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？
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？
- A. 改用生成對抗網路（GAN）生成新樣本並混入訓練集
- B. 改用邏輯迴歸模型（Logistic Regression）以提升穩定性
- C. 增加模型容量（Model Capacity），以學習更多樣本差異
- 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 ✓ 正確答案
詳細解析
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。
出題年份：114 難度：★★☆