在建構一個能生成不同職業人物圖像的模型時，您發現訓練資料存在偏差，且某些屬性會扭曲輸出。哪種緩解技術可以解決這個問題？

當訓練資料存在偏差，導致模型生成的人物圖像在某些職業上表現失真時，資料擴增是有效的緩解技術。透過對代表性不足的職業類別增加合成或變化的訓練樣本，可以平衡資料集，讓模型學習到更全面的特徵，進而減少對少數類別的偏見，生成更多樣且準確的圖像。監控模型類別分佈是評估模型表現的工具，而非解決偏差的技術。檢索增強生成 (RAG) 適用於文字生成，透過外部知識庫提升生成內容的準確性，與圖像生成偏差問題無關。圖像浮水印偵測是用於識別圖像來源或版權，與訓練資料偏差無關。