在保持 GPT-OSS 模型架構不變的前提下，如果將模型參數量從 20 億提升至 120 億，並假設有足夠的訓練資料支撐，下列敘述何者最正確？
iPAS 考題解析
在保持 GPT-OSS 模型架構不變的前提下，如果將模型參數量從 20 億提升至 120 億，並假設有足夠的訓練資料支撐，下列敘述何者最正確？
- A. 模型參數增加會線性提升效能，且即使訓練資料不變也不會遇到瓶頸；
- B. 參數越多模型推理越快，因為每層可以並行計算更多參數；
- C. 較大的參數量能提升模型的表達能力與預測效能，但需足夠訓練資料支持； ✓ 正確答案
- D. 增加參數量不影響記憶體使用，只會影響計算速度
詳細解析
根據 Scaling Law，增加模型參數量能提升模型的表達能力和預測效能，但需要有足夠的訓練資料來支撐。如果資料不足，增加參數反而可能導致過擬合。同時，更多參數也會增加記憶體使用和計算成本。
出題年份：114 難度：★★☆