人工智能系統(tǒng)開發(fā)鑒定考試題庫1.假設我們有一個如下圖所示的隱藏層。隱藏層在這個網(wǎng)絡中起到了一定的降維作用。假如現(xiàn)在我們用另一種維度下降的方法，比如說主成分分析法（PCA）來替代這個隱藏層。兩者的輸出效果是一樣的嗎?對錯(正確答案)2.使用降維技術(shù)的網(wǎng)絡與隱層網(wǎng)絡總是有相同的輸出嗎?對錯(正確答案)3.主成分分析是一種有監(jiān)督學習算法。對錯(正確答案)4.PCA提取的是數(shù)據(jù)分布方差比較大的方向，隱藏層可以提取有預測能力的特征。對(正確答案)錯5.K均值聚類算法是一種無監(jiān)督學習算法對(正確答案)錯6.深度學習與機器學習算法之間的區(qū)別在于，后者過程中無需進行特征提取工作，也就是說，我們建議在進行深度學習過程之前要首先完成特征提取的工作。（深度學習可以自行完成特征提取，機器學習需要人工處理）對錯(正確答案)7.提升卷積核（convolutionalkernel）的大小會顯著提升卷積神經(jīng)網(wǎng)絡的性能。對錯(正確答案)8.當在卷積神經(jīng)網(wǎng)絡中加入poolinglayer池化層時，變換的不變性會被保留。對(正確答案)錯9.CNN采用最大池化能夠產(chǎn)生一定程度上的平移不變性。對(正確答案)錯10.線性方程（y=mx+c）可以說是一種神經(jīng)元嗎?對(正確答案)錯11.在監(jiān)督學習任務中，輸出層中的神經(jīng)元的數(shù)量應該與類的數(shù)量（其中類的數(shù)量大于2）匹配。對錯(正確答案)12.Y=ax^2+bx+c（二次多項式）這個方程可以用具有線性閾值的單個隱層的神經(jīng)網(wǎng)絡表示。對錯(正確答案)13.卷積神經(jīng)網(wǎng)絡可以對一個輸入完成不同種類的變換（旋轉(zhuǎn)或縮放）。對錯(正確答案)14.可以用神經(jīng)網(wǎng)絡對函數(shù)（y=1/x）建模。對(正確答案)錯15.增加卷積核的大小對于改進卷積神經(jīng)網(wǎng)絡的效果是必要。對錯(正確答案)16.假設在ImageNet數(shù)據(jù)集（對象識別數(shù)據(jù)集）上訓練卷積神經(jīng)網(wǎng)絡。然后給這個訓練模型一個完全白色的圖像作為輸入。這個輸入的輸出概率對于所有類都是相等的。對錯(正確答案)17.訓練CNN時，可以對輸入進行旋轉(zhuǎn)、平移、縮放（增強數(shù)據(jù)）等預處理提高模型泛化能力。對(正確答案)錯18.決策樹是一種面向分類問題的有監(jiān)督學習算法。對(正確答案)錯19.通過增加模型復雜度，那么模型的測試答案:錯誤率總是會降低。對錯(正確答案)20.BP算法僅適用于多層前饋神經(jīng)網(wǎng)絡。對錯(正確答案)21.前饋神經(jīng)網(wǎng)絡的隱藏單元必須在所有的輸入點都可微對錯(正確答案)22.一個樹模型可能比一般回歸模型效果更好對(正確答案)錯23.過擬合只在監(jiān)督學習中出現(xiàn)，非監(jiān)督學習沒有過擬合。對錯(正確答案)24.數(shù)據(jù)維數(shù)很高時，很多機器學習問題會變得相當困難，這種現(xiàn)象叫做維數(shù)災難。對(正確答案)錯25.訓練好的模型在測試集準確率100%，則在新的數(shù)據(jù)集上也會達到100%。對錯(正確答案)26.Transformer架構(gòu)能夠捕捉長距離的依賴關(guān)系，因此適合處理長文本。對(正確答案)錯27.微調(diào)后的模型會保留所有的通用能力。對錯(正確答案)28.大模型復讀機問題的原因之一訓練數(shù)據(jù)不夠多樣化。對(正確答案)錯29.自注意力機制的引入使得LLM可以更好地理解上下文。對(正確答案)錯30.