iPAS AI 應用規劃師 初級　科目二　生成式 AI 應用與規劃

115 年第一次梯次　・　50 題深度拆解

這份教材把 50 道考古題變成「白話版深度拆解」，目的不是背答案，而是幫你真正理解每題在考什麼，下次出題形式變了還是答得出來。

怎麼用
  1. 點題目進去，先自己作答，再看完整拆解
  2. 每題依序帶你走過：白話情境 → 舊方法為什麼不夠 → 新方法怎麼解 → 技術版（概念背景與實務應用）→ 3 個錯選項拆解 → 5 道變形題 → 5 個延伸節點
  3. 初級不考程式碼跟公式，技術版聚焦在「這個概念在 AI 領域的位置與實務應用」

下方每題標題下的小字是題目原文（不含選項），幫你判斷想先看哪題。

  1. Q01模型偏差風險怎麼降低？某零售企業導入生成式 AI 商品推薦系統。測試結果顯示，在購物行為、偏好設定與價格區間相同的情況下，不同客戶族群收到的推薦商品類型仍出現明顯差異，且差異方向不易以既有行銷策略解釋。若在模型架構與推論設定皆未調整情形下，專案目標是優先降低可能的模型偏差風險，下列何者最合理？
  2. Q02PEFT 哪種技術最省參數？在進行大型語言模型（LLM）企業專屬知識的 Fine-tuning 時，若內部 GPU 運算資源與記憶體嚴重受限，下列哪一種參數高效微調（PEFT, Parameter Efficient Fine-Tuning）技術最能在維持模型效能的前提下，顯著降低需更新的參數數量？
  3. Q03Low-Code 儀表板最該先確認什麼？某企業規劃透過 Low-Code 平台建置可視化儀表板，以支援營運數據的即時監控與分析判斷。若企業特別關注儀表板顯示結果的穩定性與分析可信度，下列何者最應優先確認？
  4. Q04生成式 AI 客服回覆卡頓，該測什麼？某企業導入生成式 AI 客服系統後發現，系統整體運作穩定，且在單位時間內可處理大量對話請求。部分使用者仍反映在互動過程中回覆出現卡頓感，經初步排除網路連線與前端介面功能問題後，若專案團隊希望針對此現象進行效能測試，下列何者最符合測試重點？
  5. Q05長對話要保持上下文一致，該用什麼模型架構？某企業導入生成式 AI 系統，希望自動產出客服回覆與內部文件摘要。系統需能理解使用者輸入的完整語句內容，並在回覆中維持語意連貫，即使對話內容較長仍能保持上下文一致性。基於上述需求，下列何種模型架構最為適合？
  6. Q06OpenAI Sora 哪個不是官方出處證明工具？OpenAI 已為 Sora 生成的影片提供多種出處證明機制，以降低誤導性或欺騙性內容帶來的風險。下列何者不屬於目前 OpenAI 官方為 Sora 內容提供的出處證明工具？
  7. Q07No-Code/Low-Code 平台對資料治理有什麼影響？某企業導入 No-Code/Low-Code 平台，讓各部門能自行建立資料分析與流程應用。隨著使用範圍擴大，管理層開始關注資料權限、存取紀錄與合規要求。依資料治理觀點，下列何者最合理描述此類平台對企業治理機制的典型影響？
  8. Q08邊緣運算部署後為什麼效能下降？某製造企業規劃於設備端建置邊緣運算（Edge Computing）架構，並以 No-Code/Low-Code 平台開發即時監控應用。測試顯示，系統在雲端環境執行順暢，但部署至邊緣裝置後出現回應延遲與效能下降。依此情境判斷，下列何者最合理解釋該現象？
  9. Q09Few-shot Prompting 為什麼在新市場分類失準？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？
  10. Q10RAG 系統用知識蒸餾降低推論成本，合理嗎？某企業建置檢索增強生成（Retrieval-augmented generation, RAG）系統支援內部知識查詢。隨著使用量提升，團隊發現模型回覆品質穩定，但推論延遲與運算成本逐漸增加。專案規劃在維持回覆品質前提下進行效能優化。在此情境下，若採用知識蒸餾（Knowledge Distillation），下列敘述何者最為合理？
  11. Q11No-Code 與 AutoML 分工怎麼選？某零售企業規劃提升門市數據應用能力，目標包括：門市主管可自行調整分析畫面與檢視指標呈現，以及由行銷部門建立銷售預測模型，以支援補貨與促銷規劃。企業在選用工具時以主要功能定位與典型用途作為評估依據。依此需求判斷，下列哪一項 AI 工具使用規劃最合理？
