1. A判斷客服留言的情緒傾向，將每則訊息快速歸類為正面、負面或中性

   情緒分類屬監督式分類，用標註資料訓練即可。

2. B將客服電話錄音即時轉換為文字，供後續人工審閱使用

   語音轉文字是序列轉換任務，與獎勵優化無關。

3. C針對數學應用題或邏輯謎題，逐步推導出正確解答（正確答案）

   數理推理有可驗證答案，適合用獎勵訊號優化推理路徑。

4. D分析商品圖片的外觀特徵，自動辨識類別與品項

   影像辨識屬電腦視覺分類，不需策略優化。