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？

解析

正確答案：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；

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。

每個選項為什麼對或錯

• 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； 錯誤選項

  效能提升並非線性，且訓練資料不足時會遇到瓶頸（過擬合），此描述不正確。

• 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； 錯誤選項

  參數越多推理速度通常越慢，因為需要更多計算量，並非更快。

• 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； 正解

  更大的參數量能提升表達能力，但需要足夠的訓練資料支持，否則會過擬合。

• D 增加參數量不影響記憶體使用，只會影響計算速度 錯誤選項

  增加參數量會顯著增加記憶體使用量，因為需要儲存更多的權重參數。

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。