  12. Q12MCP 與 RAG 功能定位差在哪？下列何者最能正確說明 Model Context Protocol（MCP）與檢索增強生成（Retrieval-Augmented Generation, RAG）在功能定位上的主要差異？
  13. Q13Chunking 機制的主要目的是什麼？某企業建置文件型知識查詢系統，將大量長篇內部文件轉換為可供生成式 AI 使用的知識來源。在測試過程中，團隊發現若直接以整份文件進行檢索，模型回覆常包含無關內容，且引用段落不夠精準。團隊評估後，決定導入 Chunking 機制的主要目的為何？
  14. Q14LLM 讀 Excel 表格，Context Engineering 怎麼做？某企業導入大型語言模型（LLM）分析內部報表，使用者經常提供 Excel 匯出的表格資料（如銷售數據與統計表）。測試時發現，模型對原始表格解析效果不穩定。為提升模型理解與回應品質，下列哪一種上下文工程（Context Engineering）作法較為適當？
  15. Q15情境感知代理的核心特性是什麼？在生成式 AI 應用設計中，情境感知代理（Context-aware Agent）的核心特性為何？
  16. Q16Solution Graph 的主要功能是什麼？某企業建置 Agentic AI 系統處理跨部門複雜任務，團隊以解決方案圖譜（Solution Graph）作為規劃框架。下列何者為 Solution Graph 的主要功能？
  17. Q17LLM API 高可用高擴展，部署方式怎麼選？某企業提供大型語言模型（LLM）API 服務，需支援高併發請求與流量波動，同時要求服務不中斷並具備故障容忍能力。若以高可用性與可擴展性為主要設計原則，下列哪一種部署方式較為適當？
  18. Q18AI 程式碼輔助工具的運作原理是什麼？關於 ChatGPT、Anthropic Claude、GitHub Copilot 等 AI 程式碼輔助工具的運作原理，下列敘述何者正確？
  19. Q19Vibe Coding 生成的程式碼如何降低品質與安全風險？某新創公司採用 MVP（Minimum Viable Product）策略，導入 Vibe Coding 以加速開發，雖然初期能快速產出可運作功能，但技術主管提醒，在正式上線前仍可能存在程式碼品質與安全風險。下列哪一項措施最合理，以降低品質與安全問題？
  20. Q20GPT-Realtime 類型模型最適合哪種應用場景？在規劃生成式 AI 解決方案時，下列何種應用場景最適合採用 GPT-Realtime 類型模型？
  21. Q21OpenAI AgentKit 是做什麼的？關於 2025 年 OpenAI 提供的 AgentKit，下列何者最能描述其主要用途？
  22. Q22AI 生成影片怎麼對抗不實資訊？所有在 Gemini 應用程式透過 Veo 生成的影片，皆採用何種技術措施來協助企業用戶應對 AI 生成內容可能帶來的不實資訊風險？
  23. Q23鑑別式 AI 和生成式 AI 怎麼分？某保險公司想建立智慧理賠系統，包含兩個功能：(1)自動判斷理賠案件是否為詐欺案件 (2)自動生成理賠調查報告。請問這兩個功能分別屬於哪種 AI 技術類型？
  24. Q24TCO 分析為什麼不能只算 API 費用？某大型製造工廠導入生成式 AI 系統來優化能源消耗，每日需處理約 10 萬筆設備數據並生成能源優化建議。系統每月 API 調用成本約 15 萬元，內部維護人力成本 8 萬元，基礎設施成本 5 萬元。該工廠評估導入效益時，下列哪一項總體擁有成本（Total Cost of Ownership, TCO）分析最完整？
  25. Q25導入 AI 服務的 ROI 怎麼算？某機構計畫導入生成式 AI 旅遊資訊服務對話系統自動生成多語言對話。目前每月需人工翻譯 600 則訊息，每則成本 50 元；若改用 ChatGPT API，每則訊息需 2000 Tokens，而 Token 成本 0.8 元/1000 Tokens，但需額外投入系統整合費用 20 萬元。關於投資報酬率（Return on Investment, ROI）評估，下列何者最為正確？
