某公車系統想預測各站點的到站時間，需要考慮歷史班次資料、即時路況、天氣等因素。由於路況變化複雜，傳統循環神經網路（Recurrent Neural Network, RNN）在建模時可能難以保留較早期的重要資訊。下列哪種架構最能解決這個問題？
答案 （D）
核心概念
傳統 RNN 在處理長序列時會遇到梯度消失，導致「很久以前的資訊」傳不到後面，也就是長期依賴問題。LSTM 的解法是在每個時間步加入三道門——遺忘門決定丟掉哪些舊記憶、輸入門決定寫入哪些新資訊、輸出門決定釋放多少，再搭配一條貫穿整個序列的細胞狀態（Cell State）當作記憶高速公路，讓重要資訊可以長距離傳遞而不衰減。
答題技巧
快速判斷技巧：看到「RNN ＋ 長期資訊保留不住」，答案永遠是 LSTM 或 GRU。這是固定的症狀－解方配對，看到就選，不必再讀其他選項。
易錯陷阱：本考點與 114-4 科目 1 第 16 題（RNN 梯度消失）是同一組概念的兩種問法——那題問「挑戰是什麼」，這題問「怎麼解決」。把「RNN 的問題是長期依賴、解法是 LSTM/GRU」這組配對背熟，兩題都能秒答。