模擬試題 「生成式 AI 應用與規劃」
初級 AI 應用規劃師：科目二「生成式 AI 應用與規劃」模擬試題
一、 No-Code
/ Low-Code 與 AI 民主化 (1-12 題)
1. 企業導入 No-Code 平台的主要目標為何？ (A) 增加專業開發者的工作負擔 (B) 推動 AI 民主化，讓非技術背景者也能參與應用 (C) 提高開發成本 (D) 限制 AI 的應用範圍
解答：(B) 解析： No-Code 旨在降低技術門檻，讓非技術人員透過視覺化介面建立應用，實踐 AI 民主化。
2. 關於 No-Code 與 Low-Code 平台的差異，下列敘述何者正確？ (A) No-Code 完全不需要程式基礎；Low-Code 結合簡單程式設計與視覺化工具 (B) 兩者功能完全相同 (C) Low-Code 平台僅適合專業開發者使用 (D) No-Code 平台可以處理無限的客製化邏輯
解答：(A) 解析： No-Code 專為非技術人員設計，Low-Code 則提供少量代碼空間以增加擴展性與靈活性。
3. 在 Low-Code 平台開發中，「模型 (Model)」扮演的角色為何？ (A) 僅是裝飾用的圖形 (B) 抽象描述資料結構、業務流程與介面邏輯的核心元素 (C) 被自動程式碼生成完全取代 (D) 無法在 Low-Code 環境中延展
解答：(B) 解析： 模型在 Low-Code 中是用來定義應用邏輯與流程的核心，影響應用的設計與維護。
4.
No-Code / Low-Code 平台如何縮短企業轉型週期？ (A) 透過增加編碼測試時間 (B) 透過視覺化模板與快速部署能力 (C) 透過限制參與開發的人數 (D) 透過忽略安全性檢查
解答：(B) 解析： 視覺化介面與預建模板能讓企業快速驗證構想（POC）並縮短上線時間。
5. 企業在 Low-Code 環境中最常遇到的管理風險（影子 IT）是指什麼？ (A) 資料庫備份失效 (B) 未經 IT 部門正式管理的應用程式過度擴散 (C) 硬體設備被偷竊 (D) 模型準確率太高
解答：(B) 解析： 由於開發門檻降低，部門可能自行開發大量應用，若缺乏統一管控，會造成資安與維護漏洞。
6. 下列哪一個產業應用最適合利用生成式 AI 輔助 Low-Code 平台？ (A) 僅用於單機版計算機 (B) 自動生成 App 介面模板與行銷推播內容 (C) 取代所有的資安防火牆 (D) 增加硬體維修的頻率
解答：(B) 解析： 生成式 AI 能快速產出介面雛形與內容，極大化 Low-Code 的開發效率。
7.
No-Code 平台的核心優勢之一是： (A) 完全取代專業軟體工程師 (B) 加速開發流程並降低企業開發成本 (C) 僅能製作靜態網頁 (D) 讓系統運行變慢
解答：(B) 解析： 藉由減少手寫程式碼，能降低開發成本並提升效率。
8. 下列何者屬於 No-Code 平台在推動 AI 民主化時面臨的挑戰？ (A) 使用者可能缺乏對 AI 原理的深層理解，導致模型誤用 (B) 工具太過便宜 (C) 平台只能在雲端執行 (D) 操作介面太過專業
解答：(A) 解析： 民主化降低了門檻，但使用者若不了解 AI 幻覺或偏誤等特性，可能產出錯誤決策。
9.
Low-Code 平台在企業數據管道 (ETL) 中的角色為何？ (A) 完全取代所有資料庫 (B) 取代部分傳統 ETL 方案，加速資料預處理流程 (C) 僅能處理 10 筆以下的資料 (D) 增加數據清理的難度
解答：(B) 解析： 透過視覺化流程管理，能快速完成數據轉換與載入。
10. 什麼是「AI 民主化」？ (A) 讓 AI 投票選出總統 (B) 讓大眾均有能力接觸、使用及開發 AI 技術 (C) 讓 AI 決定政府預算 (D) 限制只有政府能使用 AI
解答：(B) 解析： 意指降低技術壁壘，使廣大使用者能運用 AI 提升價值。
11. 在 No-Code 平台中，若要將不同模態（如文字、圖片）整合，通常會採用哪種機制？ (A) 手寫 C++ 驅動程式 (B) 調用多模態 API 並透過圖形化連線整合 (C) 購買更多硬碟空間 (D) 刪除其中一個模態
解答：(B) 解析： 透過 API 串接不同能力的 AI 模型是 No-Code 最常見的整合方式。
12. 關於企業使用開源模型（如 LLaMA）與 SaaS API（如 ChatGPT）的比較，下列敘述何者正確？ (A) 開源模型完全不需要任何技術能力 (B) SaaS API 通常具備較高的資料隱私控制，但需支付運算成本 (C) 開源模型有利於在地端私有部署以確保資料不出境 (D) 兩者在隱私控管上完全相同
解答：(C) 解析： 開源模型允許企業在地端部署，適合金融、醫療等對隱私要求極高的產業。
二、 生成式 AI 工具應用與最新趨勢 (13-28 題)
