iPAS 考題解析
在生成式AI的提示工程中，Graph Prompting在處理複雜關係資料時，為何通常比Chain-of-Thought（CoT）更有效？
初級 生成式AI應用與規劃
難度：進階 ★★★
考試範圍定位
- 考試等級
- 初級能力鑑定
- 考試科目
- 生成式 AI 應用與規劃
- 知識主題
- 生成式 AI 應用領域與工具使用
- 能力指標
- 如何善用生成式 AI 工具（L12202）
本題屬於 iPAS AI 應用規劃師初級能力鑑定「生成式 AI 應用與規劃」科目中的「生成式 AI 應用領域與工具使用」範疇， 對應的能力指標為「如何善用生成式 AI 工具」，涵蓋提示工程（提示詞框架、設計與優化）、RAG、AI 工具整合等核心知識點。 考生在準備這個範疇時，需要掌握相關的理論基礎與實務應用。
題目與選項
在生成式AI的提示工程中，Graph Prompting在處理複雜關係資料時，為何通常比Chain-of-Thought（CoT）更有效？
- A. Graph Prompting幾乎不需要推理，只依靠圖結構即可得出結論；
- B. Graph Prompting僅需單次提示，即可避免多輪推理的誤差累積；
- C. Graph Prompting的生成速度通常更快，因此效率更高；
- D. Graph Prompting能捕捉非線性結構與上下文關聯，適合處理網絡化資訊 ✓ 正確答案
詳細解析
正確答案：D. Graph Prompting能捕捉非線性結構與上下文關聯，適合處理網絡化資訊
Graph Prompting 能捕捉非線性結構與上下文關聯，適合處理複雜的網絡化關係資料。
各選項逐一解析
理解每個選項為什麼對或錯，是真正掌握這個知識點的關鍵。以下逐一分析每個選項的含義與判斷依據。
A. Graph Prompting幾乎不需要推理，只依靠圖結構即可得出結論； （不正確）
Graph Prompting 仍需要推理，只是推理方式基於圖結構的非線性關聯
B. Graph Prompting僅需單次提示，即可避免多輪推理的誤差累積； （不正確）
Graph Prompting 的優勢不在於減少推理輪數，而在於能表達非線性關係
C. Graph Prompting的生成速度通常更快，因此效率更高； （不正確）
生成速度不是 Graph Prompting 的主要優勢，其核心是結構化表達複雜關聯
延伸學習
本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。
進階題備考建議
- ▶ 本題屬於進階難度，涉及技術原理的深入理解或跨領域整合應用，需要紮實的基礎。
- ▶ 進階題通常需要你綜合多個知識點才能判斷，建議建立知識圖譜，把相關概念串聯起來。
- ▶ 如果這題答錯了，建議回頭複習相關的基礎概念，確保每一層知識都沒有漏洞。
- ▶ 中級考試的進階題佔比較高，建議先把初級範圍的基礎打穩，再挑戰中級進階題。
同主題考題練習
以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。
能使用 DALL-E-2 生成各式逼真的圖片，最關鍵的應用技術為何？
初級 生成式AI應用與規劃 難度 ★★☆ 114 年
在 AI 應用設計中，Model Context Protocol（MCP）與檢索增強生成（RAG）都能擴展模型的能力，但兩者的核心差異主要為下列何者？
初級 生成式AI應用與規劃 難度 ★★☆ 114 年
某金融機構導入檢索增強生成（Retrieval-Augmented Generation, RAG）模型，用於客服文件查詢與自動回覆。由於大型模型運算成本過高，若考慮引入知識蒸餾（Knowledge Distillation, KD）技術，下列何者為帶來的主要效益？
初級 生成式AI應用與規劃 難度 ★★☆ 114 年
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度， 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目， 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目， 要求考生具備更深入的技術知識與實務能力。 本題來自初級考試範圍，適合正在準備初級認證的考生練習。
開始準備 iPAS 考試
本題來自 iPAS AI 應用規劃師初級考試。 想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。