加載中. ..
PDF
1
iPAS AI 應用規劃師初級能力鑑定-考試樣題
(樣題範例非正式考題，僅供參考使用)
114.09 版
◆ 科目一：人工智慧基礎概論
題號
答案
題目
1.
B
關於 AI，下列敘述何者正確？
(A) AI 僅能處理結構化數據的分析
(B) AI 涵蓋多種專業領域與技術
(C) AI 系統只能在學術研究中應用
(D) AI 無法應用於金融領域
2.
D
下列何者最適合訓練電腦下圍棋、自動駕駛等動態重複地互動的問題？
(A) 監督式學習（Supervised Learning）
(B) 非監督式學習（Unsupervised Learning）
(C) 半監督式學習（Semi-supervised Learning）
(D) 強化學習（Reinforcement Learning）
3.
D
深度學習模型中，下列哪一項通常用來降低過擬合（Overfitting）問題？
(A) 增加訓練數據量
(B) 增加模型的複雜度
(C) 增加學習率
(D) 增加正則化項
4.
A
下列哪一項敘述符合 AI 治理的核心原則？
(A) AI 系統的風險等級應在設計階段預先評估，並於部署後持續監控；
(B) 只要 AI 模型輸出結果準確，是否公平或透明並非治理重點；
(C) AI 治理應聚焦在企業內部自行負責，不需外部規範參與；
(D) 對於低風險 AI 系統皆可免除透明性與問責機制之要求
5.
A
若要設計一個能夠辨識並過濾垃圾郵件的系統，應該選擇下列哪一種機
器學習演算法以實現最佳效果？
(A) 監督式學習（Supervised Learning）
(B) 非監督式學習（Unsupervised Learning）
(C) 半監督式學習（Semi-supervised Learning）
(D) 強化式學習（Reinforcement Learning）
2
題號
答案
題目
6.
A
假設某國正在考慮使用 AI 技術來進行社會信用評分，並根據年齡、缺
陷、種族等特徵來評定個人的信用；同時，該國計劃在公眾場所使用遠
程生物辨識系統進行執法，目的在於提高社會秩序和安全。上述 AI 應
用可能會引發對隱私和個人權利的重大關注，根據歐盟《人工智慧法》
（Artificial Intelligence Act, AIA）的風險分級，這類應用屬於哪一風
險等級？
(A) 不可接受風險
(B) 高風險
(C) 有限風險
(D) 小或低風險
7.
A
某生成式 AI 模型接收一段語音輸入：「一隻戴著太空帽的企鵝正在火星
上跳舞」，並根據該語音內容產生一張圖像呈現相對應的場景。此類模
型最符合下列哪一種生成任務分類？
(A) 語音生成圖片
(B) 圖像生成語音
(C) 語音翻譯
(D) 圖像標註
8.
D
下列何者非大數據時代資料的特性？
(A) 資料量大
(B) 資料變動速度快
(C) 資料多樣性
(D) 資料存儲位置固定
9.
D
關於 K平均法（K-means），下列敘述何者「不」正確？
(A) 希望找出 k個互不交集的群集
(B) 不同的起始群集中心，可能會造成不同的分群結果
(C) 容易受雜訊與離群值（Outlier）影響其群集中心
(D) 可以處理類別型資料
10.
A
在公司財務資料中，發現某筆支出金額達 1,000,000 元，若希望合理判
斷該筆資料是否為異常值，下列哪一種處理方式最為合適？
(A) 以Z-score 方法量化異常程度，判斷是否為極端值；
(B) 以資料中的眾數作為參考基準，判斷其是否異常；
(C) 先透過主成分分析（PCA）降低維度，再進行異常值判定；
(D) 直接將該筆金額替換為資料中位數，以降低其對分析結果的影響
3
題號
答案
題目
11.
D
下列哪一種資料類型不屬於非結構化資料？
(A) X光醫學影像
(B) 監控錄影畫面
(C) 客服電話錄音
(D) 組織內部的關係型資料庫記錄
12.
B
下列資料型態，何者最常用來儲存員工年齡、員工年資、貨品銷售量等
資料？
(A) 文字型（Text）
(B) 數值型（Numeric）
(C) 日期型（Date）
(D) 布林型（Boolean）
13.
