在命名實體辨識（Named Entity Recognition, NER）任務中，模型需根據整句文字判斷每個詞的標籤，並考慮詞與詞之間的關聯性。若採用 Conditional Random Field（CRF）作為模型，下列何者最能描述其模型類型？
答案 （C）
核心概念
條件隨機場（CRF）直接建模「在給定整個觀測序列的條件下，標籤序列的機率」，也就是 P(標籤序列 | 觀測序列)。它不去建模輸入資料本身是怎麼產生的，只專注在「給定輸入該輸出什麼標籤」——這正是鑑別式模型的定義。相對地，隱馬可夫模型（HMM）會建模觀測與狀態的聯合機率分布，屬於生成式模型，兩者常被拿來對照。
答題技巧
快速判斷技巧：判斷生成式或鑑別式只問一句——這個模型有沒有去建模「資料本身怎麼來的」？有就是生成式，只學決策邊界或條件機率就是鑑別式。CRF 屬於後者。
易錯陷阱：容易把 CRF 與 HMM 混為一談，因為兩者都用於序列標註。記住這組對照：HMM 是生成式（建模聯合機率）、CRF 是鑑別式（建模條件機率），這也是 CRF 在 NER 上表現通常較好的原因。