  26. Q26洗錢偵測最適合哪種生成式 AI 技術？某支付平台為了強化洗錢行為檢測，計劃導入生成式 AI 技術來輔助分析可疑交易模式。該平台擁有大量歷史交易記錄和已知洗錢案例資料，希望 AI 能自動生成可疑交易的特徵描述報告。下列哪一種生成式 AI 技術最適合此需求？
  27. Q27工廠品質檢測自動化最適合哪個工具？某紡織公司希望建立自動化品質檢測流程，既有的 AI 系統檢測到布料瑕疵時，需自動拍照存檔、發送通知給品管人員。該公司具有一定開發人力，希望快速建置此工作流程，並保有彈性調整空間，下列哪一種解決方案最適合？
  28. Q28Token Economics 不包含什麼？某市政府交通局計劃導入生成式 AI 技術來自動生成公車到站時間預測的文字報告，每日需處理約 50 萬筆交通資料並生成 1000 份報告。在評估導入成本時，團隊希望進行 Token Economics 分析（指模型推理與生成過程中，Token 使用量及其費用）。下列何者不屬於 Token Economics 的考量範圍？
  29. Q29IT 人力有限，怎麼建農業通報系統？某農業合作社希望建立一套自動化工作流程，當農民透過手機 APP 回報田間病蟲害照片時，系統能自動通知相關專家、建立案件紀錄並排程現場訪查。該合作社 IT 資訊人力有限，僅有一位具備基礎程式概念的人員。下列哪一種開發方式最適合此需求？
  30. Q30少樣本學習（Few-shot Learning）的主要特徵是什麼？某市政府環保局想建立一個垃圾分類查詢系統，讓市民輸入物品名稱後自動判斷分類。由於垃圾種類繁多，但每種分類的訓練範例有限，工程師決定採用少樣本學習（Few-shot Learning）技術。下列何者為少樣本學習（Few-shot Learning）的主要特徵？
  31. Q31農場病蟲害文件庫要用哪種 AI 技術？某有機農場累積了十年的病蟲害防治紀錄文件，包含不同作物的病害症狀描述、防治方法和效果評估。農場主希望建立一個 AI 助手，能根據農民描述的作物症狀，快速提供相關的防治建議和歷史案例。下列哪一種技術最適合解決這個需求？
  32. Q32No-Code/Low-Code 平台在模型訓練上有什麼特性？隨著企業加速導入 AI，No-Code/Low-Code 平台逐漸成為模型開發與產品化的常見工具。相較於傳統自行撰寫程式式的建模流程，下列何者最能正確描述此類平台在模型訓練機制上的典型特性？
  33. Q33醫院行政表單 AI 化應選哪種技術組合？某醫療院所希望改善行政效率，規劃讓各科室人員可自行建立行政回報與內部申請表單，並導入 AI 功能以自動判讀與分類填寫內容（如問題類型或需求性質），同時需兼顧流程調整彈性與降低系統開發維護負擔。下列哪一種技術組合最適合？
  34. Q34No-Code 開放後管理混亂，根本原因是什麼？某企業導入 No-Code/Low-Code 平台開放各部門自行開發應用。半年後發現：出現多個功能相近系統、資料欄位定義不一致，且部分應用未經審核即上線，並伴隨權限與維運管理混亂。下列何者最可能為根本問題？
  35. Q35Encoder-Decoder 跟 Decoder-only 架構，核心差在哪裡？在生成式 AI 文字生成模型設計中，Encoder-Decoder 與 Decoder-only 為常見架構。下列何者最能正確說明兩者在資訊處理與生成機制上的核心差異？
  36. Q36多條件相互影響的決策問題，用哪種提示策略？某連鎖零售企業使用生成式 AI 協助規劃門市補貨策略。決策時需同時考量多項彼此相關的因素，例如：庫存水位、促銷活動、區域銷售差異與物流限制。專案團隊發現，AI 雖能逐步說明推論過程，但對於多條件之間的相互影響掌握不足，導致建議結果偶有偏差。若希望透過提示工程（Prompt Engineering）改善此問題，下列哪一種策略最為適合？
  37. Q37電商客服 AI 需要即時促銷資訊又要品牌語氣，哪種策略最合理？某電商平台導入生成式 AI 客服助理，用於自動回覆顧客詢問。營運需求包含：需即時反映每日更新的促銷活動與商品資訊，同時維持品牌一致的回覆語氣，且企業希望避免因模型重新訓練所造成的成本增加與系統不穩定。在此情境下，下列哪一種技術策略最合理？
