AI 相關技術應用：120 題線上練習
「AI 相關技術應用」是 iPAS AI 應用規劃師中級「AI 技術應用與規劃」科目下的知識主題（代號 L211）。本頁收錄 120 題免費練習題，依能力指標分組，附逐題解析。
「AI 相關技術應用」是 iPAS AI 應用規劃師中級「AI 技術應用與規劃」科目下的知識主題（代號 L211）。本頁收錄 120 題免費練習題，依能力指標分組，附逐題解析。
考試範圍定位
- 考試等級
- iPAS AI 應用規劃師中級能力鑑定
- 考試科目
- AI 技術應用與規劃（L21）
- 知識主題
- AI 相關技術應用（L211）
練習題列表（共 120 題）
點任一題可查看完整題目、選項與逐題解析。題目依難度由基礎到進階排序。
自然語言處理技術與應用（97 題）→
某電商企業希望利用自然語言處理（NLP）技術，分析顧客在社群平台與商品評論中的文字內容，以即時掌握顧客對產品的滿意度變化。若採用情感分析（Sentiment Analysis）模型，其主要目的為何？
某跨國金融科技公司導入Transformer架構開發多語客服系統，以提升長篇金融文件的自動翻譯品質。下列何者為該模型能顯著改善翻譯準確度的主要原因？
某企業計畫應用BERT（Bidirectional Encoder Representations from Transformers）模型分析大量顧客意見，以強化客服自動回覆系統。在BERT的預訓練過程中，「遮罩語言模型（Masked Language Model, MLM）」的主要訓練策略為何？
在詞向量（Word Embedding）訓練方法中，GloVe（Global Vectors for Word Representation）與Word2Vec的主要差異為何？
某企業以詞頻-逆文件頻率（Term Frequency-Inverse Document Frequency, TF-IDF）方法分析顧客意見內容，但發現模型在處理篇幅較長的回饋文本時，無法準確反映關鍵詞的重要性。下列何者為造成此現象的主要原因？
某企業嘗試以N-gram語言模型（N-gram Language Model）建立客服自動回覆系統，但發現模型生成的句子雖在片段上合理，卻缺乏整體語意連貫性。此問題最可能源自N-gram模型的哪一項限制？
關於Softmax與Max-Pooling，下列敘述何者正確？
某企業在訓練生成式AI模型時，導入資料增強（Data Augmentation）技術以擴充訓練資料，但觀察到模型效能反而下降。下列哪一項最可能的原因與對應改善策略最為正確？
如果希望同時兼顧「精確率（Precision）」和「召回率（Recall）」，下列哪一個指標可以作為綜合評估的標準？
企業資料分析團隊使用DBSCAN（Density-Based Spatial Clustering of Applications with Noise）演算法進行顧客行為分群，並希望模型能自動區分主要群集與雜訊資料。在此演算法中，決定聚類結果的兩個主要超參數為下列何者？
某金融科技公司建立房價預測模型，使用多項特徵（如建坪、房齡、樓層、總價等）進行線性迴歸分析（Linear Regression Analysis）。資料分析師發現多個特徵之間存在高度相關性，導致模型係數不穩定、預測誤差上升。為解決此問題，下列哪一種方法最適合？
在調整模型超參數（Hyperparameters）時，若希望避免因過度調整參數而導致過擬合，下列哪一種做法最有效提升模型的泛化能力？
下列哪一種情境中最適合使用「序列到序列（Seq2Seq）」模型？
在自然語言處理中，檢索增強生成（Retrieval-Augmented Generation, RAG）是一種結合語言模型與向量搜尋的技術，可有效減少模型知識過時與產生幻覺的問題。若要建立一套高效能的RAG系統，下列何者為在「檢索階段」最關鍵的挑戰？
當Transformer模型發生「注意力分佈過於平均（Attention Collapse）」的情形時，導致模型無法有效聚焦於關鍵資訊，下列哪一項策略可有效改善此問題？
某研究團隊正在訓練一個針對低資源語言（如少數民族語言）的語言模型，但該語言僅有約1萬筆語料可用。在訓練過程中出現明顯的過擬合現象，若希望在不新增真實語料的前提下提升模型的泛化能力，採用下列哪一種方法最為適合？
某大型醫院即將部署一套輔助診斷的AI系統，為降低對臨床流程的衝擊，同時確保風險可控與回饋可收斂，應採取何種「漸進式部署（Phased Rollout）」策略最為合適？
