某電商公司訓練一套深度學習模型，用來預測顧客是否會退貨。工程師觀察訓練紀錄發現：模型在第 1 個 Epoch（輪次）時預測表現不佳，隨著訓練進行，內部參數不斷被自動更新，到第 50 個 Epoch 時預測準確度已大幅提升。模型在訓練過程中，主要根據下列哪一項資訊決定模型參數的更新方向？

某製造業工廠導入 AI 模型預測設備故障風險，技術團隊向產線主管說明模型運作原理：模型在每一輪訓練中，會依據「預測故障機率」與「實際發生故障結果」之間的落差程度，產生一項量化指標，並將該數值提供給後續模型訓練流程，作為模型參數調整的重要依據。請問此敘述最符合深度學習訓練流程中哪個元件的功能？

某金融科技公司導入多任務學習架構，讓單一 Transformer 模型同時執行 OCR（Optical Character Recognition）後的文檔分類以及命名實體辨識（Named Entity Recognition, NER）任務， 以協助自動歸檔與抽取關鍵金融資訊。在部署初期，團隊發現當模型的 NER 準確率（Accuracy）提升時，文檔分類準確率反而下降。若模型架構正確且資料品質良好，下列哪一項最可能是造成此現象的原因？

某金融機構導入 AI 模型進行信用卡詐欺偵測，由於詐欺交易極為稀少（約佔全部交易 0.3%），因此模型在測試階段得到 99.6%準確率（Accuracy），被初步認定為「高效模型」。然而在實際上線後，風控部門發現模型幾乎無法攔截詐欺交易，且大量誤判正常交易。經進一步檢查，發現資料極度不平衡，但模型仍以 Accuracy 作為主要優化與評估指標。在此情境下，下列何者最適當的改善方向？

某工程師在建立房價預測模型時，訓練資料中存在少數豪宅（成交價超過一般物件 10 倍以上）。若工程師希望模型對這些極端高價物件的預測誤差更敏感，並在訓練時產生較大的梯度更新影響，應優先選擇下列哪種損失函數？

某工程師同時開發兩個模型：一個預測使用者「隔日 App 使用時長（分鐘）」，另一個預測使用者「隔日是否流失（是/否）」。關於上述兩個任務，他應分別選擇哪種適當的損失函數？

工程師在 PyTorch 中建構貓、狗、鳥三分類 CNN，並使用交叉熵損失函數（CrossEntropyLoss）作為訓練目標。由於此損失函數在內部已包含 Softmax 計算，輸出層的設計需特別注意。請問輸出層的激活函數（Activation Function）與輸出維度應如何設定？

分析師準備建立一個能將手寫數字圖片（28x28 像素展平為 784 維度）分為 0~9 共 10 個類別的多層感知機（MLP），且標籤已轉為 One-Hot 編碼（One-Hot Encoding）。為符合 10 個類別的單標籤分類需求，下圖中的程式碼中(A)與(B)的函數應填入何者？