10. 某家企業希望開發股票交易輔助工具，要求該工具需要在接收到市場報價資料的 50 毫秒內完成訊號判斷與下單指令，且每秒需處理超過一萬筆高併發交易。 若選用 Low-Code 平台開發，最難克服的先天限制為何？
(A)Low-Code 平台無法串接任何金融市場的外部 API，因此無法獲取即時報價資 料；
(B)Low-Code 平台無法串接任何券商平台的下單 API，因此無法進行即時交易；
(C)Low-Code 底層封裝通用框架，在毫秒級延遲與超高吞吐量(Throughput)的 極限效能場景中，難以進行深度底層優化；
(D)Low-Code 平台無法建立即時更新的使用者介面，無法顯示動態報價資訊

11. 某中小企業行銷部門主管希望在不需高度依賴 IT 支援的情況下，快速建立一套 能自動分析顧客問卷回饋並進行情緒分類的系統。他評估了 AutoML 平台與自 行開發機器學習模型兩種方案。下列何者最能說明 AutoML 在此情境下的核心 優勢？ (A)AutoML 仍需使用者熟悉 Python 與深度學習框架，否則無法進行模型訓練； (B)AutoML 可自動完成模型選擇、特徵處理與訓練流程，使非技術背景人員也 能快速建立並上線模型； (C)AutoML 僅適用於文字情緒分析，若應用於其他預測任務需重新開發系統； (D)AutoML 產出的模型無法直接應用於實務場景，仍需完全重寫程式才能使用

12. 某電商平台導入 CLIP(Contrastive Language-Image Pre-training)模型，讓使用 者能直接輸入文字描述來搜尋商品圖片。請問 CLIP 模型是透過哪一種方式來衡量文字描述與圖片之間的相符程度？ (A)餘弦相似度(Cosine Similarity)，計算文字與圖片在向量空間中的方向相似 程度； (B)BLEU 分數，衡量文字描述與圖片標題之間的詞彙重疊程度； (C)交叉熵損失(Cross-Entropy Loss)，用於衡量模型預測機率與實際標籤之間的 差異； (D)F1 分數(F1 Score)，綜合評估搜尋結果的精確率與召回率

13. 某新創公司正在評估開發方式，產品負責人希望讓非技術背景的業務同仁也能 參與功能原型的快速開發。團隊討論採用 Vibe Coding 與 Low-Code 兩種方式。 請問下列哪一項對於 Vibe Coding 與 Low-Code 的敘述最為正確？ (A)兩者本質相同，差異僅在於 Vibe Coding 以對話介面取代視覺化拖拉操作， 最終產出的程式碼品質與可維護性並無顯著差異； (B)Vibe Coding 需要開發者具備一定的程式語言基礎才能有效審閱 AI 產出的程 式碼，因此與 Low-Code 平台相比，不適合非技術人員使用； (C)Low-Code 平台因具備完整的視覺化與流程控制，較適合開發穩定且可維護 的系統；Vibe Coding 則較適用於快速原型開發，難以支援結構複雜的正式應用 系統； (D)Vibe Coding 透過自然語言驅動 AI 生成客製化程式碼，彈性較高但產出品質 高度依賴提示詞的描述精準度；Low-Code 平台則透過預設元件組合快速建構， 上限受限於平台本身支援的功能範疇

14. 某軟體開發公司評估導入 Agentic Coding 工具(如 Claude Code)，並規劃相應的人工審核機制。請問下列何者最能正確敘述此類工具在開發流程中，所支援的核心操作能力？ (A)透過介面提供程式碼建議與修改建議，實際套用仍需由開發者手動確認與操 作，無法直接對專案檔案進行自動變更； (B)可直接在開發環境中讀寫專案檔案、執行終端機指令(如測試與建置)，並在 適當情境下協助完成修改、測試與版本提交(commit)等多步驟開發流程； (C)著重於將需求轉換為系統設計與架構規劃，程式碼撰寫與整合仍主要由開發 者負責，較少直接介入實際開發流程； (D)工具主要負責輔助開發者撰寫與優化程式碼，實際的測試、建置與版本控管 流程仍需由開發者手動執行

