iPAS 考題解析
在少樣本提示（Few-shot Prompting）僅能提供1-2個範例的情況下，若遇到領域偏移（Domain Shift），下列何者為模型最可能面臨的核心挑戰？
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
在少樣本提示（Few-shot Prompting）僅能提供1-2個範例的情況下，若遇到領域偏移（Domain Shift），下列何者為模型最可能面臨的核心挑戰？
- A. 範例數量過少，無法涵蓋新領域的多樣性，導致模型泛化不足； ✓ 正確答案
- B. 範例表徵有限，模型容易依賴單一樣本特性而降低適應力；
- C. 範例覆蓋不足，使模型難以抽取跨領域的穩定模式；
- D. 範例資訊過於稀缺，模型缺乏應對不同輸入情境的能力
詳細解析
正確答案：A. 範例數量過少，無法涵蓋新領域的多樣性，導致模型泛化不足；
Few-shot 範例太少時遇到 Domain Shift，核心挑戰是範例無法涵蓋新領域的多樣性，導致泛化不足。
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. 範例數量過少，無法涵蓋新領域的多樣性，導致模型泛化不足； （正確）
在 Few-shot 提示下，範例數量本就稀少，當遇到領域偏移時，這些有限的範例無法涵蓋新領域的廣泛多樣性，導致模型泛化能力嚴重不足，這是核心挑戰。
B. 範例表徵有限，模型容易依賴單一樣本特性而降低適應力； （不正確）
依賴單一樣本特性是 One-Shot 的侷限，此題強調的是 Few-shot 範例數量無法涵蓋新領域的多樣性，導致泛化不足，而非單一樣本。
C. 範例覆蓋不足，使模型難以抽取跨領域的穩定模式； （不正確）
抽取跨領域穩定模式描述的是遷移學習的挑戰，雖然相關，但 Few-shot 的核心問題更直接地在於範例太少，無法代表新領域的多樣性。
D. 範例資訊過於稀缺，模型缺乏應對不同輸入情境的能力 （不正確）
範例資訊稀缺導致模型缺乏應對不同輸入情境的能力，這與 A 選項的「無法涵蓋新領域的多樣性」意思相近，但 A 更精確點出「泛化不足」這個核心問題。
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。