阿摩線上測驗
登入
首頁
> 最新資料
最新資料
瀏覽最新的試卷、試題和詳解,掌握最新考試資訊
最新科目
生物統計學研究
作業研究(包括線性規劃與等候理論)
系統分析與設計(包括人因工程
最新試卷
115年 - 財物及勞務採購作業_是非題 51-100(2026/06/25 更新)#141337(50題)
115年 - 政府採購法之總則、招標及決標_選擇題 51-100(2026/06/25 更新)#141336(50題)
115年 - 財物及勞務採購作業_選擇題 1-50(2026/06/25 更新)#141335(50題)
115年 - 115 臺南市市立國民中學正式教師聯合甄選試題:英語文#141326(50題)
115年 - 115 臺南市市立國民中學正式教師聯合甄選試題:教育專業#141325(45題)
115年 - 花蓮女中#141324(46題)
【已刪除】115年 - 115 臺南市_國民中學正式教師聯合甄選試題:台南文史(重複)#141323(10題)
115年 - 115 臺南市市立國民中學正式教師聯合甄選試題:國語文專門科目#141321(50題)
115年 - 政府採購法之總則、招標及決標_是非題 151-200(2026/06/25 更新)#141320(50題)
115年 - 政府採購法之總則、招標及決標_是非題 101-150(2026/06/25 更新)#141319(50題)
最新試題
10. 防止點燃機會(Elimination and control of ignition sources)的目地,即是在防止任何可能引起火災的點,請問下列何者即是可能的點? (A) 包裝貨的纖維布料吊裝時可能碰到艙口緣圍等 (B) 廁所之化學清潔劑 (C) 通風良好的電瓶間 (D) 船艉包裝良好的垃圾收集間
9. 請問熱式自動火災偵測器,是利用什麼方式來做探測? (A) 探測火災時之熱 (B) 探測火災時之濕度 (C) 探測火災時之氣體 (D) 探測火災時之光
8. 請問燃油中的燃點(Fire point)通常較閃點(Flash Point)的溫度高幾度? (A) 10~20℃ (B) 20~30℃ (C) 30~40℃ (D) 相差約5℃以下
最新申論題
7.船舶柴油機發生爆震的原因為何?試詳述之。
6. 請敘述一般由於人為過失所造成之船舶油污染有哪些?
5. 內燃機潤滑油應具備之性質為何?試敘述之。
最新課程
12312312316666
講師:
陳耘得
簡介:
12312312316666
1231231231455555
講師:
陳耘得
簡介:
1231231231qweqweqwewqeqwe
這是課程名稱
講師:
陳耘得
簡介:
這是課程描述
最新主題筆記
採權益法之投資
課程:
會計學(含中級會計學)
章節:
金融資產
號誌標誌
描述:
號誌標誌
基本的FVOCI-債務工具
課程:
會計學(含中級會計學)
章節:
金融資產
描述:
透過其他綜合損益按公允價值衡量之金融資產
最新討論
14. 下列賀辭,何者不適合用來祝賀他人娶媳? (A) 新翁之喜 (B) 家璧生輝 (C) 明珠入掌 (D) 萱堂之喜
1. 《氣候變遷綱要公約》(UNFCCC)是於哪一個會議中所提出?(A)人類環境會議(Conference on the Human Environment) (B)巴黎會議(Paris Conference)(C)日內瓦會議(Geneva Conference) (D)聯合國環境與發展會議(UNCED)
2. 歐盟發布下列哪一項規定,旨在規範投資公司、基金公司、保險公司等主要金融市場參與者,必須公開揭露所投資企業的 ESG 落實狀況,並加強 ESG 相關資訊強制揭露義務,以防止漂綠行為的發生? (A)碳邊境調整機制(CBAM) (B)永續金融揭露規範(SFDR) (C)企業永續報告指令(CSRD) (D)永續分類標準(Taxonomy Regulation)
25. 緊繃性貨幣政策之所以造成產出水準減少,是因為下列何種原因? (A) 貨幣供給減少造成總合供給減少 (B) 貨幣供給減少造成總合供給增加 (C) 貨幣供給減少造成總合需求增加 (D) 貨幣供給減少造成總合需求減少
32. 某銀行使用 LIME(Local Interpretable Model-agnostic Explanations)來解釋其信貸審核模型的決策結果。分析師在閱讀解釋報告時,看到系統建立了一個簡化 模型來近似原模型在該筆資料附近的行為。下列何者最能說明 LIME 中代理模 型(Surrogate model)的意義? (A)一個全局解釋所有預測的線性代理模型; (B)用於產生擾動資料的資料生成機制; (C)一種獨立訓練的生成式模型,用於輔助預測; (D)用於擬合原黑箱模型在目標實例附近的預測行為
35. 某企業導入大型語言模型(LLM)進行長篇法規文件的問答查詢。使用者反 映,當問題需整合文件中較不相關的資訊時,模型回答的連貫性與準確性明顯 下降。技術團隊認為此現象與模型架構特性有關。下列何者最能說明傳統 Transformer 在此情境下的限制? (A)模型在推理時僅能依賴固定長度的上下文窗口,無法同時處理分散於全文的 資訊; (B)模型能記住的內容取決於訓練語料,推理時遇到新內容可能無法應對; (C)Transformer 在長序列處理時效率下降,但仍可完整處理所有輸入內容; (D)每次推理後 Transformer 都需重新訓練才能記住新的資訊