16. 某金融機構欲建立內部法規問答系統，供員工查詢最新的洗錢防制與客戶盡職調查規範。試行階段發現，大型語言模型有時會生成看似合理、但實際上並不存在的法規條文編號與內容，員工若未經查證直接引用，恐衍生合規風險。技術團隊評估後，應優先導入下列何種技術架構，以有效緩解此一問題？ (A)使用主成分分析(PCA)降低員工輸入問題的特徵維度，以減少查詢語句中的雜訊干擾； (B)導入檢索增強生成(RAG)技術，讓模型於生成回覆前，先從企業內部真實的法規文件中檢索相關內容，再依據檢索結果作答；(C)提高模型生成時的溫度參數(Temperature)至最大值，讓模型輸出更具創意與多樣性，藉此提升回覆內容的豐富度； (D)利用卷積神經網路(CNN)過濾員工輸入問題中的錯別字，確保輸入文字正確無誤

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

相關試題

相關試卷