涵蓋 Transformer、LLM、注意力機制等核心 AI 術語的基礎模擬測驗，共 10 題。
AI 基礎概念模擬測驗
共 10 題 時間限制 20 分鐘 及格分數 70 分
題目預覽
Transformer 架構的核心運算機制為何？
- A. 卷積運算（Convolution）
- B. 自注意力機制（Self-Attention） ✓ 正確答案
- C. 循環運算（Recurrence）
- D. 池化運算（Pooling）
解析：
Transformer 的核心是自注意力機制（Self-Attention），它讓模型能同時關注輸入序列中所有位置的資訊，捨棄了 RNN 的循環運算和 CNN 的卷積運算。
下列哪項是 Transformer 相較於 RNN 的主要優勢？
- A. 記憶體使用量較低
- B. 支援平行運算，訓練效率更高 ✓ 正確答案
- C. 模型參數量較少
- D. 不需要 GPU 就能訓練
解析：
Transformer 的自注意力機制可以平行處理整個序列，不像 RNN 必須逐步處理。這使得 Transformer 在 GPU 上的訓練效率遠高於 RNN。
LLM 的「幻覺」（Hallucination）現象指的是什麼？
- A. 模型訓練時的過擬合現象
- B. 模型產出看似合理但實際錯誤的內容 ✓ 正確答案
- C. 模型無法理解使用者的提問
- D. 模型運算速度過慢的問題
解析：
LLM 的幻覺是指模型生成的內容在表面上看起來流暢合理，但實際上包含事實性錯誤或虛構的資訊。這是因為 LLM 本質上是基於機率生成文字，而非真正「理解」事實。
還有 7 題，前往互動版完整作答