某企業導入大型語言模型（LLM）進行長篇法規文件的問答查詢。使用者反映，當問題需整合文件中較不相關的資訊時，模型回答的連貫性與準確性明顯下降。技術團隊認為此現象與模型架構特性有關。下列何者最能說明傳統 Transformer 在此情境下的限制？
答案 （A）
核心概念
Transformer 有一個硬性限制——上下文窗口（Context Window）的長度是固定的，一次能看進去的 token 數量有上限。面對長篇法規文件時，模型無法把整份文件同時放進視野，只能處理被塞進窗口的那一段。當使用者的問題需要整合散落在文件不同位置的資訊時，其中一部分可能根本不在當前窗口內，回答的連貫性與準確性自然下降。
答題技巧
快速判斷技巧：長文件問答的限制題，答案幾乎都指向「上下文窗口有限」。實務上的解方是 RAG（先檢索出相關段落再送進窗口），這也是為什麼長文件查詢系統幾乎都會搭配 RAG。
易錯陷阱：(C) 前半句正確會讓人放行。務必讀完整句——「仍可完整處理所有輸入內容」與窗口限制直接矛盾。這類「前對後錯」的選項是本系列考卷的常見手法。