iPAS 考題解析
某金融機構導入檢索增強生成(Retrieval-Augmented Generation, RAG)模型,用於客服文件查詢與自動回覆。由於大型模型運算成本過高,若考慮引入知識蒸餾(Knowledge Distillation, KD)技術,下列何者為帶來的主要效益?
考試範圍定位
- 考試等級
- 初級能力鑑定
- 考試科目
- 生成式 AI 應用與規劃
- 知識主題
- 生成式 AI 應用領域與工具使用
- 能力指標
- 如何善用生成式 AI 工具(L12202)
本題屬於 iPAS AI 應用規劃師初級能力鑑定「生成式 AI 應用與規劃」科目中的「生成式 AI 應用領域與工具使用」範疇, 對應的能力指標為「如何善用生成式 AI 工具」,涵蓋提示工程(提示詞框架、設計與優化)、RAG、AI 工具整合等核心知識點。 考生在準備這個範疇時,需要掌握相關的理論基礎與實務應用。
題目與選項
某金融機構導入檢索增強生成(Retrieval-Augmented Generation, RAG)模型,用於客服文件查詢與自動回覆。由於大型模型運算成本過高,若考慮引入知識蒸餾(Knowledge Distillation, KD)技術,下列何者為帶來的主要效益?
- A. 讓小型模型學習大型模型的知識,在降低運算成本的同時維持檢索與生成品質 ✓ 正確答案
- B. 只能應用於語音或影像辨識,無法提升文字檢索生成效能
- C. 因為 RAG 已有檢索機制,因此無需額外蒸餾知識
- D. 僅能依賴特定 API 供應商才能使用,無法在自建模型中實現
詳細解析
正確答案:A. 讓小型模型學習大型模型的知識,在降低運算成本的同時維持檢索與生成品質
知識蒸餾讓小型模型(學生模型)學習大型模型(教師模型)的知識與行為模式,在大幅降低運算成本與推論延遲的同時,盡可能維持與大型模型相近的檢索與生成品質。這對成本敏感的金融場景特別有價值。
各選項逐一解析
理解每個選項為什麼對或錯,是真正掌握這個知識點的關鍵。以下逐一分析每個選項的含義與判斷依據。
A. 讓小型模型學習大型模型的知識,在降低運算成本的同時維持檢索與生成品質 (正確)
正確:知識蒸餾讓小型模型學習大型模型知識,降低成本同時維持品質。
B. 只能應用於語音或影像辨識,無法提升文字檢索生成效能 (不正確)
知識蒸餾廣泛適用於各種模態,包括文字檢索與生成,不限於語音或影像。
C. 因為 RAG 已有檢索機制,因此無需額外蒸餾知識 (不正確)
RAG 的檢索機制與模型壓縮是不同層面的問題,蒸餾可進一步降低模型本身的運算成本。
D. 僅能依賴特定 API 供應商才能使用,無法在自建模型中實現 (不正確)
知識蒸餾是通用技術,可在自建模型中實現,不依賴特定 API 供應商。
延伸學習
本題尚未連結特定術語,你可以從以下常見主題開始探索相關知識。
中等題備考建議
- ▶ 本題屬於中等難度,需要理解概念之間的關聯與應用情境,不能只靠死背定義。
- ▶ 中等難度的題目常考「為什麼」和「怎麼用」,建議整理各技術的優缺點比較表。
- ▶ 練習時注意錯誤選項的陷阱設計,很多時候錯誤選項只有一兩個字的差異,需要仔細辨別。
- ▶ 建議用「費曼學習法」,嘗試向別人解釋這道題的解題思路,能講清楚就代表真正理解了。
同主題考題練習
以下題目與本題屬於相同的考試範疇,建議一併練習以加強對該主題的掌握程度。
在 AI 應用設計中,Model Context Protocol(MCP)與檢索增強生成(RAG)都能擴展模型的能力,但兩者的核心差異主要為下列何者?
某連鎖零售企業使用生成式 AI 協助規劃門市補貨策略。決策時需同時考慮多項彼此相關的因素,例如:庫存水位、促銷活動、區域銷售差異與物流限制。專案團隊發現,AI 雖能逐步說明推論過程,但對於多條件之間的相互影響掌握不足,導致建議結果偶有偏差。若希望透過提示工程(Prompt Engineering)改善此問題,下列哪一種策略最為適合?
關於 GitHub Copilot,下列敘述何者正確?
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度, 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目, 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目, 要求考生具備更深入的技術知識與實務能力。 本題來自初級考試範圍,適合正在準備初級認證的考生練習。
開始準備 iPAS 考試
本題來自 114 年 AI 應用規劃師初級考試。 想通過 iPAS 認證?從完整題庫練習開始,搭配術語詞典與備考攻略,系統化提升你的 AI 知識。