某金融機構的AI風控系統遭受對抗性攻擊，駭客透過對輸入特徵進行微小但惡意的擾動，成功欺騙了模型。為了從根本上解決模型自身對這類攻擊的脆弱性，下列何者並非針對此種攻擊類型的技術手段？
某企業部署生成式AI系統協助行銷與內容產出，但近期遭質疑部分生成內容可能涉及著作權侵權。為降低企業在法律層面的潛在責任與風險，下列哪一項策略最能有效預防侵權問題產生？
在房價預測任務中，若發現特徵如「房間數」與「坪數」存在高度多重共線性（Multicollinearity），為降低共線性對模型參數估計的負面影響，應優先選擇下列哪種模型？
某企業需分析半結構化的系統日誌（JSON格式），以提取關鍵的時序特徵供故障預測模型使用。考量日誌結構複雜且包含巢狀欄位（Nested Fields），下列哪一種策略最有效且實務可行？
某AI開發團隊為提升模型開發效率及品質控制，計畫實施持續整合（Continuous Integration, CI）流程。下列哪一項做法最符合CI的核心實踐，且能有效減少整合風險？
某銀行計劃將AI詐欺偵測模組整合至核心交易系統，主管機關要求全流程必須符合金融監管對「不可否認性（Non-repudiation）」的資訊安全規範，以確保日後能進行法務追蹤與稽核。下列哪一項措施最能確保此要求的落實？
某AI服務系統每次推論請求需約1秒完成，且必須支援高達10,000次請求每秒（RPS）的流量。為確保系統具備高可用性且能穩定應付流量峰值，下列哪一種架構方案最為合適？
某企業已將AI模型部署於生產環境，為確保系統持續穩定運作，並能提前偵測模型效能可能衰退，技術團隊希望透過監控指標進行預警。下列哪一項監控指標最具預測效力，能提早發現模型效能下滑風險？
企業團隊在使用Word2Vec模型訓練客服文本語料時，若訓練資料量龐大且希望模型能更有效捕捉罕見詞的語意關聯，下列哪一種訓練策略最為適合？
某資料科學團隊在開發預測模型時，針對多種模型設定（如學習率、樹深度、正則化係數等）進行系統化測試，希望找出在驗證資料上表現最穩定的組合。此過程最可能採用下列哪一種方法？
某公司正在訓練一個大型語音合成模型，開發團隊使用多台GPU進行訓練，但經常出現GPU記憶體不足問題。由於模型架構已固定且無法更換硬體，團隊希望在維持模型效能與收斂品質的前提下，下列哪一種方法最有效降低單張GPU的記憶體壓力？
某企業的資料科學團隊利用ARIMA模型（AutoRegressive Integrated Moving Average Model）預測每週產品銷售量。模型建立完成後，分析人員發現預測誤差隨時間呈現週期性波動，且自相關函數（ACF）顯示殘差在多個時間滯（Lag）上仍顯著不為零。根據上述現象，最合理的模型診斷結論為何？
在進行超參數調校（Hyperparameter Tuning）時，若直接在K-Fold交叉驗證（Cross-Validation）的資料上同時調整模型參數並評估效能，最可能導致下列哪一種問題？
若部署一個深度學習模型至金融風控系統，該模型採用鑑別式架構（如Transformer Classifier）。然而上線後，模型對新樣本的分類錯誤率顯著上升，經檢查發現，輸入資料分佈已與原訓練集明顯不同。針對此情形，下列哪一種應對策略最為適合？
某金融科技公司欲導入AI模型協助客服郵件自動分類（投訴、詢問、表揚）。團隊同時考慮兩種模型設計：方案A（生成式路徑）：採用VAE建構潛在語意空間，再結合下游分類器進行標籤預測；方案B（鑑別式路徑）：採用BERT Classifier直接根據輸入文本進行監督式分類。現有標註資料約2,000筆，資料分佈均勻但擴充成本高。若團隊希望公平比較兩種模型的資料利用效率與泛化能力，下列哪一種實驗設計最能突顯兩者的本質差異？
某電信公司希望建立一個模型來預測顧客是否即將流失，並進一步模擬不同促銷或服務策略下顧客的行為變化，以生成多樣化的虛擬樣本資料進行A/B測試與行銷策略評估。若要同時兼顧預測與資料生成的需求，最適合採用下列哪一種方法？
某金融科技公司導入多任務學習架構，讓單一Transformer模型同時執行OCR（Optical Character Recognition）後的文檔分類以及命名實體辨識（Named Entity Recognition, NER）任務，以協助自動歸檔與抽取關鍵金融資訊。在部署初期，團隊發現當模型的NER準確率（Accuracy）提升時，文檔分類準確率反而下降。若模型架構正確且資料品質良好，下列哪一項最可能是造成此現象的原因？
某數據工程師使用DBSCAN演算法對一份數百萬筆的高維顧客資料進行聚類分析，但發現程式執行速度極慢，甚至出現記憶體不足的情況。若要在不改變演算法核心邏輯的前提下，最有效提升其運算效率的作法為何？