13. 生成式 AI 的「自注意力機制 (Self-Attention)」主要解決了什麼問題？ (A) 電腦螢幕過亮 (B) 捕捉序列中長距離的依賴關係 (C) 增加手動標註資料量 (D) 減少硬碟儲存空間
解答：(B) 解析： Transformer 的核心機制讓模型能同時關注序列中不同位置的詞，解決了長文本理解難題。
14. 生成式 AI 的「幻覺 (Hallucination)」是指什麼現象？ (A) AI 看到靈異影像 (B) 模型產生看似合理但事實錯誤或與事實不符的內容 (C) 系統過熱導致關機 (D) 使用者使用時間過長產生的錯覺
解答：(B) 解析： LLM 是基於機率預測下一個字，若知識庫不足或提示不當，會虛構事實。
15. 衡量語音生成內容準確性的指標通常使用： (A) 準確率 (Accuracy) (B) 單字錯誤率 (Word Error Rate, WER) (C) MSE
(D) _R_2
解答：(B) 解析： WER 常用於衡量語音轉文字 (ASR) 或文字轉語音後的還原度。
16. 擴散模型 (Diffusion Models) 在影像生成中的核心機制為何？ (A) 增加圖片飽和度 (B) 透過逐步加入與移除噪聲的反向過程生成內容 (C) 對抗兩個神經網路 (D) 將圖片轉為黑白
解答：(B) 解析： 擴散模型透過學習從隨機噪聲中「去噪」來重建清晰、高品質的圖像。
17. CLIP 模型之所以能達成跨模態檢索，是因為它做了什麼？ (A) 將文字與影像映射到共同的語意嵌入空間 (B) 刪除了所有文字說明 (C) 僅學習影像的顏色 (D) 將影像轉換為純文字
解答：(A) 解析： 透過圖文對齊學習，讓電腦能理解「文字描述」與「影像內容」在空間中的接近性。
18. SAM
(Segment Anything Model) 在電腦視覺中的優勢為何？ (A) 只能切割貓的圖片 (B) 具備強大的零樣本遷移能力，能切割未見過的物體類別 (C) 增加圖片的解析度 (D) 減少圖片的色彩深度
解答：(B) 解析： SAM 具備優異的泛化能力，不需額外標註即可進行多種影像分割任務。
19. 下列何者屬於「多模態生成」的典型案例？ (A) 將一段文字翻譯成另一種語言 (B) 根據文字提示詞生成一段影片或語音摘要 (C) 預測明天的股市點數 (D) 判斷一封信是否為垃圾郵件
解答：(B) 解析： 多模態涉及不同感知類型（如文字轉影像/影片）的轉換。
20. 為了緩解 GAI 內容不穩定的問題，規劃師在實務中常加入哪種機制？ (A) 增加 GPU 數量 (B) 加入事實檢查機制與人工覆核 (C) 縮減網路頻寬 (D) 禁用 Prompt Engineering
解答：(B) 解析： 透過事實檢索（如 RAG）與人工確認，能確保生成內容在商業場景的可靠性。
21. 關於 GAN (生成對抗網路) 的訓練，下列敘述何者正確？ (A) 生成器與鑑別器互助合作 (B) 生成器試圖欺騙鑑別器，鑑別器則努力區分真偽 (C) 只需要一個神經網路即可 (D) 它是監督式學習的代表
解答：(B) 解析： GAN 是透過兩個神經網路的博弈對抗來提升生成品質。
22. 下列哪一個指標常用於評估「文字摘要」的內容召回率？ (A) BLEU (B) ROUGE (C) mAP (D)
RMSE
解答：(B) 解析： ROUGE 關注生成內容與參考文本的重疊程度，常考於摘要評估。
23. 2025 年 CES 展中提出的「代理式 AI (Agentic AI)」其特徵為何？ (A) 只能被動回答問題 (B) 具備推理與計畫能力，能自動完成複雜任務 (C) 完全不需人類輸入指令 (D) 僅限於純文字處理
解答：(B) 解析： Agent AI 的重點在於能主動調用工具並執行多步驟流程。
24. 什麼是「模型對齊 (Alignment)」？ (A) 調整模型輸出的大小 (B) 確保模型輸出符合人類價值觀、倫理與安全標準 (C) 將模型對齊硬體 CPU (D) 刪除模型中的多餘欄位
解答：(B) 解析： 對齊是為了防止 AI 產生危險、偏見或不當的回答。
25. 在圖像生成任務中，想要產出與台灣特色相關的插畫，資料選擇應注意： (A) 包含大量國外科幻圖片 (B) 納入具在地化風格、文化元素的高品質語料 (C) 刪除所有彩色圖片 (D) 僅使用隨機生成的數據
解答：(B) 解析： 資料的多樣性與在地化直接影響特定領域的生成品質。
26. 對於生成式 AI 著作權爭議，目前多數共識認為： (A) AI 擁有著作權 (B) 純 AI 生成內容且無人類創意投入者，通常不受著作權保護 (C) 所有 AI 作品皆屬公有領域 (D) 任何人都不能使用 AI 作品
解答：(B) 解析： 多數法律框架強調「人類的創意貢獻」才是取得著作權的要件。
