| 題庫總數：20 | ||
| 是非題：0 | ||
| 選擇題：20 (A：3、B：6、C：5、D：6) | ||
| 多選題：0 | ||
| roddayeye整理，嚴禁抄襲 roddayeye.pixnet.net/blog | ||
| Q | r | 叡揚的 AI 實務落地強調哪組原則的平衡？ |
| o | 只求創新速度，不計合規 | |
| v | d | 遵循作業需要/符合法令/考量資料安全，並兼顧有效性與效率 |
| d | 僅以最大參數模型求高分 | |
| a | 完全不上線以免風險 | |
| y | r.o.d.d.a.y.e.y.e. | |
| Q | e | 在洗錢防制案例中，哪個量化指標最符合本課程成效？ |
| v | y | 警示誤報率降低 35%–50% |
| e | 所有警示自動結案 | |
| . | 命中率固定提升 90% | |
| r | 完全取代人工複核 | |
| o | r.o.d.d.a.y.e.y.e. | |
| Q | d | 智能公文詞彙校正的訓練資料組合何者最接近本課程描述？ |
| d | 地震波形、交通噪音、衛星影像 | |
| a | 醫療影像、社群標籤、GPS | |
| v | y | 同音同型字庫、行政院公報、公文句子與 Open Data |
| e | 純合成資料不需回饋 | |
| y | r.o.d.d.a.y.e.y.e. | |
| Q | e | 關於政府部門的 AI 走向，哪一項同時符合 2027 與 2028 年的 IDC 預測？ |
| . | 2027：全面停止資料共享投資；2028：回到單體平台 | |
| v | r | 2027：70% 機構提升資料共享投資；2028：採嵌入式/代理式 Gen-AI 的模組化平台 |
| o | 2027：僅導入聊天機器人；2028：不再升級模型 | |
| d | 2027：資料全上雲；2028：全面關閉治理 | |
| d | r.o.d.d.a.y.e.y.e. | |
| Q | a | 知識管理（KM）的價值主張在本課程中最完整的一組是？ |
| y | 僅提供檔名搜尋 | |
| e | 只支援英文全文檢索 | |
| y | 僅能跨文件彙整，無權限控管 | |
| v | e | 跨文件彙整、口語化查詢、權限控管與英文翻譯 |
| . | r.o.d.d.a.y.e.y.e. | |
| Q | r | 議事答詢的自動化應用，哪一項與本課程一致？ |
| o | 僅統計出席人數 | |
| d | 全面人工逐字輸入 | |
| d | 只保留錄音不處理 | |
| v | a | 轉逐字稿並產生摘要與待辦清單 |
| y | r.o.d.d.a.y.e.y.e. | |
| Q | e | 跨部會資料整合時，本課程特別指出的主要挑戰是？ |
| y | 雲費過低導致浪費 | |
| e | 資料量太小 | |
| . | 人才過多造成溝通成本 | |
| v | r | 權限與資料取得限制，難以跨域整合 |
| o | r.o.d.d.a.y.e.y.e. | |
| Q | d | 要達成『一站式服務』（串聯內外部系統），哪個要素在本課程中被視為必要？ |
| d | 單一報表工具 | |
| v | a | 協同知識管理、公文管理與 CRM 等跨系統整合 |
| y | 僅靠人工跨部門協調 | |
| e | 只要 API 文件，不需要治理 | |
| y | r.o.d.d.a.y.e.y.e. | |
| Q | e | 以下對『對話服務平台』的敘述何者不符本課程精神？ |
| v | . | 必須以 C 語言撰寫腳本才能建置 |
| r | 可由非 IT 人員所見即所得建置流程 | |
| o | 可串接內外部系統 API | |
| d | 能快速上線常見問答與服務 | |
| d | r.o.d.d.a.y.e.y.e. | |
| Q | a | 圖形商標『以圖找圖』要實現相似檢索，核心流程最接近下列何者？ |
| y | 以 OCR 抽出影像中文字後做文字比對 | |
| e | 以人工標註類別後固定規則查詢 | |
| y | 靠社群標籤（hashtag）檢索 | |
| v | e | 將影像轉為視覺表徵向量，持續以回饋資料更新模型 |
| . | r.o.d.d.a.y.e.y.e. | |