D
某行銷公司欲針對新客戶進行「行銷活動推播」，目前擁有資料包含：客
戶基本資料（尚未有購買紀錄）、客戶過往點擊行為（未標記是否完成購
買）、類似客戶是否曾購買過（已標記「有/無購買」標籤）。若該公司希
望預測新的單一客戶是否可能完成購買行為，下列哪一種學習方式與資
料搭配最合適？
(A) 使用非監督式學習，分析所有客戶點擊路徑進行異常偵測
(B) 使用非監督式學習，將客戶分群後預測其轉換率
(C) 使用監督式學習，針對未標記資料直接預測轉換可能性
(D) 使用監督式學習，以已知購買結果作為標籤進行訓練
14.
B
在品質管理中，若一產品的生產過程中標準差顯著偏大，通常意味著什
麼？
(A) 資料點高度集中，產品質量穩定
(B) 生產過程波動大，產品品質不穩定
(C) 資料無法反映產品實際狀況
(D) 中位數數值高，品質良率較高
15.
C
某AI 團隊在分析一組連續型數據時，發現部分紀錄的數值明顯高於其
他資料點。若專案目標是識別高價值客戶的行為模式，下列哪一種處理
方式最為合適？
(A) 立即刪除離群值，以避免模型訓練時出現偏差
(B) 視為錯誤值並全部替換為平均值
(C) 保留離群值並標註為高價值異常點，納入後續模型訓練考量
(D) 將離群值全數轉換為中位數，避免影響平均計算
4
題號
答案
題目
16.
D
在檢視資料品質時，可參考資料的變異程度及資料的集中趨勢。下列何
者不屬於資料集中趨勢衡量的方法？
(A) 平均數（Mean）
(B) 中位數（Median）
(C) 眾數（Mode）
(D) 標準差（Standard Deviation）
17.
A
某醫院研究特定心血管疾病的成因，收集了 50 名病患與 150 名正常人
的年齡、血壓、血型等三項屬性變數。此研究適合使用下列哪一種機器
學習模型來建立？
(A) 決策樹（Decision Tree）
(B) 線性廻歸（Linear Regression）
(C) 基於密度之含噪空間聚類法（Density-Based Spatial Clustering of
Application with Noise, DBSCAN）
(D) K-means 聚類（K-means Clustering）
18.
A
公司在整合資料時，發現同一客戶的姓名在不同系統中拼寫不一致（例
如「陳大文」與「陳大文先生」），導致資料無法正確對應。請問此類資
料品質問題應該在 ETL 哪一個流程步驟中進行處理？
(A) 資料轉換（Data Transformation）
(B) 資料擷取（Data Extraction）
(C) 資料載入（Data Loading）
(D) 型態轉換（Type Conversion）
19.
B
銀行想建立聊天機器人，可透過下列哪一種領域技術來達成？
(A) 資料庫管理技術
(B) 機器學習與自然語言處理
(C) 網頁開發技術
(D) 網路安全技術
20.
B
線性迴歸模型最適合解決哪種類型的問題？
(A) 圖像分類
(B) 銷售額預測
(C) 聚類分析
(D) 遊戲策略學習
21.
B
某金融機構已部署的 AI 模型遭客戶抱怨有不公平情形，經數據分析發
現不同族群之間的模型預測結果存在顯著差異。根據金融監督管理委員
會發布之《金融業運用人工智慧（AI）指引》，此情形下最適當的處置方
式為何？
(A) 重新訓練新的模型，並重新部署以修正結果
(B) 啟動人工覆核與調整機制，並持續監控族群間預測效果
5
題號
答案
題目
(C) 記錄模型預測結果並提交備查，待未來法規修正後再行處理
(D) 若模型偏誤屬於高風險用途，可由風控或合規單位先行審視其公平
性影響，再決定是否啟動調整機制
22.
C
請問下列何者不是常見的特徵選取技術或方法？
(A) 皮爾森積差相關分析（Pearson Correlation）
(B) 主成分分析（Principal Components Analysis, PCA）
(C) 迴歸分析（Regression Analysis）
(D) 隨機森林（Random Forest）
23.
C
交叉驗證的主要目的是什麼？
(A) 提高模型的訓練速度
(B) 驗證數據是否線性可分
(C) 減少模型的過擬合風險
(D) 測試模型的容錯能力
24.