27. 什麼是「微調 (Fine-tuning)」？ (A) 購買更小的電腦 (B) 在預訓練模型基礎上，使用特定資料優化特定任務表現 (C) 縮減模型的參數量 (D) 重寫所有的程式碼
解答：(B) 解析： 微調能讓通用模型（如 GPT）在特定垂直領域（如醫療、法律）表現更佳。
28. 生成式 AI 在製造業「產品設計」中的價值為何？ (A) 取代所有工人 (B) 自動生成創新設計原型並縮短研發週期 (C) 增加電力消耗 (D) 減少產品產量
解答：(B) 解析： 利用 AI 進行模擬與設計優化，能加速新產品進入市場的速度。
三、 提示工程 (Prompt Engineering) 技術 (29-45 題)
29. 提示工程中的「CRISPE」框架，其中 "R" 代表什麼？ (A) Result (結果) (B) Role (角色) (C) Reset (重置) (D) Reward (獎勵)
解答：(B) 解析： 指定 AI 扮演特定專家角色（如：資深律師），能引導產出更專業的內容。
30. 提示工程中的「Few-shot Prompting」是指： (A) 完全不給範例 (B) 提供少量高品質範例引導 AI (C) 提供上萬筆資料訓練 (D) 刪除提示詞
解答：(B) 解析： 透過給予 2-3 個示範，能讓 AI 理解期望的輸出格式。
31. 為了提升 AI 處理複雜數學或邏輯題的正確率，應採取哪種提示技巧？ (A) 命令 AI 快速回答 (B) 思維鏈 (Chain of Thought, CoT)，要求 AI 一步步思考 (C) 僅使用英文提問 (D) 縮短提問長度
解答：(B) 解析： CoT 能強迫模型顯示中間推理步驟，顯著降低邏輯錯誤。
32. 關於「溫度參數 (Temperature)」的設定，下列何者正確？ (A) 溫度越高，回覆越穩定嚴謹 (B) 溫度越低（如 0.1），回覆越具創造力 (C) 低溫度適合正式報告，高溫度適合創意寫作 (D) 溫度越高，模型運行速度越快
解答：(C) 解析： 溫度控制隨機性。低溫產出高度一致、高溫產出多樣且具隨機性。
33. 提示詞中的「分隔符號」（如 """ 或 ###）主要用途為何？ (A) 讓畫面更美觀 (B) 區分使用者輸入與系統指令，防範提示注入風險 (C) 減少運算成本 (D) 代替標點符號
解答：(B) 解析： 指引 AI 哪些是外部資料，哪些是核心指令，增加安全性。
34. 什麼是「提示詞注入 (Prompt Injection)」？ (A) 定期為 AI 更新數據 (B) 惡意使用者透過指令試圖繞過 AI 的安全限制或取得私密資訊 (C) 提高 AI 的運算效率 (D) 將提示詞翻譯成多國語言
解答：(B) 解析： 這是一種針對大語言模型的攻擊手法，規劃師需在設計時予以防範。
35. 在提示工程中，「Zero-shot」是指： (A) 刪除所有數據 (B) 在不提供任何範例下，要求模型執行任務 (C) 將模型準確率降為零 (D) 僅限影像生成
解答：(B) 解析： 考驗模型原生預訓練的泛化能力。
36. 「Top-p (核採樣)」參數的作用是： (A) 限制模型只從累積機率達特定閾值的詞群中選字 (B) 決定模型的總參數量 (C) 決定圖片的大小 (D) 增加模型的記憶體
解答：(A) 解析： Top-p 能有效過濾掉不通順或機率極低（低品質）的字詞。
37. 規劃師撰寫 Prompt 時，為了獲得可直接用於系統的 JSON 格式，應在何處指定？ (A) Context (背景) (B) Post-processing (後處理格式要求) (C) Example (範例) (D) 以上皆是
解答：(D) 解析： 好的 Prompt 會結合背景描述、具體要求與範例來確保格式正確。
38. 下列何者「不是」提升提示工程效果的方法？ (A) 指令模糊化以增加驚喜感 (B) 提供明確的上下文背景 (C) 透過 Few-shot 提供對應範例 (D) 加入負向提示（Negative Prompt）排除不想要的內容
解答：(A) 解析： 模糊指令會導致生成結果不可預測，增加商業應用風險。
39. 「負向提示詞 (Negative Prompt)」最常應用於哪種工具？ (A) 股價預測 (B) 影像生成工具（如 Stable Diffusion） (C) 資料庫檢索 (D) 機器人控制
解答：(B) 解析： 用來告訴 AI 圖片中「不要」出現什麼（如：不要模糊、不要多餘手指）。
40. 在使用 RAG 架構時，提示工程的主要任務是： (A) 教會 AI 寫程式 (B) 指引 AI 根據「檢索到的內容」準確回答問題 (C) 增加模型層數 (D) 降低 GPU 溫度
解答：(B) 解析： Prompt 需明確告知 AI 僅根據提供的參考片段生成答案。