  38. Q38PoC 概念驗證階段，不該做哪件事？某企業規劃導入生成式 AI 助理，在正式全面部署前進行概念驗證（PoC），下列何者最不適合作為此階段的主要工作？
  39. Q39從資料層降低敏感資訊暴露，哪種做法最合理？某企業規劃導入生成式 AI 客服系統，需處理顧客查詢並引用歷史交易資料。法遵部門在風險評估中指出，系統若不當處理顧客個人資料，可能引發合規與法律責任。若專案初期希望從資料層面降低敏感資訊暴露風險，下列敘述何者最為合理？
  40. Q40Reinforcement Fine-tuning（RFT）的主要目的是什麼？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不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？
  41. Q41偏見檢測 vs 偏見緩解，差在哪？企業在評估 AI 決策模型是否存在資料分布偏差時，下列何者最屬於偏見檢測（Bias Detection）而非偏見緩解（Bias Mitigation）措施？
  42. Q42加密狀態下還能做 AI 運算，用什麼技術？某企業希望利用含敏感資訊的資料進行 AI 模型訓練，但政策要求原始資料不得外洩，且資料可集中於安全環境中處理。同時，企業希望在資料使用過程中，即使資料處於加密狀態，仍能完成模型計算。在此需求下，下列哪一種技術最為適合？
  43. Q43為什麼金融業要把 LLM 建在自己的環境裡？某金融服務公司規劃導入生成式 AI，在評估模型部署方式時，基於內部控制與治理要求，企業考慮將大型語言模型建置於公司可管理環境，而非直接採用外部雲端服務。下列何者最能合理說明此部署決策的潛在優勢？
  44. Q44智慧工廠語音 AI 改善，要先修哪裡？某智慧製造廠導入語音互動 AI 助理，作業人員可透過語音查詢設備狀態與操作指引。系統流程包含語音轉文字、語言模型生成回覆，以及即時查詢內部系統資料。測試結果顯示：語音轉文字在專業設備術語上錯誤率偏高；語言模型回覆偶有內容不夠精準；系統整體回應速度略慢但仍在可接受範圍。若專案目標為優先確保正確執行指令，下列改善措施的執行順序何者最合理？
  45. Q45Chain of Thought 提示怎麼寫才能讓 AI 一步步推理？某企業導入生成式 AI 助理，協助內部人員撰寫專案建議與分析報告。團隊希望透過思維鏈（Chain of Thought, CoT）提示設計提升模型輸出的邏輯性與推理透明度，下列何者最符合此提示策略？
  46. Q46資安合規優先的金融機構，導入生成式 AI 選哪種策略？某金融監理機構規劃導入生成式 AI 以協助內部人員分析申報文件與監理報告，系統需處理大量涉及企業敏感資訊與未公開資訊。主管機關明確要求「資料安全與法規遵循必須優先於導入速度與成本考量」。在此條件下，下列哪一種策略最為適當？
  47. Q47生成式 AI 維修助理試行測試，要先驗證哪件事？某製造企業規劃導入生成式 AI 協助產線異常記錄分析，系統將根據設備回報與維修紀錄自動產出問題摘要與建議處置說明。在試行測試階段，為降低營運與決策風險，下列何者最應優先驗證？
  48. Q48推薦模型上線後越來越不準，最可能是什麼原因？某企業將機器學習模型部署於線上推薦系統。模型在測試階段表現良好，但上線數月後，點擊率與預測準確度逐漸下降。經分析發現，近期使用者行為模式與模型訓練期間的資料特徵出現顯著變化。此現象最可能屬於下列何者？
  49. Q49Low-Code 平台整合第三方服務，測試策略選哪個？某企業使用 Low-Code 平台建置內部營運系統，系統需整合財務、庫存與第三方物流服務。團隊希望確保系統在跨部門流程與外部服務整合下，具高可靠性與可測試性。下列哪一項作法最能達成目標？
  50. Q50AI 招聘系統可能有性別年齡偏差，怎麼降低風險？某招聘公司使用生成式 AI 生成面試問題與候選人評估建議。團隊發現模型可能對性別或年齡產生資料分布偏差。下列哪一種策略最能有效降低生成偏差輸出的風險？
← 回 iPAS 備考總覽