iPAS 考題解析某 NLP 模型在英文資料上的 Recall 為 0.92，遷移到繁體中文後 Recall 降至 0.61，原因最可能是？

解析

正確答案：C. 跨語言特徵分佈差異（Domain Shift）導致模型無法泛化到目標語言

跨語言遷移時，源語言（英文）和目標語言（繁體中文）的特徵分佈存在顯著差異（Domain Shift），包括語法結構、詞彙語義、書寫方向等，導致在英文上訓練的模型無法直接泛化到中文，需要進行跨語言適應（如使用多語言預訓練模型 mBERT 或進行領域適應訓練）。

每個選項為什麼對或錯

• A 中文的字符集過大，模型無法正確 tokenize 錯誤選項

  現代 tokenizer 能處理大字符集，不是主要問題。

• B 模型在英文訓練時學到的句法結構與中文完全不相容 錯誤選項

  句法不兼容是其中一個原因，但更準確的說法是特徵分佈差異。

• C 跨語言特徵分佈差異（Domain Shift）導致模型無法泛化到目標語言 正解

  跨語言特徵分佈差異（Domain Shift）是主要原因，此為正確描述。

• D 繁體中文資料的 TF-IDF 值計算方式不同 錯誤選項

  TF-IDF 計算方式不影響 Recall 的降低。

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。