某電商平台導入AI情感分析模型，用以自動偵測顧客評論中的負面情緒並觸發客服機制。然而，上線後發現模型在面對不同語言或族群書寫風格的評論時表現不一致，例如部分語氣強烈的正面評論被判斷為負面，而禮貌但含批評意圖的評論卻被判為中性。若從技術與資料治理的角度分析，下列哪一項描述不正確？
iPAS 考題解析
某電商平台導入AI情感分析模型，用以自動偵測顧客評論中的負面情緒並觸發客服機制。然而，上線後發現模型在面對不同語言或族群書寫風格的評論時表現不一致，例如部分語氣強烈的正面評論被判斷為負面，而禮貌但含批評意圖的評論卻被判為中性。若從技術與資料治理的角度分析，下列哪一項描述不正確？
- A. 模型未啟用詞嵌入正規化（Embedding Normalization）可能造成語意距離不穩定，導致預測誤差 ✓ 正確答案
- B. 訓練語料若偏向特定文化或語氣特徵，可能使模型產生內隱偏誤（Implicit Bias）
- C. 模型若訓練資料來源不平衡，容易導致對不同語言或族群風格的情緒判斷不準確
- D. Transformer架構能捕捉上下文語意，但若訓練資料偏差仍存在，模型仍可能學習到偏誤判斷
詳細解析
詞嵌入正規化是數值穩定性的技術處理，與模型對不同文化語氣風格的偏誤表現沒有直接因果關係。題目描述的問題源自訓練資料的文化與語氣偏差，而非詞嵌入是否正規化。
出題年份：114 難度：★★☆