iPAS 考題解析
某企業計畫應用BERT(Bidirectional Encoder Representations from Transformers)模型分析大量顧客意見,以強化客服自動回覆系統。在BERT的預訓練過程中,「遮罩語言模型(Masked Language Model, MLM)」的主要訓練策略為何?
考試範圍定位
- 考試等級
- 中級能力鑑定
- 考試科目
- AI 技術應用與規劃
- 知識主題
- AI 相關技術應用
- 能力指標
- 自然語言處理技術與應用(L21101)
本題屬於 iPAS AI 應用規劃師中級能力鑑定「AI 技術應用與規劃」科目中的「AI 相關技術應用」範疇, 對應的能力指標為「自然語言處理技術與應用」,涵蓋NLP、文本分類、情感分析、NER、機器翻譯等核心知識點。 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
某企業計畫應用BERT(Bidirectional Encoder Representations from Transformers)模型分析大量顧客意見,以強化客服自動回覆系統。在BERT的預訓練過程中,「遮罩語言模型(Masked Language Model, MLM)」的主要訓練策略為何?
- A. 依序遮罩句尾詞語,讓模型從左到右逐步生成完整句子
- B. 隨機遮罩部分詞語,並讓模型根據雙向上下文(Bidirectional Context)預測被遮罩的詞 ✓ 正確答案
- C. 透過對抗訓練(Adversarial Training)生成語意相似的擾動樣本以提升泛化性
- D. 以未遮罩的詞為條件,使用解碼器(Decoder)結構重建整句內容
詳細解析
正確答案:B. 隨機遮罩部分詞語,並讓模型根據雙向上下文(Bidirectional Context)預測被遮罩的詞
BERT的MLM策略隨機遮罩約15%的詞,讓模型同時利用左右雙向的上下文來預測被遮罩詞,從而學習到深度雙向語言表徵。這與GPT等單向模型的訓練方式本質不同。
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. 依序遮罩句尾詞語,讓模型從左到右逐步生成完整句子 (不正確)
從左到右依序生成屬於自迴歸語言模型(如GPT)的訓練方式,非BERT的MLM。
B. 隨機遮罩部分詞語,並讓模型根據雙向上下文(Bidirectional Context)預測被遮罩的詞 (正確)
BERT MLM的核心即為隨機遮罩並利用雙向上下文預測,正確描述了其訓練策略。
C. 透過對抗訓練(Adversarial Training)生成語意相似的擾動樣本以提升泛化性 (不正確)
對抗訓練是另一種提升魯棒性的方法,並非BERT預訓練的核心策略。
D. 以未遮罩的詞為條件,使用解碼器(Decoder)結構重建整句內容 (不正確)
BERT是純編碼器架構,不使用解碼器結構重建句子。
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。
中等題備考建議
- ▶ 本題屬於中等難度,需要理解概念之間的關聯與應用情境,不能只靠死背定義。
- ▶ 中等難度的題目常考「為什麼」和「怎麼用」,建議整理各技術的優缺點比較表。
- ▶ 練習時注意錯誤選項的陷阱設計,很多時候錯誤選項只有一兩個字的差異,需要仔細辨別。
- ▶ 建議用「費曼學習法」,嘗試向別人解釋這道題的解題思路,能講清楚就代表真正理解了。
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。
某企業即將部署 AI 模型至現有營運系統,進入系統整合測試階段。測試工程師需確認所有模組在實際環境中能正確協同運作。下列哪項驗證最應優先執行?
在訓練模型時,若數據中出現特徵尺度差異極大(例如:年齡為 0–100、收入為 0–1,000,000),容易導致模型偏向特定特徵。為提升模型效能與穩定性,以下哪一種預處理方式最能有效解決此問題?
某線上音樂平台希望根據用戶的聽歌與查詢行為,將用戶劃分為不同的類型。若事前沒有定義用戶類型,下列哪一種模型最適合用於此任務?
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。 本題來自中級考試範圍,需要具備紮實的技術基礎才能正確作答。
開始準備 iPAS 考試
本題來自 114 年 AI 應用規劃師中級考試。 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。