B
一家智慧工廠使用機器學習分類模型預測關鍵設備是否會異常停機。完
成模型訓練後，團隊希望全面評估模型在不同面向的表現。請問下列哪
項指標最適合用來衡量模型在偵測異常停機時的「漏報率」（即未能正
確偵測出異常事件的比例）？
(A) 準確率（Accuracy），即模型整體預測正確的比例
(B) 召回率（Recall），即模型能正確找出異常停機的比例
(C) F1 分數（F1 Score），準確率與召回率的調和平均數
(D) 假陽性率（False Positive Rate），即將正常事件誤判為異常的比例
25.
B
神經網路與傳統機器學習模型的主要區別是什麼？
(A) 神經網路無法處理非線性數據
(B) 神經網路透過多層結構學習複雜特徵
(C) 神經網路只適用於迴歸問題
(D) 神經網路不需要大量數據支持
26.
A
下列關於生成對抗網路（GAN）的描述正確的是哪一項？
(A) GAN 由生成器和鑑別器組成
(B) GAN 僅用於分類問題
(C) GAN 的結果始終高度可解釋
(D) GAN 不能生成高品質的數據
6
題號
答案
題目
27.
A
一位資料分析師希望減少輸入特徵的維度，以提升模型運算效率，並觀
察變數間潛在的整體結構關係。若欲保留最大資訊量、同時減少特徵數
量，下列哪一項方法最適合？
(A) 套用主成分分析（PCA）以擷取主要變異方向並轉換新變數；
(B) 利用離散化方法將連續變數轉為分類型欄位；
(C) 使用標準化方法將所有特徵縮放至相同數值區間；
(D) 以ETL 技術移除空值欄位並改儲為 JSON 格式
28.
C
關於目前生成式 AI 的主要應用，不包括下列哪一項？
(A) 創建合成數據樣本
(B) 模擬數據分佈
(C) 分類醫學影像
(D) 生成文本
29.
A
下列哪項是生成式 AI 支援鑑別式 AI 的典型案例？
(A) 模擬交通場景以訓練自動駕駛模型
(B) 使用 CNN 對腫瘤分類
(C) 使用 SVM 分析風險
(D) 創建更好的分類演算法
30.
C
關於自然語言處理（NLP）核心技術，下列敘述何者不正確？
(A) 語音識別技術將語音轉換為文本，並用於語音助理和語音輸入
(B) 自然語言生成技術可以生成自然流暢的文本，用於聊天機器人和自
動文案生成
(C) 語意分析技術理解文本的語意，並主要用於語音識別和機器翻譯
(D) 機器翻譯技術自動翻譯文本，促進多語言支援和全球溝通
31.
A
關於「負責任的 AI」，下列敘述何者較為正確？
(A) AI 系統的開發者對 AI 系統的行為負責
(B) AI 系統的使用者對 AI 系統的結果負責
(C) AI 系統本身對其行為負責
(D) 政府對 AI 系統的發展負責
32.
A
關於生成式 AI 的基本原理，下列敘述何者較正確？
(A) 生成式 AI 通過分析大量數據來生成新數據，模擬數據分佈以創造
與訓練數據相似的結果
(B) 生成式 AI 主要通過預定義的規則來進行數據處理和分類
(C) 生成式 AI 專注於數據分類和迴歸預測，幫助識別已知數據中的模
式
(D) 生成式 AI 通過自動化的方式清洗數據，提升數據分析的準確性
7
題號
答案
題目
33.
A
關於下列模型在生成式人工智慧（Generative AI）中的角色，何者並非
以「產生新資料」為主要設計目的？
(A) 支援向量機（Support Vector Machine）
(B) 變分自編碼器（Variational Autoencoder）
(C) 自迴歸模型（Autoregressive Model）
(D) 擴散模型（Diffusion Model）
34.
B
某份資料中出現多個欄位（如 score1、score2、score3）儲存相同的成
績資訊，造成資料結構重複與使用混淆，此種情形屬於下列哪一種資料
品質問題？
(A) 重複資料（Duplicate Data）
(B) 冗餘資料（Redundant Data）
(C) 格式錯誤資料（Malformed Data）
(D) 缺失資料（Missing Data）
35.
B
某電商平台希望預測商品的退貨機率，以協助降低營運風險。若模型使
用的輸入資料包含「商品售價」、「顧客年齡」、「運送天數」，而模型的輸
出為是否退貨（是/否）。請問在此模型中，「是否退貨」應歸類為下列哪
一類變數？
(A) 特徵（Feature）
(B) 標籤（Label / Target）
(C) 超參數（Hyperparameter）
(D) 正則化係數（Regularization Coefficient）
8
◆ 科目二：生成式 AI 應用與規劃
題號
答案
題目
1.
