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 · 考點:生成式AI導入規劃
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?
- 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。
- 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。
- 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。
- 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。
正確答案:B
比較少樣本提示與少樣本微調在資料稀少時的適用性與風險差異。 先分辨方法是否需要更新模型參數,再判斷它帶來的成本與過擬合風險。
用刷8題準備 iPAS AI 應用規劃師初級
每天隨手刷 8 題,答錯的題目會自動排回來再考一次。不用註冊,打開就能開始。
開始刷題同考點的題目
生成式AI導入規劃
- 115 年第二次 科二 第 37 題某外送平台計畫推出語音訂餐功能。當使用者說出:「幫我點一份雞排便當和珍珠奶茶,送到公司」,系統需完成語音理解、意圖判斷、…
- 115 年第一次 科二 第 17 題某企業提供大型語言模型(LLM)API服務,需支援高併發請求與流量波動,同時要求服務不中斷並具備故障容忍能力。若以高可用…
- 115 年第一次 科二 第 28 題某市政府交通局計劃導入生成式AI技術來自動生成公車到站時間預測的文字報告,每日需處理約50萬筆交通資料並生成1000份報…
- 115 年第一次 科二 第 36 題某連鎖零售企業使用生成式AI協助規劃門市補貨策略。決策時需同時考量多項彼此相關的因素,例如:庫存水位、促銷活動、區域銷售…
- 115 年第一次 科二 第 40 題某企業導入大型語言模型(LLM)進行客服自動化,並已透過Fine-Tuning學習企業標準問答範例,但在實務運作中仍出現…