領(lǐng)域模型在訓練過程中不需要考慮通用數(shù)據(jù)集。對錯(正確答案)31.全參數(shù)微調(diào)需要大量顯存，因為需要更新所有模型參數(shù)。對(正確答案)錯32.LLM的訓練目標通常是基于自監(jiān)督學習。對(正確答案)錯33.在微調(diào)過程中，模型的過擬合問題可以通過數(shù)據(jù)增強來緩解。對(正確答案)錯34.PrefixLM能夠根據(jù)未來的文本生成當前文本。對錯(正確答案)35.大模型的訓練和微調(diào)過程中通常需要分布式訓練以節(jié)省資源。對(正確答案)錯36.LLaMA模型只適合處理中文文本。對錯(正確答案)37.CausalLM和PrefixLM在任務目標上是完全相同的。對錯(正確答案)38.微調(diào)后的模型在特定領(lǐng)域的表現(xiàn)往往優(yōu)于通用模型。對(正確答案)錯39.PEFT是一種幫助模型更好微調(diào)的技術(shù)。對(正確答案)錯40.在領(lǐng)域數(shù)據(jù)的訓練后，模型的通用能力往往下降，這是可以通過保持部分通用數(shù)據(jù)來緩解的。對(正確答案)錯41.全參數(shù)微調(diào)相比PEFT的顯存需求更少。對錯(正確答案)42.大模型的架構(gòu)越復雜，訓練時對顯存的需求越高。對(正確答案)錯43.CausalLM無法進行文本生成任務。對錯(正確答案)44.模型的涌現(xiàn)能力與計算資源無關(guān)。對錯(正確答案)45.微調(diào)時，批次大小的增加會導致更多的內(nèi)存需求。對(正確答案)錯46.Transformer架構(gòu)只能處理短文本。對錯(正確答案)47.PEFT是一種大模型的全參數(shù)微調(diào)方法。對錯(正確答案)48.在大模型訓練中，梯度消失問題通常出現(xiàn)在較淺的層次中。對錯(正確答案)49.PrefixLM是一種生成式預訓練模型。對(正確答案)錯50.BERT模型適用于文本生成任務。對錯(正確答案)51.模型復讀機問題是因為模型無法處理大規(guī)模數(shù)據(jù)集。對錯(正確答案)52.多頭注意力機制允許模型處理更復雜的上下文。對(正確答案)錯53.大模型在推理時不需要考慮顯存限制。對錯(正確答案)54.微調(diào)模型時，批次大小越大，顯存需求越小。對錯(正確答案)55.使用GeLU作為激活函數(shù)可以提高模型的非線性表達能力。對(正確答案)錯56.LLaMA模型輸入的文本長度是無限的。對錯(正確答案)57.CausalLM在處理長文本時比PrefixLM更有優(yōu)勢。對錯(正確答案)58.大模型在訓練時可以直接生成完整句子，而不需要輸入上下文。對錯(正確答案)59.Transformer架構(gòu)中的多頭注意力機制可以并行處理多個輸入。對(正確答案)錯60.全參數(shù)微調(diào)會更新所有模型參數(shù)。對(正確答案)錯61.深度學習中的“深度”是指（）A.計算機理解深度B.中間神經(jīng)元網(wǎng)絡的層次很多(正確答案)C.計算機的求解更加精確D.計算機對問題的處理更加靈活62.下列哪一項在神經(jīng)網(wǎng)絡中引入了非線性（）A.隨機梯度下降B.修正線性單元（ReLU）(正確答案)C.卷積函數(shù)D.以上都不對63.下列哪個神經(jīng)網(wǎng)絡結(jié)構(gòu)會發(fā)生權(quán)重共享（）A.卷積神經(jīng)網(wǎng)絡B.循環(huán)神經(jīng)網(wǎng)絡C.全連接神經(jīng)網(wǎng)絡D.選項A和B(正確答案)64.關(guān)于句子向量表示，下列說法正確的是（）A.只能通過有監(jiān)督學習獲得B.只能通過無監(jiān)督學習獲得C.