愛寫字的工程師在深度學習模型的微調（Fine-tuning）過程中，可能出現所謂的「災難性遺忘（Catastrophic Forgetting）」。此現象最可能造成哪種情況？
答案 （D）
核心概念
預訓練模型的權重裡存著大量通用知識，災難性遺忘就是這批知識被新資料覆蓋掉。
想像你原本英文日文都會，然後整整半年只講日文、天天只練日文。半年後日文變超好，英文卻卡住了。模型的權重就是那份語感，一直只餵同一種資料，舊的就會被蓋掉。
微調時如果只用某個窄領域的小資料集、又用了偏大的學習率訓練太久，權重會被新資料整個帶著跑，原本存下來的通用能力就被蓋掉。新任務變強、舊任務崩壞。常見的緩解方式包括降低學習率、凍結部分層、參數高效微調（如 LoRA）、或混入原始領域資料一起訓練。
答題技巧
快速判斷技巧：抓住「遺忘的是舊的、不是新的」這個方向。 凡是描述「學不會新東西」的選項一律排除，只留下「舊能力退步」的那一個。
易錯陷阱：(B) 只把方向對調就變成誘答，掃太快很容易踩。 建議看到這類名詞題，先在心裡把名詞拆開解釋一次。災難性「遺忘」，忘掉的當然是原本會的東西。