阿摩線上測驗 登入

最新科目

最新試卷

最新試題

最新申論題

最新課程

最新主題筆記

最新討論

37 哈伯格(A. Harberger)將公司所得稅所造成的轉嫁現象,區分成兩種效果,稱之為: (A)產量效果與要素替代效果 (B)替代效果與所得效果 (C)產量效果與所得效果 (D)所得效果與要素替代效果

11. 要改變前束值,應等量調整直位桿之長度。(A)O(B)X

19 關於政府資訊公開法之敘述,下列何者錯誤? (A)係以保障人民知的權利,增進人民對公共事務之瞭解、信賴及監督為目的 (B)依該法規定,公開之對象為一般人民 (C)申請人依該法規定申請行政機關提供行政資訊遭拒絕者,如有不服,僅得於對實體決定聲明不服時,一併聲明之 (D)依該法規定申請行政機關提供行政資訊之權利,屬實體權利

25. 在自然語言處理任務中,為了減少訓練語料中偏見對模型的影響,下列哪種資料處理策略屬於常見的「資料去偏(Data Debiasing)」做法? (A)讓模型在訓練時隨機替換輸出,以抵消資料中存在的系統性偏差; (B)增加模型的參數量,依賴更大的模型自動消除原始資料中的偏見; (C)調整或擴充訓練語料,使不同群體或類型資料的比例更加平衡,避 免模型過度偏向出現頻率高的類別; (D)對訓練資料施加額外正則化或噪音,使模型在學習過程中對偏見敏感度降低

26. 在深度學習模型的微調(Fine-tuning)過程中,可能出現所謂的「災難性遺忘(Catastrophic Forgetting)」。此現象最可能造成哪種情況? (A)由於計算資源或訓練步驟不足,模型在微調過程中無法完整收斂, 導致學習效果受限; (B)微調後模型的表現變得隨機,無法有效記憶新學到的模式與知識; (C)微調後模型的部分權重產生偏移,導致模型無法針對較長的文字進 行回應; (D)模型過度適應微調的資料分佈,逐漸遺忘先前預訓練所獲得的廣泛 知識,在原有任務或廣泛領域上表現變差

27. 在大型 Transformer 模型的效能優化過程中,常見的方法之一是「剪枝(Pruning)」。下列哪一項最符合該方法的核心概念? (A)將模型中所有權重按比例縮小,使其值更接近零,以降低計算量; (B)移除模型中影響較小或冗餘的部分權重參數,以減少模型大小並提 升推理效率; (C)在訓練時僅更新部分權重而將其他權重凍結,從而減少需要調整的 參數數量; (D)根據注意力分數動態跳過處理部分輸入 Token,以減少每次前向傳 播的計算