iPAS 考題解析在生成式 AI 的提示工程中，Graph Prompting 在處理複雜關係資料時，為何通常比 Chain-of-Thought（CoT）更有效？

解析

正確答案：D. Graph Prompting 能捕捉非線性結構與上下文關聯，適合處理網絡化資訊

複雜關係資料通常包含非線性的節點與邊關係，形成網絡化結構。Graph Prompting 能直接捕捉這些非線性結構與上下文關聯，而 CoT 的線性推理鏈難以表達這種複雜的網絡關係。

每個選項為什麼對或錯

• A Graph Prompting 幾乎不需要推理，只依靠圖結構即可得出結論 錯誤選項

  Graph Prompting 仍需要推理，圖結構提供的是更豐富的上下文而非取代推理。

• B Graph Prompting 僅需單次提示，即可避免多輪推理的誤差累積 錯誤選項

  Graph Prompting 的優勢不在於減少提示次數，而在於能表達非線性關係。

• C Graph Prompting 的生成速度通常更快，因此效率更高 錯誤選項

  生成速度不是 Graph Prompting 的主要優勢，其核心價值在於結構表達能力。

• D Graph Prompting 能捕捉非線性結構與上下文關聯，適合處理網絡化資訊 正解

  Graph Prompting 能捕捉非線性結構與上下文關聯，特別適合處理網絡化的複雜關係。

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。