iPAS AI 應用規劃師初級 115 年第二次 科二 第 34 題 詳解

115 年第二次 科二 生成式 AI 應用與規劃

某新創公司正在開發一套AI客服系統，由於產品剛上線，目前僅能蒐集到少量的標準問答範例。技術團隊希望在資料有限的情況下，仍能有效提升模型回應品質，並評估不同方法對開發成本與彈性的影響。請問下列對少樣本提示（Few-shot Prompting）與少樣本微調（Few-shot Fine-tuning）兩種方法的比較，何者最為正確？

1. A樣本數量極少時只能採用少樣本提示（Few-shot Prompting），少樣本微調（Few-shot Fine-tuning）在此情況下必然發生過擬合而無法使用

   樣本極少仍可微調，過擬合是風險而非必然。

2. B少樣本微調（Few-shot Fine-tuning）需留意過擬合風險；少樣本提示無需額外訓練即可提升部分表現（正確答案）

   正確，點出微調的過擬合風險與提示免訓練的特性。

3. C兩者本質相同，差異僅在於例子提供的時機

   一者改參數、一者只改輸入，本質不同。

4. D採用夠強大的預訓練模型後，兩種方法皆已無實質效益，不需額外考量

   再強的預訓練模型仍需提示或調適對齊任務。