iPAS 考題解析在大型 Transformer 模型的效能優化過程中，常見的方法之一是「剪枝（Pruning）」。下列哪一項最符合該方法的核心概念？

解析

正確答案：B. 移除模型中影響較小或冗餘的部分權重參數，以減少模型大小並提升推理效率；

剪枝（Pruning）的核心概念是識別並移除模型中對輸出影響最小的權重或神經元，從而減少模型大小和計算量，同時盡量保持模型效能。這是模型壓縮的重要技術之一。

每個選項為什麼對或錯

• A 將模型中所有權重按比例縮小，使其值更接近零，以降低計算量； 錯誤選項

  按比例縮小所有權重是量化（Quantization）或權重衰減的概念，不是剪枝。

• B 移除模型中影響較小或冗餘的部分權重參數，以減少模型大小並提升推理效率； 正解

  移除影響較小的權重參數以減少模型大小和提升效率，正是剪枝的核心概念。

• C 在訓練時僅更新部分權重而將其他權重凍結，從而減少需要調整的參數數量； 錯誤選項

  凍結部分權重僅更新其他權重是微調策略（如 LoRA），不是剪枝。

• D 根據注意力分數動態跳過處理部分輸入 Token，以減少每次前向傳播的計算 錯誤選項

  動態跳過部分 Token 是稀疏注意力或提前退出機制的概念，不是剪枝。

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。