在大型 Transformer 模型的效能優化過程中，常見的方法之一是「剪枝（Pruning）」。下列哪一項最符合該方法的核心概念？
答案 （B）
核心概念
模型壓縮有幾種主流手法，各有各的動作：剪枝（Pruning）是「剪掉」不重要的權重或神經元，讓模型變小變快；量化（Quantization）是降低數值精度（例如 FP32 → INT8），用更少位元表示同一個權重；知識蒸餾（Knowledge Distillation）是讓小模型去模仿大模型的輸出。剪枝的關鍵動詞就是「移除」。
答題技巧
快速判斷技巧：把壓縮三兄弟的動詞背起來——剪枝＝移除、量化＝降精度、蒸餾＝小模型學大模型。題目問哪一個，就找對應的動詞。
易錯陷阱：(A) 的「更接近零」很容易讓人聯想到 L1 正則化把權重壓成 0，進而以為那就是剪枝。差別在於：正則化是訓練時讓權重變小，剪枝是真的把參數從模型裡拿掉。