iPAS 考題解析某團隊想採用循環神經網路（Recurrent Neural Network, RNN）建構長期氣候數據的預測模型，以下哪一項敘述最符合使用 RNN 可能會遇到的挑戰？
你的作答
在題目頁作答不會存進學習紀錄，想留下紀錄可以到題庫練習。
解析
正確答案：B. RNN 在長序列訓練中可能出現梯度消失，影響模型效果；
RNN 在處理長序列時容易出現梯度消失（Vanishing Gradient）問題，導致模型難以學習長距離的時間依賴關係。這是 RNN 的已知限制，後續的 LSTM 和 GRU 就是為了解決此問題而設計。
每個選項為什麼對或錯
-
A RNN 無法處理可變長度的序列輸入，因此在實務上限制極大； 錯誤選項
RNN 能夠處理可變長度的序列輸入，這正是它的優勢之一。
-
B RNN 在長序列訓練中可能出現梯度消失，影響模型效果； 正解
RNN 在長序列訓練中確實容易出現梯度消失問題，影響對長期依賴的學習效果。
-
C RNN 無法捕捉時間上的依賴關係，因此預測準確度低； 錯誤選項
RNN 的設計目的就是捕捉時間序列中的依賴關係，但長距離依賴會因梯度消失而受限。
-
D RNN 只能用於分類任務，不能應用於時間序列預測 錯誤選項
RNN 可應用於分類、序列生成、時間序列預測等多種任務，不限於分類。
答案、題目或解析有問題？回報這題