B
下列何者最能表達 No Code / Low Code 平台的主要特色？
(A) 需要撰寫大量程式碼
(B) 運用模板快速建立應用程式
(C) 僅供專業開發人員使用
(D) 只能製作靜態網站
2.
C
下列何者不是推理模型（Reasoning Model）的主要特點？
(A) 具備多步驟邏輯推理能力
(B) 具備良好的可解釋性與邏輯一致性
(C) 採用強化式學習的訓練方式
(D) 回應內容結構清晰、推理脈絡完整
3.
C
下列哪種情況，選擇 Low Code 平台可能比 No Code 平台更為適合？
(A) 需要非技術人員快速進行開發與應用
(B) 應用需求簡單，無需自訂功能
(C) 需要較複雜的業務邏輯並使用自訂整合功能
(D) 預算和時間極度有限
4.
D
關於生成式 AI 與No Code / Low Code 平台的應用，下列何者最不
適合？
(A) 自動生成程式碼
(B) 自動化生成行銷文案
(C) 快速開發個人化 App
(D) 自動化生成法律判決
5.
C
關於 No Code / Low Code 平台，下列敘述何者較正確？
(A) 兩者完全相同
(B) Low Code 平台不需要任何程式設計知識
(C) Low Code 平台更適合開發靈活且可擴展的解決方案
(D) No Code 平台可以無限客製化
6.
C
在使用生成式 AI 模型解決數學或邏輯問題時，若希望引導模型逐步推
理以提升答案的準確性與可解釋性，應設計具備思維鏈（Chain-of-
Thought）推理特性的提示語。下列哪一組提示語最能有效啟用模型
的Chain-of-Thought 推理能力？
(A) 請回答這個數學問題，並直接給出答案
(B) 幫我算出 125 × 12是多少？
(C) 請詳細列出每一個思考步驟，最後再給出答案
9
題號
答案
題目
(D) 請用一句話簡要回答問題
7.
D
使用 Low-Code 平台進行開發時，企業應特別留意下列哪一項潛在風
險？
(A) 可能造成企業內部敏感資料的洩露
(B) 難以進行大規模的應用擴展和維護
(C) 開發成本將大幅增加
(D) 可能有未經 IT 部門管理的應用程式擴散
8.
D
下列哪一種技術方案適用於改善客戶體驗？
(A) 智慧排程系統
(B) 消費行為洞察模型
(C) 預測性維護工具
(D) 自然語言處理（NLP）和生成式回應模組
9.
D
某公司擬將客戶個人資料傳輸至國外進行雲端儲存，依據《個人資料
保護法》規定，下列哪一種情況下，中央目的事業主管機關有權對該
國際資料傳輸行為進行限制？
(A) 公司規模未達主管機關要求標準，管理能力存疑
(B) 公司曾發生個人資料外洩事件紀錄，造成用戶信任流失
(C) 傳輸資料包含當事人已公開資訊，但仍涉及隱私風險
(D) 接收國家之個人資料保護法規尚未完善，可能損害當事人權益
10.
C
下列哪一項技術是生成式 AI 的基礎？
(A) 決策樹模型
(B) 聚類演算法
(C) 生成對抗網路
(D) 隨機森林技術
11.
C
能使用 DALL·E-2 生成各式逼真的圖片，最關鍵的應用技術為何？
(A) 卷積神經網絡（CNN）
(B) 生成對抗網絡（GAN）
(C) 擴散模型（Diffusion Model）
(D) 自然語言處理（NLP）
12.
B
在企業級數據管道（ETL）中，No Code / Low Code 平台的主要角色
為何？
(A) 可作為前端數據可視化工具，協助展示與分析結果
(B) 取代部分傳統 ETL 解決方案，但可能無法處理過於客製化的邏輯
(C) 僅適用於小型數據應用，對大型數據處理的效率較低
(D) 無法應用於任何數據處理場景，因整合難度過高
10
題號
答案
題目
13.
C
下列何者不是生成式 AI 核心技術？
(A) Variational Autoencoders（VAE）
(B) Generative Adversarial Networks（GAN）
(C) Visual Geometry Group（VGG）
(D) Autoregressive Models（AR Model）
14.
B
使用生成式 AI 技術或工具生成內容時，應採取下列哪一項措施以確保
內容品質？
(A) 使用內容直接進行學術報告
(B) 適當標注引用來源
(C) 減少人工參與的審查過程
(D) 排除所有生成的資料
15.
