iPAS 考題解析若部署一個深度學習模型至金融風控系統，該模型採用鑑別式架構（如Transformer Classifier）。然而上線後，模型對新樣本的分類錯誤率顯著上升，經檢查發現，輸入資料分佈已與原訓練集明顯不同。針對此情形，下列哪一種應對策略最為適合？

解析

正確答案：D. 使用變分自編碼器（VAE）監控潛在空間分佈，偵測輸入資料偏移

VAE可以學習訓練資料的潛在分佈，在推論時將新輸入映射到潛在空間後，透過重建誤差或潛在變數統計特性偵測輸入分佈的偏移，作為資料漂移的監控工具，幫助提前預警。

每個選項為什麼對或錯

• A 改用生成對抗網路（GAN）生成新樣本並混入訓練集 錯誤選項

  GAN生成樣本可補充訓練資料，但無法主動偵測上線後的資料分佈偏移。

• B 改用邏輯迴歸模型（Logistic Regression）以提升穩定性 錯誤選項

  改用邏輯迴歸不能解決資料漂移問題，且通常效能更差。

• C 增加模型容量（Model Capacity），以學習更多樣本差異 錯誤選項

  增加模型容量可能加劇在偏移資料上的過擬合，不是正確策略。

• D 使用變分自編碼器（VAE）監控潛在空間分佈，偵測輸入資料偏移 正解

  VAE可作為分佈偵測工具，透過潛在空間分析識別輸入資料是否偏離訓練分佈。

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。