e等公務園+學習平臺
AI 時代的數據思維《解答》
01導入路線要兼顧風險與成效，較務實的步驟是？
- A先全域上線再補治理
- B只做短期展示忽略維運
- C先定義資料與權限與可觀測，再小範圍試點與擴散正解
- D單靠外包商全權決定策略
02在資源受限下提升效率，較符合本課程的技術策略是？
- A一律使用高精度並縮短上下文
- B單一密集模型處理所有任務
- C注意力壓縮、稀疏專家與並行解碼等優化正解
- D單純增加伺服器數量
03挑選優先導入的應用版圖，哪一組較符合本課程的分類？
- A製造自動化、企業自動化、知識管理、服務自動化正解
- B僅資料視覺化與匯出
- C單一客服問答模組
- D純內部公告系統
04在資料主權與繁中需求明確時，較合適的技術選擇是？
- A僅使用封閉跨國模型且不留痕
- B全面遷移到公有雲單一供應商
- C以關鍵字規則引擎替代所有模型
- D地端部署或在地可商用模型並調整語料正解
05衡量成效時，哪一組指標更聚焦於落地品質？
- A流程週期、正確性、追溯性與覆蓋率正解
- B粉絲按讚與瀏覽字數
- C頁面美觀與點擊動畫
- D投影片張數與會議時長
06工廠要把裝置資料與 AI 任務串接，較合適的通訊與任務治理是？
- A定時人工抄寫回報
- B採用 OPC UA/UALink 並以容器化任務協調正解
- C只做看板不回饋控制
- D以電子郵件傳遞結果
07希望降低訓練記憶體與時間但維持可接受誤差，較合理的選擇是？
- A全面改為整數量化
- B固定單精度不變
- C只用半精度且不調整
- D採用混合精度（如 FP8）以降低成本正解
08讓教學助理回答專題知識並能追溯來源，較合理的架構是？
- A把所有文件一次丟進模型
- B只用全文關鍵字搜尋
- CRAG 串接知識庫、語意檢索與向量儲存正解
- D單憑記憶生成不存證
09降低偏誤並提升可解釋性，本課程主張的改進路徑是？
- A遞迴式批判與改進代理，搭配測試與稽核正解
- B只在結果頁加免責聲明
- C完全以人工主觀裁決
- D移除所有敏感欄位即可
10在處理幻覺與責任問題時，導入初期應優先建立什麼？
- A完全關閉日誌以避免外流
- B只做視覺強化不管內容
- C先擴大模型規模再說
- D檢索增強、可追溯與權限控管機制正解
11將 AI 做出企業價值的方向，何者更貼近本課程？
- A僅提供通用聊天視窗
- B完全依賴外部黑箱服務
- C只做一次性展示不進流程
- D聚焦垂直資料與在地語言，結合決策與平台正解
12若外部生成平台風格差異過大且難以控管，本課程建議的品質策略是？
- A直接接受差異以追求多樣
- B建立自家模型與資料流程以維持一致性正解
- C僅靠濾鏡與手修
- D全面回到人工製作
13為提升答案可讀性與格式一致，推理型 RL 的實務搭配為？
- A只把回覆寫得更長
- B以小規模 SFT 冷啟動並規範輸出結構正解
- C僅調整溫度與 top?p
- D反覆重試直到滿意
14讓實體代理能感知、理解並執行任務，較符合本課程的整體構想是？
- A單一語言模型處理所有感測
- B僅做視覺分類不下指令
- C多模態學習結合空間智能與大語言模型正解
- D完全改為人工遙控
15生成式 AI 落地時，較符合本課程精神的總體原則是？
- A只追求更大的參數模型
- B僅以成本最低為唯一準則
- C資料、場景、成本與治理並重正解
- D回到傳統規則庫取代模型
16舊語言程式轉換（如 VB→C#）要提升可靠度，哪項方法較貼近本課程？
- A訓練與推論皆引入檢索與對齊流程正解
- B單次微調後直接套用
- C僅在推論時做關鍵字比對
- D完全改由人工改寫
17為加速場景導入，本課程主張的研發組織做法是？
- A單一功能部門封閉開發
- B資訊、製造、生醫與法遵等跨域協作正解
- C全部外包給單一顧問
- D先上線再補治理與法遵
18醫放報告自動生成要兼顧準確與一致，較適切的設計是？
- A僅用影像分類器產生結論
- B只靠模板替換名詞
- C僅由人工複核不引入模型
- D影像與文字雙編碼、診斷導向提示與自適性學習正解
19跨文件推理與關聯查找時，哪種 RAG 型態更契合？
- A單層向量索引即可
- B圖結構或模組化 RAG 支援關聯推理正解
- C只做關鍵詞比對
- D隨機取樣段落
20在邊緣與雲端之間協同推論並標準化部署，較貼近本課程的生態是？
- AKubeEdge 與 ONNX/標準化推論框架的搭配正解
- B僅依賴單一雲端 API
- C以 NAS 與腳本手工維運
- D自製格式不對齊任何標準