iPAS AI 應用規劃師

iPAS 考題解析

某企業導入大型語言模型(LLM)進行客服自動化,並已透過 Fine-Tuning 學習企業標準問答範例,但在實務運作中仍出現回應策略未符合服務優先順序及語氣與品牌風格不一致的情況,因此技術團隊建議再導入 Reinforcement Fine-tuning(RFT)機制進行優化,其主要目的為何?

初級 生成式AI應用與規劃 難度:中等 ★★☆ 115 年考題

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
No code / Low code 概念
能力指標
No Code / Low Code 的基本概念(L12101)

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「No code / Low code 概念」範疇, 對應的能力指標為「No Code / Low Code 的基本概念」,涵蓋工具本身的基本認知與基礎概念等核心知識點。 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

某企業導入大型語言模型(LLM)進行客服自動化,並已透過 Fine-Tuning 學習企業標準問答範例,但在實務運作中仍出現回應策略未符合服務優先順序及語氣與品牌風格不一致的情況,因此技術團隊建議再導入 Reinforcement Fine-tuning(RFT)機制進行優化,其主要目的為何?

  • A. 擴展模型的知識涵蓋範圍與資料記憶能力
  • B. 透過 reward 訊號調整模型回應策略與行為偏好 ✓ 正確答案
  • C. 提升模型推論速度與降低回應延遲
  • D. 降低 prompt 設計複雜度並取代訓練流程

詳細解析

正確答案:B. 透過 reward 訊號調整模型回應策略與行為偏好

Reinforcement Fine-tuning(RFT)的主要目的是透過 reward 訊號(獎勵信號)來調整模型的回應策略與行為偏好,使其更符合期望的服務優先順序與品牌風格。

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. 擴展模型的知識涵蓋範圍與資料記憶能力 (不正確)

RFT 不是用來擴展知識範圍,而是調整行為偏好。

B. 透過 reward 訊號調整模型回應策略與行為偏好 (正確)

正確:RFT 透過 reward 訊號調整模型的回應策略與行為偏好,使輸出更符合期望。

C. 提升模型推論速度與降低回應延遲 (不正確)

RFT 不是用來提升推論速度或降低延遲。

D. 降低 prompt 設計複雜度並取代訓練流程 (不正確)

RFT 不是取代訓練流程,而是在 Fine-tuning 基礎上進一步優化行為。

本題涉及的 AI 術語

深入理解以下術語,有助於掌握本題背後的核心概念,也能幫助你在遇到相似題目時更快判斷正確答案。

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。

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 115 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。