iPAS 考題解析某企業使用生成式 AI 進行文字分類，初期僅根據既有業務資料設計少量樣本提示（Few-shot Prompting）。當模型應用至新市場資料時，團隊發現分類結果明顯不穩定，且原先提供的範例並未涵蓋新市場常見的表達方式。依此情境判斷，下列何者最可能為主要原因？

解析

正確答案：B. 少量範例難以涵蓋新情境的資料差異

Few-shot Prompting 依賴少量範例引導模型，當應用場景擴展到新市場時，原有範例無法涵蓋新的資料特徵與表達方式，導致分類不穩定。

每個選項為什麼對或錯

• A 模型容易對單一範例產生過度記憶 錯誤選項

  Few-shot 不太會導致對單一範例的過度記憶，模型不會記住範例本身。

• B 少量範例難以涵蓋新情境的資料差異 正解

  少量範例的代表性有限，難以涵蓋新市場的多樣表達方式，是分類不穩定的主因。

• C Prompt 設計無法引導模型擷取共通特徵 錯誤選項

  Prompt 設計可能有改善空間，但題目指出問題在於範例未涵蓋新表達方式，屬於範例不足。

• D 模型推理能力不足以完成分類任務 錯誤選項

  大型語言模型的推理能力通常足以完成分類任務，問題在於範例覆蓋不足。

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。