本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 架構
<a name="architecture"></a>


| **問題** | **回應範例** | 
| --- | --- | 
| 正在考慮哪種類型的生成式 AI 模型或架構？ | 轉換器、卷積神經網路 (CNN)、遞歸神經網路 (RNN)、決策樹等。 | 
| 預期的資料和運算規模或數量是多少？ | 數百萬使用者、PB 的資料等。 | 
| 訓練和推論的硬體需求 （例如 CPUs或 GPUs) 有哪些？ | 高階 GPUs、CPU 叢集、雲端執行個體等。 | 
| 生成式 AI 模型將如何隨著時間更新或重新訓練？ | 透過持續學習、定期重新訓練、手動更新等。 | 
| 什麼是資料預先處理和特徵工程需求？ | 文字清理、影像增強、功能選擇等。 | 
| 生成式 AI 系統會如何處理邊緣案例、極端值或低可信度輸入？ | 透過回復至人工監督、請求釐清等。 | 
| 生成式 AI 應用程式的延遲要求是什麼？ | 即時、近乎即時、批次處理等。 |