考試介紹 面向推動 AI 採用的業務人員,考覈生成式 AI 基礎、Google Cloud 產品與業務應用策略。
考試代碼 GCP-GAIL
官方考試/認證名稱 Google Cloud Generative AI Leader
考試形式 50–60 道單選題及多選題(標準考試)
考試時長 90 分鐘
官方可選考試語言 英文、日文、西班牙文、葡萄牙文 官方考試語言與下方練習題文件的語言分別列出;實際考試版本及可選語種以官方預約頁面爲準。
官方來源:官方資料 信息覈對日期:2026-10-20
先試閱,再決定 前20 題免費試閱 題庫共 161 題
題目按題庫原始順序展示。展開查看答案和解析。
免責聲明:本站所有題目均整理自互聯網,僅供學習參考。
第 11 題 Question#11Topic1
一家公司訓練了一個生成式 AI 模型,用於將客戶回饋分類為正面、負面或中性。然而,訓練資料集中來自某一特定人口羣體的回饋比例過高,並且使用了已經過時、無法反映當前客戶溝通方式的語言規範。模型部署後,在對新的客戶回饋進行情感分析時表現出明顯偏誤,會錯誤分類來自代表性不足羣體的評論,也難以理解當前的俚語或表達方式。這屬於哪種模型侷限性?
A. 邊緣案例
B. 資料依賴性
C. 幻覺
D. 過擬合
查看答案與解析 答案 B
解析 解釋: 資料依賴性描述了訓練資料的品質、代表性和準確性與模型輸出之間的直接關系。當訓練資料存在偏見、不完整或已經過時時,模型會學習並複制這些缺陷,從而在訓練集沒有覆蓋的真實場景中產生有偏誤的結果和效能問題。
第 12 題 Question#12Topic1
一家公司希望構建一個模型,將客戶評論分類為正面、負面或中性。他們已經收集了數千條客戶評論,並且每條評論都由人工標注了對應的情感類別:正面、負面或中性。公司應該使用哪種機器學習?
A. 強化學習
B. 深度學習
C. 非監督式學習
D. 監督式學習
查看答案與解析 答案 D
解析 解釋: 當擁有帶標籤的資料集時,應使用監督式學習。在本例中,每條客戶評論(輸入)都明確對應一個已知的情感標籤——正面、負面或中性(標籤)。模型學習文本特徵與這些預定義類別之間的關系,從而能夠預測新的、未見過的評論所表達的情感。
第 13 題 Question#13Topic1
一個訂單履行團隊使用一個智能體來自動處理訂單、更新庫存、發送發貨通知並處理退貨。這屬於哪種類型的智能體?
A. 對話智能體
B. 客戶服務智能體
C. 員工生產力智能體
D. 工作流程智能體
查看答案與解析 答案 D
解析 解釋: D. 工作流程智能體。工作流程智能體(或工作流程自動化智能體)專門用於自動執行和管理一系列相互關聯的任務,這些任務通常跨越不同系統或業務流程的不同階段。
第 14 題 Question#14Topic1
一家公司正在開發一個生成式 AI 應用程式,用於分析透過線上調查收集的客戶回饋。由於回饋中包含個人身分資訊,利害關係人擔心這些資料可能帶來隱私風險。在使用這些資料訓練 AI 模型之前,公司需要降低這些風險。公司應該優先採取哪項措施?
A. 在今後的調查中只收集定量回饋資料。
B. 實施嚴格的存取控制,限制哪些團隊可以檢視原始調查資料。
C. 確保使用規模大且多樣化的資料集訓練 AI 模型。
D. 應用程式資料匿名化技術,刪除或模糊敏感資料。
查看答案與解析 答案 D
解析 解釋: 應用程式資料匿名化技術,刪除或模糊敏感資料。
第 15 題 Question#15Topic1
一家公司透過開放式調查問題收集客戶回饋,客戶可以用自己的語言寫下詳細回答,例如:“產品很容易使用,客服也很出色,但配送時間比預期更長。”這屬於哪種類型的資料?
A. 量化資料
B. 結構化資料
C. 帶標籤資料
D. 非結構化資料
查看答案與解析 答案 D
解析 解釋: 非結構化資料是指沒有預定義資料模型,或者沒有按照預定義方式組織的資訊。開放式調查回答、電子郵件、影片和音訊檔案都是典型示例 [1]。由於客戶可以自由使用自己的語言進行表達,這些資料缺乏統一格式,在未經處理的情況下無法輕松映射到傳統關系資料庫表中。
下載與使用 本資料按考試單獨購買,支持 1、3、6 或 12 個月期限。 支付確認後,在“我的練習題”中查看下載入口和準確到期時間。 有效期內可重複下載;到期後需要重新購買。 PDF 僅供購買者個人學習使用,不可轉售或公開分享。 已下載至設備的文件不會因權限到期被遠程刪除。 如何選擇適合自己的認證