愛寫字的工程師在大型 Transformer 模型的效能優化過程中，常見的方法之一是「剪枝（Pruning）」。下列哪一項最符合該方法的核心概念？
答案 （B）
核心概念
模型壓縮有三種主流手法，各有各的動詞，剪枝的動詞是「移除」。
剪枝是把用不到的枝條剪掉，量化是把每根枝條削細，蒸餾是另外種一棵小樹去學大樹的樣子。
・剪枝（Pruning）：剪掉不重要的權重或神經元，讓模型變小變快
・量化（Quantization）：降低數值精度（例如 FP32 → INT8），用更少位元表示同一個權重
・知識蒸餾（Knowledge Distillation）：讓小模型去模仿大型模型的輸出
答題技巧
快速判斷技巧：把壓縮三兄弟的動詞背起來。剪枝＝移除、量化＝降精度、蒸餾＝小模型學大型模型。 題目問哪一個，就找對應的動詞。
易錯陷阱：(A) 的「更接近零」很容易讓人聯想到 L1 正則化把權重壓成 0，進而以為那就是剪枝。 差別在於：正則化是訓練時讓權重變小，剪枝是真的把參數從模型裡拿掉。