在少樣本提示（Few-shot Prompting）僅能提供 1 - 2 個範例的情況下，若遇到領域偏移（Domain Shift），下列何者為模型最可能面臨的核心挑戰？
iPAS 考題解析
在少樣本提示（Few-shot Prompting）僅能提供 1 - 2 個範例的情況下，若遇到領域偏移（Domain Shift），下列何者為模型最可能面臨的核心挑戰？
- A. 範例數量過少，無法涵蓋新領域的多樣性，導致模型泛化不足 ✓ 正確答案
- B. 範例表徵有限，模型容易依賴單一樣本特性而降低適應力
- C. 範例覆蓋不足，使模型難以抽取跨領域的穩定模式
- D. 範例資訊過於稀缺，模型缺乏應對不同輸入情境的能力
詳細解析
當 Few-shot 僅有 1-2 個範例且遇到領域偏移時，最核心的問題是範例數量過少，無法涵蓋新領域的多樣性。模型無法從極少的範例中學習到新領域的特徵分佈，導致泛化能力嚴重不足。
出題年份：114 難度：★★☆