請瀏覽下列選項。

在離線推論中，我們可針對大量資料進行預測 一次方法。 然後將這些預測查詢字串放進查詢表，供之後使用。 以下有關離線推論的敘述何者正確？

我們必須針對所有可能的輸入建立預測。

是的，我們必須根據所有可能的輸入內容進行預測， 將其儲存至快取或對照表以使用離線推論。 這是離線推論的其中一個缺點。我們只有在 能為我們既有的範例 假設我們要預測的一組字元 例如世界上所有城市或資料庫表格中的所有項目 但對於任意形式的輸入內容，例如使用者查詢 特殊或稀有的商品，因此我們無法提供全面的防護 與離線推論系統結合

產生預測值後，我們可以先進行驗證再套用 具體做法是指示 Kubernetes 建立並維護 一或多個代表這些 Pod 的物件

這確實是關於離線推論的一項實用問題。我們可以 並驗證所有預測查詢字串

針對輸入的資料，我們可以更快速地提供預測結果 線上推論。

離線推論的一大優點是 並將預測結果寫入幾個查詢資料表 可將延遲時間降至最低沒有特徵運算或模型 且必須在要求時完成推論

我們必須長期仔細監控輸入信號 範圍。

我們實際上不需要監控輸入的 偵測到長期的信號這是因為 我們已將預測結果寫入查詢資料表，但系統已不再 才會根據輸入特徵請注意，後續更新 的分類作業需要重新進行輸入驗證

我們將快速應對世界上的變化。

否，這是離線推論的缺點。我們需要等待 將新的預測結果寫入查詢後 表格，才能根據 這份報告說明隨著 AI 影響力逐步擴大 採行負責任的 AI 技術做法能帶來的價值