某電商平台導入AI情感分析模型，用以自動偵測顧客評論中的負面情緒並觸發客服機制。然而，上線後發現模型在面對不同語言或族群書寫風格的評論時表現不一致，例如部分語氣強烈的正面評論被判斷為負面，而禮貌但含批評意圖的評論卻被判為中性。若從技術與資料治理的角度分析，下列哪一項描述不正確？
下列何者並未使用人工智慧（AI）或機器學習（ML）技術？
在文本資料處理過程中，通常會需要「將接續的文本轉換為詞彙單位」，以便後續的處理。請問上述所指的是文本資料處理中的哪一個方法？
下列何者為自然語言處理（NLP）在機器學習應用中的主要用途？
關於深度學習模型，下列敘述何者不正確？
下列何者為機器學習模型在業界部署的主要趨勢？
下列何者「最適合」使用迴歸（Regression）模型進行預測？
供應鏈攻擊（Supply Chain Attacks）如何影響企業內部 AI 系統安全？
下列何者為自然語言處理（NLP）中的詞嵌入技術，能將文字轉換為向量以利機器學習處理？
某線上音樂平台希望根據用戶的聽歌與查詢行為，將用戶劃分為不同的類型。若事前沒有定義用戶類型，下列哪一種模型最適合用於此任務？
在訓練模型時，若數據中出現特徵尺度差異極大（例如：年齡為 0–100、收入為 0–1,000,000），容易導致模型偏向特定特徵。為提升模型效能與穩定性，以下哪一種預處理方式最能有效解決此問題？
某企業即將部署 AI 模型至現有營運系統，進入系統整合測試階段。測試工程師需確認所有模組在實際環境中能正確協同運作。下列哪項驗證最應優先執行？
情感分析(Sentiment Analysis)的主要目的為何？
Transformer 架構能改善翻譯準確度的主要原因為何？
BERT 的 MLM (Masked Language Model) 訓練策略為何？
GloVe 與 Word2Vec 的主要差異為何？
TF-IDF 在處理長文本時的主要問題為何？
N-gram 語言模型缺乏整體語意連貫性的主要限制為何？
Softmax 與 Max-Pooling 的差異為何？
資料增強(Data Augmentation)導致模型效能下降的可能原因為何？
同時兼顧 Precision 和 Recall 的指標為何？
DBSCAN 的兩個主要超參數為何？
多個特徵高度相關導致迴歸係數不穩定，應如何處理？
避免超參數過度調整的最佳實踐為何？
Seq2Seq 模型最適合的任務為何？
RAG (Retrieval-Augmented Generation) 在檢索階段面臨的最關鍵挑戰為何？
Attention Collapse（注意力坍縮）的改善方法為何？
低資源語言模型出現過擬合，但不能新增語料，應如何改善？
醫院 AI 系統的漸進式部署策略為何？
對抗性攻擊(Adversarial Attack)的根本防禦方式為何？
多重共線性問題，哪種方法最能降低其影響？
半結構化 JSON 日誌的特徵擷取最佳方法為何？
CI (持續整合) 的核心實踐為何？
不可否認性(Non-repudiation)的主要實現方式為何？
下列何者並未使用 AI/ML 技術？
將連續文本轉換為詞彙單位的方法稱為？
NLP 在機器學習應用中的主要用途為何？
關於深度學習模型，下列何者不正確？
ML 模型在業界部署的主要趨勢為何？
最適合使用迴歸模型的場景為何？
哪種模型壓縮技術能減少記憶體使用？
供應鏈攻擊如何影響 AI 系統？
下列何者屬於 NLP 的詞嵌入技術？
早期融合(Early Fusion)的主要特徵為何？
無預定義使用者類型的客戶分群，應使用什麼演算法？
特徵尺度差異極大時，最適合的預處理方法為何？
系統整合測試時最應優先驗證什麼？
需要承受 10,000 RPS 的 AI 服務應採用什麼架構？
模型上線後效能下滑，最適合用來監控的指標為何？
Word2Vec 在大語料庫中捕捉罕見詞的最佳方法為何？
像素級類別標注同時區分同類不同個體的任務稱為？
系統化搜尋超參數的方法為何？
降低單張 GPU 記憶體壓力的方法為何？
ARIMA 模型殘差出現週期性波動且 ACF 不為零，代表什麼？
在 K-Fold 交叉驗證上同時進行超參數調整和模型評估，會產生什麼問題？
模型上線後資料分布與訓練時不同，應如何應對？
比較 VAE (生成式) 和 BERT (鑑別式) 路徑時，最佳的實驗設計為何？
需要同時進行預測和資料生成（用於 A/B 測試）的模型為何？
PCA 將 1024 維降至 100 維再用 SVM 分類，最正確的描述為何？
