iPAS 備考專區 登入

iPAS AI 應用規劃師題庫・中級・L21 AI 技術應用與規劃

iPAS 考題解析Transformer 架構能改善翻譯準確度的主要原因為何?

來源標記:114年第二梯次中級科目一

你的作答

解析

正確答案:A. Self-Attention 機制能捕捉長距離語境依賴

Transformer 的核心是 Self-Attention 機制,它能讓模型在處理每個詞時「看到」整個句子的所有詞,不管距離多遠,因此能捕捉長距離的語意關係。

每個選項為什麼對或錯

  • A Self-Attention 機制能捕捉長距離語境依賴 正解

    Correct: Transformer 的核心是 Self-Attention,它讓模型在處理序列中每個詞時,能同時考慮到序列中所有其他詞的關聯性,無論距離遠近,有效解決了傳統 RNN 處理長距離依賴的困難,大幅提升翻譯準確度。

  • B 使用卷積運算加速處理 錯誤選項

    Incorrect: Transformer 架構的創新之處在於它完全放棄了卷積(Convolutional)和循環(Recurrent)網路,而是純粹依賴注意力機制來處理序列資料。

  • C 採用強化學習進行翻譯優化 錯誤選項

    Incorrect: Transformer 模型主要透過監督式學習(Supervised Learning)進行訓練,利用大量的平行語料來學習翻譯。強化學習在某些進階應用中可能輔助,但不是其架構本身改善翻譯準確度的主要原因。

  • D 透過資料增強提升翻譯品質 錯誤選項

    Incorrect: 資料增強(Data Augmentation)是一種通用的資料處理技術,可以幫助提升許多模型的性能,但它不是 Transformer 架構本身特有的優勢或改善翻譯準確度的主要原因。

答案、題目或解析有問題?回報這題

題目 © 經濟部產業發展署,AITerms.tw 僅作教學解析使用,本站解析以 CC BY-NC-SA 4.0 授權。