某公司開發的智慧車載語音助理，可透過語音辨識（ASR）辨識駕駛語音，再由 LLM 生成回答並查詢車載 API。測試中發現：ASR 對汽車專業術語辨識錯誤率高；LLM 的回覆常不精確；系統回覆延遲雖存在但仍可接受。若目標是「優先提升準確性與回答品質」，下列改進步驟的最合理執行順序為何？
1. 擴充並標註汽車領域語音資料，微調 ASR 模型
2. 微調 LLM 並加入檢索增強（RAG）
3. 優化系統架構，引入批次推論降低延遲
4. 動態調整生成溫度，平衡準確度與多樣性

Question

(A) 1 → 2 → 4 → 3
(B) 2 → 1 → 3 → 4
(C) 1 → 3 → 2 → 4
(D) 3 → 1 → 2 → 4

Accepted Answer

正確答案：(A) 1 → 2 → 4 → 3

這是串接式系統的排序題，兩個原則就能解——第一，先修上游：ASR 在最前端，它辨識錯了，後面的 LLM 拿到的就是錯的文字，再怎麼調都是白費，所以第 1 步必須先做。第二，先做影響大的、後做微調參數的：微調 LLM 加 RAG（第 2 步）對回答品質是結構性的改善，調溫度（第 4 步）只是最後的細部平衡。至於延遲（第 3 步），題目明講「仍可接受」，而目標是準確性，所以排最後。

核心概念