某金融機構導入檢索增強生成（Retrieval-Augmented Generation, RAG）模型，用於客服文件查詢與自動回覆。由於大型模型運算成本過高，若考慮引入知識蒸餾（Knowledge Distillation, KD）技術，下列何者為帶來的主要效益？
答案 （A）
核心概念
知識蒸餾是模型壓縮的一種手法，讓一個小模型（學生）去學習大模型（老師）的輸出行為——不只學最終答案，還學老師輸出的機率分布（軟標籤），藉此把大模型的「判斷經驗」轉移過來。結果是模型體積與運算成本大幅下降，效能卻能維持在可接受的水準，非常適合成本敏感的線上服務場景。
答題技巧
快速判斷技巧：先看選項語氣。含有「只能」「無法」「僅能依賴」的敘述多半是編造的限制，先刪；剩下那個平實描述技術效益的通常就是答案。
易錯陷阱：(C) 把兩個不同層次的技術混為一談，是常見的觀念混淆。建立清楚的分工圖：RAG 管知識、微調管風格、蒸餾與量化管成本，三條線各走各的。