15. 某新創公司希望針對特定醫療診斷任務微調語言模型，但受限於資料取得困 難，目前僅收集到少量已標註的診斷病例。在標註資料極為有限的條件下，強 化微調(Reinforcement Fine-Tuning, RFT)相較於監督式微調(Supervised Fine-Tuning, SFT))最主要的優勢為何？ (A)RFT 需仰賴大量高品質標註資料進行訓練，因此在資料有限時仍能維持較佳 穩定性； (B)RFT 透過獎懲回饋機制引導模型優化，對大量標註資料的依賴相對較低，較 適用於資料有限的情境； (C)RFT 與 SFT 在資料需求上本質相同，主要差異僅在訓練效率，資料量不影響 兩者適用性； (D)RFT 可直接從未標註的診斷資料中自動產生正確標註，因此在資料有限時可 完全取代 SFT

16. 某企業導入 AI 代理(AI Agent)系統，期望其可依據任務目標，自主規劃步驟、調用外部工具並完成任務。下列何者最能體現 AI Agent 與傳統自動化系統之關鍵差異？ (A)能依任務目標動態決策行動並調整執行策略； (B)可依預先設定流程自動執行固定任務； (C)可透過圖形化介面讓非技術人員操作； (D)能處理大量結構化資料並進行批次運算

17. 某律師事務所因業務量快速成長，正在評估導入生成式 AI 工具以減輕律師的行 政負擔，請問下列哪一項最符合生成式 AI 目前在法律實務中的主要應用？ (A)快速爬梳大量相關判例、協助起草合約初稿並標記文件中的潛在風險條款； (B)根據案件事實與法條自動做出判決建議，並作為法官裁決依據直接採用； (C)在正式庭審中代替律師進行言詞答辯，並即時調整辯護策略； (D)分析嫌疑人的歷史行為模式，預測其未來可能再犯的時間與地點供執法單位 參考

18. 某律師事務所導入 AI 合約審查系統，協助律師快速檢視商業合約中的關鍵條 款。系統架構師在設計上下文(Context)時最優先考量應為何？ (A)強化模型的創意生成能力； (B)儘量壓縮上下文(Context)長度以降低 Token 成本； (C)優先提升模型回應速度； (D)優先保留原文逐字精確性

19. 某客服系統導入 AI 技術，能先從知識庫中檢索相關文件，再依據查詢內容生成回覆。若需判斷其技術本質，下列敘述何者最適當？ (A)屬於純粹資料檢索系統，未涉及生成式 AI； (B)屬於傳統規則式系統，依既定流程回應問題； (C)結合檢索與生成機制，仍屬生成式 AI 應用範疇；(D)屬於預測分析系統，主要進行結果推估

20. 某開發團隊在使用 AI 程式設計助手開發資料管線系統(Data Pipeline System) 時，發現生成的Python資料處理套件呼叫方式已是舊版 API，與最新官方文件不符，導致部分功能執行失敗。請問應導入何種技術，使系統能在推理過程中即時存取並導入最新外部文件內容，以確保生成結果符合最新 API 規範？ (A)模型微調(Fine-tuning)，將最新文件資料重新訓練進模型權重，讓模型永久記住最新 API； (B)知識蒸餾(Knowledge Distillation)，將大型文件資料庫壓縮為輕量化的專用小型模型； (C)提示詞快取(Prompt Caching)，將常用文件內容快取於提示中，使模型可重複使用既有資訊並降低延遲； (D)透過 MCP(Model Context Protocol)工具整合，讓模型在推理時即時存取並整合最新的外部文件內容

115年 - 115-2 AI 應用規劃師-初級能力鑑定公告試題_第二科：生成式 AI 應用與規劃#140595

115年 - 115-2 AI 應用規劃師-初級能力鑑定公告試題_第一科：人工智慧基礎概論#140586

115年 - 115-1 AI 應用規劃師-初級能力鑑定公告試題_第二科：生成式 AI 應用與規劃#139147

115年 - 115-1 AI 應用規劃師-初級能力鑑定公告試題_第一科：人工智慧基礎概論#139146

114年 - 114-4 AI 應用規劃師-初級能力鑑定公告試題_第二科：生成式 AI 應用與規劃#139148

114年 - 114-4 AI 應用規劃師-初級能力鑑定公告試題_第一科：人工智慧基礎概論#139118

114年 - IPAS AI應用規劃師初級能力鑑定-考試樣題(114/09)_科目二：生成式 AI 應用與規劃#132596

114年 - IPAS AI應用規劃師初級能力鑑定-考試樣題(114/09)_科目一：人工智慧基礎概論#132595

114年 - iPAS◆AI應用規劃師◆初級-科目1-L1101#130994

114年 - iPAS AI應用規劃師初級能力鑑定_科目二：生成式 AI 應用與規劃#128027