某電商公司訓練一套深度學習模型，用來預測顧客是否會退貨。工程師觀察訓練紀錄發現：模型在第 1 個 Epoch（輪次）時預測表現不佳，隨著訓練進行，內部參數不斷被自動更新，到第 50 個 Epoch 時預測準確度已大幅提升。模型在訓練過程中，主要根據下列哪一項資訊決定模型參數的更新方向？
答案 （A）
核心概念
參數往哪裡調，看損失函數的梯度，而且是往梯度的反方向走。
損失函數（Loss Function）量的是「預測跟答案差多少」。梯度（Gradient）告訴你：每個參數往哪個方向動，損失會增加最快。所以要往反方向走，損失才會下降，這就是梯度下降（Gradient Descent）。50 個 Epoch 裡每一輪都重複這件事，準確度才慢慢爬上來。
答題技巧
快速判斷技巧：問「參數更新方向」，答案固定是損失函數（Loss Function）的梯度（Gradient）反方向。 ・更新方向 → 梯度反方向 ・更新多少 → 學習率決定 ・準確率 → 只用來評估，不用來更新
易錯陷阱：(D) 準確率最容易誤選，因為題幹一直在講準確度提升。 關鍵差異：準確率是「結果」，梯度才是「怎麼調」的依據。 警訊詞：「直接決定」出現兩次，都是要否定的說法。