多任務學習中 NER 表現提升但文檔分類表現下降，最可能的原因為何？
DBSCAN 處理大規模資料時提升效率的方法為何？
AI 情感分析在跨語言和跨族群場景中，嵌入正規化的影響為何？
電腦視覺技術與應用（8 題）→
在企業導入的智慧監控系統中，模型以物件偵測（Object Detection）方式自動辨識影像中的人物與車輛。若評估指標採用平均精確率（Mean Average Precision, mAP），其中IoU（Intersection over Union）閾值設定較高時，代表下列哪一項意義？
在自駕車影像辨識系統中，開發團隊希望模型能同時辨識每個像素所屬的物件類別（例如道路、建築、行人），又能區分出同類物件的不同個體（例如多位行人）。此時最適合採用下列哪一項電腦視覺技術？
某媒體公司計畫導入CLIP（Contrastive Language-Image Pre-training）模型，以協助大量影像自動標註與搜尋，並希望在無需新增標訓資料的情況下，僅透過文字提示（Text Prompt）即可識別影像內容。請問此應用情境中，CLIP能夠達成的關鍵技術特性為何？
進行影像分類任務時，研究團隊嘗試利用主成份分析（Principal Component Analysis, PCA）將輸入特徵從1024維降至100維，並將降維後的資料輸入支持向量機（Support Vector Machine, SVM）模型進行訓練。關於此作法，下列哪一項描述最為合理？
附圖中，展示了電腦視覺辨識的幾項技術。請問下列選項中，何者正確配對了圖中（a）、（b）、（c）、（d）所代表的技術名稱？圖中(a)=帶有分類標籤的羊群照片；(b)=按顏色區分物種的語義分割圖；(c)=用框標記物件的物件偵測圖；(d)=每隻動物輪廓各自獨立的實例分割圖
IoU (Intersection over Union) 閾值設定較高代表什麼？
電腦視覺技術配對中，哪個描述正確？(a)圖像分類 (b)語義分割 (c)物件偵測 (d)實例分割
CLIP 能進行零樣本分類的關鍵特性為何？
生成式 AI 技術與應用（9 題）→
在使用生成對抗網路（GAN）進行人臉影像生成時，若出現「模式崩潰（Mode Collapse）」現象，下列哪一種方法最常被用來有效解決此問題？
某影像設計團隊在使用Stable Diffusion生成4K級產品圖時，發現影像邊緣與細節存在顆粒化與模糊現象。若僅能在生成階段進行調整，希望提升畫面清晰度與紋理層次，同時避免過度平滑，下列哪一項作法最適合？
下列哪一項最正確地描述了VAE（Variational Autoencoder）、GAN（Generative Adversarial Network）與擴散模型（Diffusion Model）在多模態潛在空間對齊（Latent Alignment）與生成策略上的根本差異？
企業在生成式 AI 導入中，可選擇下列哪一種模型壓縮（Model Compression）技術以減少記憶體使用？
GAN 的 Mode Collapse 問題可用什麼方法解決？
生成式 AI 著作權侵權的最佳防範措施為何？
Stable Diffusion 生成 4K 高清細節圖片的方法為何？
VAE、GAN、Diffusion Model 在多模態潛在空間對齊上的差異為何？
生成式 AI 在圖片中品牌顏色或手部呈現不自然的主要原因為何？
多模態人工智慧應用（6 題）→
在多模態AI模型訓練或推論過程中，遇到某一模態資料缺失（例如僅有影像資料但缺少文本說明），下列哪一種策略最有效維持模型效能？
某設計師使用公司內部建置的生成式AI工具製作行銷素材，並輸入提示語（Prompt）：「請生成一張模特兒手持品牌飲料、背景為海邊夕陽的照片」。系統能正確生成主要主題與場景，但輸出的圖像中，品牌標誌顏色常有誤差，或人物手部姿勢顯得不自然。若從多模態生成模型的技術機制分析，此現象最可能是下列哪一項原因所造成？
在多模態學習中，早期融合（Early Fusion）方法的主要特徵為何？
下列哪項技術最有助於強化醫療多模態 AI 系統在處理影像與文本數據時的整合能力？
多模態學習中，某模態資料缺失（例如只有影像沒有文本），應如何處理？
強化醫療多模態 AI 整合影像與文本的最佳架構為何？
本考點的相關 AI 術語
先掌握以下術語的定義與應用情境，再回來刷題，正確率會明顯提升。
下一步
練完本考點的題目後，回到 題庫總覽 查看其他科目的題數分布， 或直接進行 完整模擬考 驗證實力。 還不確定弱點在哪，先做 診斷測驗； 想了解歷年出題趨勢與高頻考點，參考 考古題與模擬測驗總整理。