某音樂串流平台希望開發一套 AI 系統，能根據平台上累積的大量歌曲資料，自動生成具有不同風格變化的全新旋律，供創作者作為靈感參考。平台技術長在評估方案時強調，系統不能只是播放或拼接既有歌曲片段，也不能僅進行資料的重建，而是要真正學習音樂的結構與風格，並創作出從未出現過的新旋律。請問下列哪一種模型技術最符合此需求？
答案 （C）
核心概念
題幹設了三道排除條件——不能拼接既有片段、不能只做資料重建、要能創作全新內容。生成對抗網路由生成器與判別器對抗訓練：生成器不斷嘗試產生足以騙過判別器的樣本，判別器則不斷提升辨別真偽的能力，兩者互相拉抬。最終生成器學到的是資料的分布本身，因此能產生訓練集中從未出現過的新樣本，符合「創作」的要求。
答題技巧
快速判斷技巧：先刪掉所有判別式模型（KNN、隨機森林），剩下自編碼器與 GAN 二選一。再看題目排除了什麼——排除「重建」就是排除自編碼器，答案自動浮現。
易錯陷阱：題幹那句「也不能僅進行資料的重建」正是出題者留給你的鑰匙，專門用來排除 (B)。這類長題幹中的否定條件往往是最關鍵的線索，讀題時要特別留意。