某企業在訓練生成式AI模型時，導入資料增強（Data Augmentation）技術以擴充訓練資料，但觀察到模型效能反而下降。下列哪一項最可能的原因與對應改善策略最為正確？
iPAS 考題解析
某企業在訓練生成式AI模型時，導入資料增強（Data Augmentation）技術以擴充訓練資料，但觀察到模型效能反而下降。下列哪一項最可能的原因與對應改善策略最為正確？
- A. 增強樣本未經隨機初始化，導致模型梯度更新不穩定，應重新設計訓練啟動流程
- B. 增強後資料的特徵分佈與原始資料不一致，影響模型的泛化能力，應檢查並調整增強策略以維持語意一致性 ✓ 正確答案
- C. 增強樣本的比例過高，造成模型對特定資料產生偏好，應適度提高增強比例並調整學習率
- D. 增強後資料的標註可信度下降，導致訓練訊號偏差，應以半監督學習方式重新校正資料
詳細解析
若資料增強策略（如文本替換或影像變換）改變了樣本的語意或特徵分佈，增強後的資料可能引入噪聲或誤導性模式，使模型學習到錯誤的特徵，反而降低效能。解決方案是確保增強後的樣本仍保持語意一致性。
出題年份：114 難度：★★☆