某 AI 科技公司在工業缺陷檢測領域已有成熟的辨識產品經驗。現欲與新客戶合作開發一項類似產品的表面瑕疵檢測系統，但因新產品量產不久，標註樣本極為稀少且專家標註成本高昂。在不大幅增加標註預算的前提下，下列哪一種做法最能利用該公司既有的技術優勢來提升模型表現？
答案 （D）
核心概念
遷移學習的精神是「把在來源任務學到的知識搬到目標任務用」。這家公司在工業缺陷檢測已有成熟模型，那個模型的前段已經學會了提取「表面、紋理、邊緣、瑕疵樣態」這類通用視覺特徵，這些能力在新產品上同樣適用。只要把既有模型當成預訓練起點，用少量新樣本微調後段層，就能在標註稀少的情況下達到不錯的表現——這正好對應題目的兩個條件：善用既有技術優勢、不增加標註預算。
答題技巧
快速判斷技巧：題幹只要同時出現「已有類似領域的成熟模型」＋「新任務標註樣本少」，答案一定是遷移學習。這組條件是它的專屬情境。
易錯陷阱：(B) 資料增強在小樣本問題上是常見解法，很容易被選。分辨的關鍵在題目那句「最能利用該公司既有的技術優勢」——資料增強不需要任何既有模型，任何人都能做；只有遷移學習才用得到公司累積的預訓練成果。題目的限定條件就是篩選答案的依據。