C
小莉老師準備使用生成式 AI 製作個人化學習系統，以下為她設計系統
時可能採取的操作步驟，請依其邏輯順序排列：
a.根據學生學習歷程與成績，輸入學生特徵
b.根據教材主題，指示 AI 生成適合的練習題與即時回饋
c.生成適應性學習計畫，讓每位學生依進度與弱點調整練習方式
d.匯入課綱與教學單元內容，建立知識結構圖
請問下列何者為較合理的順序？
(A) d → a → c → b
(B) a → d → b → c
(C) d → a → b → c
(D) a → b → c → d
16.
D
下列哪一項不是生成式 AI 工具在使用體驗方面的優化方向？
(A) 提供更直觀的操作設計
(B) 支援自然語言指令
(C) 提供智慧化的參數調整建議
(D) 限制使用者自訂生成內容
17.
C
學校教師如何引導學生正確使用生成式 AI 工具？
(A) 不應使用 AI 工具於教學場域
(B) 無限制地使用 AI 工具
(C) 訂立清晰的使用規範並進行說明
(D) 僅鼓勵學生利用 AI 完成課堂作業
11
題號
答案
題目
18.
A
若企業使用第三方 AI API（如 OpenAI、Claude、Gemini 等），協助
處理內部資料，為避免敏感資訊遭模型記憶或進一步分析，應優先採
取下列哪一種作法？
(A) 啟用 Zero-Retention 模式或採用具企業資安保障的 API 服務
(B) 使用虛擬機建立隔離環境，以模擬匿名資料操作流程
(C) 將原始數據進行視覺化轉換，以避免直接暴露文本內容
(D) 將輸入資料轉換為向量嵌入後，再傳輸至語言模型進行處理
19.
C
企業若要有效支援生成式 AI 的運行，內部 IT 環境最需要具備下列何
種條件？
(A) 提供更多的辦公設備，以提升員工生產力
(B) 精簡企業內部流程，以加速決策效率
(C) 擁有高效能運算資源與彈性儲存空間，以支援 AI 模型訓練與推理
(D) 增加部門之間的交流機會，以促進跨部門合作
20.
B
A企業想要實現客服自動化，希望透過 AI 理解客戶發送的文本訊息，
並根據文本內容調用相對應的圖片和影片進行回覆，A企業應該選擇
哪一種模型？
(A) 強化學習模型
(B) 多模態模型
(C) 圖像分類模型
(D) 單模態大語言模型
21.
C
下列哪一種情境最能展現提示工程（Prompt Engineering）的價值？
(A) 使用者輸入一個模糊的問題，AI 給出一個非常確定的答案
(B) 使用者輸入一個非常具體的問題，AI 給出一個相關但不完全符合
的答案
(C) 使用者輸入一個精準有架構的問題，AI 生成符合架構的答案
(D) 使用者輸入一個簡單的問題，AI 給出一個非常複雜的答案
22.
B
下列敘述何者最能反映生成式 AI 在圖像生成領域的發展趨勢？
(A) 生成式 AI 目前僅能生成基於簡單算法的低解析度圖像，且無法應
用於高解析度或細節豐富的圖像創建
(B) 隨著生成式 AI 技術的進步，圖像不僅風格多樣，且逼真度顯著提
升，並可處理更複雜的圖像生成任務
(C) 生成式 AI 技術目的為加快生成速度，可生成靜態圖像，無法生成
動態圖像
(D) 生成式 AI 在圖像生成方面的發展主要集中於圖像風格轉換，無涉
及其他類型的視覺內容生成
12
題號
答案
題目
23.
A
關於生成式 AI，下列 A~E 敘述哪些正確？
A. 生成的內容不會帶有偏見
B. 具有高度準確性，不會有虛假信息
C. 生成內容的準確性，建議需要經過人類審核
D. 每次生成的內容都可能不同
E. 生成式 AI 具有高度安全性，不會導致數據外流
(A) C、D
(B) A、C、D
(C) A、B、D、E
(D) A、C、D、E
24.
B
一家跨國企業計劃在財務部門導入生成式 AI，並結合自動化系統進行
報告產出。導入此系統後，最有可能實現的效益為何？
(A) 增加財務收益
(B) 顯著提升報告準確性並減少人工錯誤
(C) 加速市場推廣活動並提高銷售業績
(D) 提高品牌曝光度並增強客戶關係管理
25.