| Q | r | 若希望在保留治理紀錄的前提下，快速上線能支援決策與行動的 AI 代理，最符合理想做法為？ |
| o | 關閉日誌以提速 | |
| d | 只做單一聊天機器人，不串資料 | |
| d | 改用關鍵字規則系統 | |
| v | a | 建構 LLM 防禦層，整合分析式與生成式 AI，並以 CI/CD 佈署代理 |
| y | r.o.d.d.a.y.e.y.e. | |
| Q | e | 『From Data, To Model, For Decision』三個工作流之正確配對為？ |
| y | DataOps→採購；ModelOps→硬體；AIOps→合約 | |
| e | DataOps→報表；ModelOps→客服；AIOps→外包 | |
| v | . | DataOps→資料治理與流通；ModelOps→模型開發與部署；AIOps→決策與運用 |
| r | 三者同義可互換 | |
| o | r.o.d.d.a.y.e.y.e. | |
| Q | d | 配電變壓器健康度診斷的建模方法最符合本課程的是？ |
| d | 設定單一門檻值判定 | |
| v | a | 由約 10 個變數擴充為 40+ 衍生變數並建立評分卡 |
| y | 全面改用影像模型 | |
| e | 僅看溫度與濕度兩指標 | |
| y | r.o.d.d.a.y.e.y.e. | |
| Q | e | KM 如何提升非技術人員的可用性，最接近本課程？ |
| . | 只允許布林搜尋 | |
| r | 必須寫 SQL | |
| v | o | 提供口語化查詢並回覆摘要，同時依權限範圍提供內容 |
| d | 只顯示檔名與大小 | |
| d | r.o.d.d.a.y.e.y.e. | |
| Q | a | 為了讓發票/證件等表單『自動化申報』減少人工，哪種步驟順序較合理？ |
| y | 先人工鍵入欄位→再用模型比對 | |
| e | 先比對規則→再拍照擷取→最後交由模型 | |
| v | y | 影像擷取→InsAI 識別→欄位驗證→自動申報 |
| e | 直接以既有報表匯入，略過影像與識別 | |
| . | r.o.d.d.a.y.e.y.e. | |
| Q | r | 下列『技術 ? 場景』的配對，哪一項最不合理？ |
| v | o | 以文找文 ? 圖形商標檢索 |
| d | VDU ? 通知函產生 | |
| d | OCR/InsAI ? 票據與證件欄位擷取 | |
| a | LLM+RAG ? 公文生成參考與權控 | |
| y | r.o.d.d.a.y.e.y.e. | |
| Q | e | 邊境風險評估（RAE）導入的單位為？ |
| y | 日本出入國在留管理廳 | |
| e | 新加坡民航局 | |
| v | . | 馬來西亞移民局 |
| r | 菲律賓關務署 | |
| o | r.o.d.d.a.y.e.y.e. | |
| Q | d | 某機關要降低公文生成的『幻覺』並確保有依據，最貼近本課程建議的做法是？ |
| d | 使用單一大型模型並加長提示詞 | |
| v | a | 建立公文智庫，採檢索增強（Retrieval/Embedding）讓 LLM 依據參考公文生成 |
| y | 改用關鍵字模板不引入模型 | |
| e | 改以人工審查取代任何自動化 | |
| y | r.o.d.d.a.y.e.y.e. | |
| Q | e | 某機關需在內網自動產生與寄送通知函，且文件含敏感資訊，最符合本課程案例的技術組合？ |
| . | 公有雲 LLM + 電子郵件匯出 | |
| v | r | VDU + 地端 LLM（如 TAIDE／LLaMA／Claude 3） |
| o | 僅以 OCR 與 RPA | |
| d | 以資料倉儲 SQL 產生 PDF | |
| d | r.o.d.d.a.y.e.y.e. | |
| Q | a | 智慧城市洪患監控/預測的資料處理與來源，哪一項最貼近本課程？ |
| y | 僅依歷史報表推估 | |
| e | 只靠社群平台即時貼文 | |
| y | 以人工巡檢為主 | |
| v | e | 結合水文感測與天氣資料，在雲端分析 |
| . | r.o.d.d.a.y.e.y.e. | |
| roddayeye整理，嚴禁抄襲 roddayeye.pixnet.net/blog |
文章標籤
全站熱搜
