最新資料

衍生性金融商品概論與實務

台電◆行政學概要

台電◆企業管理概論

115年 - 115 原住民族特種考試_四等_電子工程：電子儀表概要#144496(4題)

115年 - 115 原住民族特種考試_三等_各類科：原住民族行政及法規#144495(50題)

115年 - 115 原住民族特種考試_四等_財稅行政：民法概要#144494(27題)

115年 - 115 原住民族特種考試_四等_各類科：原住民族行政及法規#144493(50題)

115年 - 115 原住民族特種考試_四等_經建行政：貨幣銀行學概要#144492(11題)

115年 - 115 外交特種考試_四等_外交行政人員類科行政組：綜合法政知識（包括中華民國憲法、兩岸關係、比較政府與政治）#144491(50題)

115年 - 115 民航特種考試_三等_飛航管制：航空氣象#144490(8題)

115年 - 115 原住民族特種考試_三等_財稅行政：民法#144489(27題)

115年 - 115 原住民族特種考試_五等_一般行政：行政學大意#144488(50題)

115年 - 115 原住民族特種考試_三等_一般行政、一般民政、人事行政、原住民族行政：行政學#144487(27題)

50. 取引相手への催促状として、良いのは、 (A) 『いろいろとご事情もおありとは存じますが、どうぞ至急ご送金くださいますようお願い申し上げます。』 (B) 『いろいろと大変とは思いますが、どうぞ早いうちにお金を支払ってください。』 (C) 『なにかとあるかと思いますが、こちらも困るので早急に送金願います。』 (D) 『いろいろと不本意なことではありますが、どうか至急お金を払ってくれることをお願い申し上げます。』

49. 取引相手への陳謝状として、良いのは、 (A) 『全力を挙げて直ちにお届けいただくべくお手配中でございます。』 (B) 『全社を挙げていち早く届けてくれよう考慮していただきます。』 (C) 『全力を挙げて早急に解決するようにご手配願います。』 (D) 『全社一丸となって問題解決に努めています。』

48. 新興宗教のいくつかは、宗教と呼べるかどうか、 (A) 今も議論が続いている。 (B) 今も討論を続いている。 (C) 今も談判を続けている。 (D) 今も口論が続いている。

B. 試填下表(10 分)

 A. 何謂自發性消費、誘發性消費、與邊際消費傾向?(15 分)

C. 設若金流 B 有 2 兆，金流 C 有 10 兆，金流 D 有 8 兆，金流 E 有 25 兆。R 國的 GDP 有多少(5 分)? 金流 A 有多少(5 分)? R 國的平均消費傾向為多少(5 分)?

國中社會科總複習

講師：jacky227788

簡介：主要以總複習單元筆記與大考題目概覽為主，附有一本符合最新大考趨勢之模擬題目。

高中歷史科大考詳解

講師：酒神老師

簡介：該分區以高中歷史詳解為主，主要帶學生透過抓關鍵字和概念理解題意，選出適合文意的答案，要注意掌握抓關鍵...

絳紫的考前國文課

講師：絳紫

簡介：讀國文時，是否常覺得朝代、人物、作品、國學常識瑣碎繁雜，明明背過，過幾天又混淆了？許多知識難以牢記，...

中華民國的變局

描述：國共的愛恨情仇

教育人物列表比較

描述：斯賓塞、杜威、盧梭、赫爾巴特、培根、裴斯塔洛齊

四段教學法和五段教學法

描述：赫爾巴特、萊茵/賴恩、Herbart、Rein

33. 關於植物賀爾蒙與動物賀爾蒙特性的敘述，何者正確？ (A) 動植物都由腺體來製造賀爾蒙 (B) 動物有固醇類賀爾蒙，植物則無 (C) 植物賀爾蒙有氣體形式，動物則無 (D) 動物及植物賀爾蒙均需要透過細胞外液及組織間液進行運送 (E) 相較於動物賀爾蒙，大部分植物賀爾蒙需要較高濃度才能誘發相對應反應

11 讓應試者運用模擬或與人相處、從事領導、執行裁量等相關活動，評審者再就事先建立的評估標 準加以評分，以進行人員甄選的方法，稱為： (A)筆試（written examinations） (B)口試（oral examinations） (C)團體測驗（group test） (D)評量中心（assessment centers）

21. 某企業希望 AI 產生 ESG 永續報告，但不同部門提供的資料格式差異很大。為提升 AI 產出的一致性，團隊提供過去三份經審核通過的 ESG 報告，要求 AI 依循其章節安排、用詞風格及呈現方式完成新報告。此作法主要運用了何種提示策略？ (A)Zero-Shot Prompting； (B)Role Prompting； (C)Few-Shot Prompting； (D)Self-Consistency Prompting

24. 某企業「人資 AI 助理」採檢索增強生成(RAG)技術，系統會先檢索前 10 筆相關規章，再由其中排序最前面的 3 筆文件提供大型語言模型(LLM)作為回答依據。員工查詢「留職停薪規定」時，AI 遺漏了所屬部門最新補充規定。技術團隊確認該規定已成功檢索，但排序第 8 名，因此未被優先提供給大型語言模型作為回答依據。在不重新訓練模型、不重新建立向量資料庫的前提下，應優先導入下列何種元件改善此問題？ (A)查詢擴展器(Query Expansion)，自動加入同義詞或相關關鍵字擴展查詢內容，以提高相關文件被檢索到的機率； (B)文本切分器(Text Splitter)，將長篇規章拆分成較小段落，以利建立文件索引； (C)重排序器(Reranker)，重新評估初步檢索結果的相關性，將最相關的文件優先提供大型語言模型(LLM)參考； (D)語意快取器(Semantic Cache)，儲存常見查詢與 AI 回覆，遇到語意相近的問題時直接回傳先前結果，以降低運算成本與回應時間

(1)A 物體之加速度。

(2)繩之張力