C
某製造業團隊建立瑕疵偵測模型時，使用單張約 20MB 的高解析度
工業影像作為訓練資料，並將所有影像儲存於 NAS（Network
Attached Storage）中。訓練時透過 PyTorch 搭配 CNN 模型於 GPU
上進行，工程師觀察到 GPU 使用率僅約 20%至30%，整體訓練時間
耗費數日。根據上述情境，造成 GPU 利用率偏低的最可能原因為何？
(A) 模型架構過於複雜，導致反向傳播時間過長
(B) 訓練資料品質不穩定，造成模型難以收斂
(C) 高解析影像從 NAS 載入產生 I/O（Input/Output）瓶頸，導致
GPU 等待
(D) 批次大小（Batch Size）設定不當，導致 GPU 長時間閒置
26.
D
在生成式 AI 導入過程中，資料安全與隱私保護的哪一方面是最重要的
考量？
(A) 設定目標優先級
(B) 增強客服回饋（反饋）能力
(C) 資料視覺化能力
(D) 權限控管與合規要求
27.
B
若企業將資料安全管理外包給第三方服務供應商，屬於哪種風險應對
策略？
(A) 風險緩解
(B) 風險轉移
(C) 風險接受
(D) 風險規避
13
題號
答案
題目
28.
A
在生成式 AI 的風險管理中，下列哪一項屬於倫理風險？
(A) AI 生成的內容可能帶有偏見或歧視
(B) 系統運行中斷可能導致企業業務受到影響
(C) 因資料需求增加而引起的存儲成本上升
(D) 員工培訓成本增加
29.
D
在企業導入 AI 的實施/營運階段，為持續發揮導入 AI 的價值，下列步
驟的正確排序應為何？
A. AI 價值擴散
B.上線部署
C.模型監控與優化
(A) ACB
(B) ABC
(C) BAC
(D) BCA
30.
D
使用生成式 AI 協助撰寫一份有關產業碳排政策的分析報告，AI 提供
的內容看起來語句通順且用詞專業，但經查證發現其中提到的法規條
文與企業名稱並不存在。請問造成此現象最可能的原因為下列何者？
(A) 模型語料涵蓋不足，導致資料無法完整反映現實
(B) 提示語過度簡略，導致生成內容缺乏真實依據
(C) 模型缺乏檢索能力，無法即時查詢正確資訊
(D) 模型產生幻覺內容，虛構與真實資訊混雜出現
31.
C
在管理生成式 AI 系統的隱私風險時，下列哪一種技術最能確保數據使
用的安全性？
(A) 強化學習（Reinforcement Learning）
(B) 深度學習（Deep Learning）
(C) 零信任架構（Zero Trust Architecture）
(D) 注意力機制（Attention Mechanism）
32.
C
在驗證生成式 AI 應用的概念驗證（Proof of Concept, POC）時，若
企業希望確保模型生成的公平性，最適合採用哪種評估策略？
(A) 壓力測試（Stress Testing）
(B) 對抗性測試（Adversarial Testing）
(C) 偏差檢測（Bias Detection）
(D) 延遲測試（Latency Testing）
14
題號
答案
題目
33.
A
使用生成式 AI 產出需要邏輯清晰、高度準確性與一致性的文本時，下
列哪一種溫度（Temperature）設定最能有助於降低回答的不確定性
並提升一致性？
(A) 將溫度設定在 0.1 至0.3，使輸出結果趨於穩定可預測
(B) 將溫度設定在 0.5 至0.7，以取得適度創意與合理性平衡
(C) 將溫度設定在 1.0 至1.2，提高語句的多樣性與發散性
(D) 維持預設溫度不變，讓模型依照原始設定自由生成
34.
D
下列何者為專門用於評估大型語言模型（LLM）在「台灣本土特有知
識」方面表現的基準測試資料集？
(A) HumanEval
(B) Table Understanding
(C) MBPP
(D) TTQA
35.
D
某中型零售企業打算導入 AI 客服系統來提升顧客諮詢效率。根據 AI
導入的一般流程規劃，下列哪一個步驟最適合作為接下來的第一階段
任務？
(A) 設計符合品牌風格的 AI 回應邏輯與對話範本，強化用戶體驗
(B) 選擇合適的 AI 技術供應商或開源方案，確定技術方向與架構
(C) 蒐集過往客服對話記錄，進行資料清洗與前處理
(D) 明確定義導入目標與關鍵績效指標，作為後續設計依據