有監(jiān)督sentence-bert和無監(jiān)督glove\wordevec學習都可以獲得(正確答案)D.以上都不對65.比較基于深度學習的在線更新跟蹤算法與在線不更新的跟蹤算法，下列說法錯誤的是（）A.一般來說，在線不更新的跟蹤算法速度更快B.一般來說，在線更新的跟蹤算法，可以適應目標的變化，和背景信息的變化，對特征的要求較低C.一般來說，在線更新的跟蹤算法，在發(fā)生丟失和遮擋時，很容易找回(正確答案)D.一般來說，在線不更新的跟蹤算法，對特征的要求比較高，要求特征的表示能力魯棒性更強66.LoRA在以下哪些方面沒有有助于模型訓練?（）A.通過低秩適應減少計算B.降低顯存使用C.保持原模型所有參數(shù)(正確答案)D.優(yōu)化矩陣乘法67.哪種策略可以加速詞向量訓練（）A.para2vectB.層級softmaxC.最大似然估計D.以上都不對(正確答案)68.關(guān)于梯度下降算法，以下說法正確的是（）A.隨機梯度下降算法是每次考慮單個樣本進行權(quán)重更新B.Mini-Batch梯度下降算法是批量梯度下降和隨機梯度下降的折中(正確答案)C.批量梯度下降算法是每次考慮整個訓練集進行權(quán)重更新D.以上都對69.與傳統(tǒng)機器學習方法相比，深度學習的優(yōu)勢在于（）A.深度學習可以自動學習特征(正確答案)B.深度學習完全不需要做數(shù)據(jù)預處理C.深度學習完全不提取底層特征，如圖像邊緣、紋理等D.深度學習不需要調(diào)參70.下列哪一項在神經(jīng)網(wǎng)絡中引入了非線性（）A.隨機梯度下降B.Sigmoid激活函數(shù)(正確答案)C.增大權(quán)重和偏置的初始化值D.以上都不對71.在其他條件不變的前提下，以下哪些做法容易引起機器學習中的過擬合問題（）A.增加訓練集量B.減少神經(jīng)網(wǎng)絡隱藏節(jié)點數(shù)C.在損失函數(shù)中增加正則項D.SVM算法中使用高斯核/RBF核代替核性核(正確答案)72.關(guān)于集成學習，下列說法錯誤的是（）A.集成學習一定能提升個體學習器的性能(正確答案)B.Bagging方法中，個體學習器之間彼此獨立C.Boosting是一種重視錯誤樣本的學習方法D.Boosting方法中，個體學習器存在強依賴73.如果使用的學習率太大，會導致（）A.網(wǎng)絡收斂的快B.網(wǎng)絡收斂的快C.網(wǎng)絡無法收斂(正確答案)D.不確定74.在一個神經(jīng)網(wǎng)絡里，知道每一個神經(jīng)元的權(quán)值和偏差值是最重要的一步。如果以某種方法知道了神經(jīng)元準確的權(quán)重和偏差，就可以近似任何函數(shù)。實現(xiàn)這個最佳的辦法是（）A.隨機賦值，祈禱他們是正確的B.搜索所有權(quán)重和偏差的組合，直到得到最佳值C.賦予一個初始值，通過檢查跟最佳值的差值，然后迭代更新權(quán)重(正確答案)D.以上說法都不正確75.下列目標檢測網(wǎng)絡中，哪個是一階段的網(wǎng)絡（）A.Faster-rcnnB.RFCNC.YOLOV3(正確答案)D.SPP-net76.SSD主要通過哪種方法來解決檢測不同大小目標的問題（）A.設置更多的anchor尺寸B.設置更多的anchor縱橫化C.在不同的特征圖上進行預測(正確答案)D.使用圖像金字塔作為輸入77.文字監(jiān)測網(wǎng)絡TextBoxes基于下列哪個網(wǎng)絡（）A.Fast-rcnnB.Fasterr-cnnC.SSD(正確答案)D.Y0L078.假定在神經(jīng)網(wǎng)絡中的隱藏層中使用激活函數(shù)X。在特定神經(jīng)元給定任意輸入，會得到輸出[-0.0001]。X可能是以下哪一個激活函數(shù)（）A.ReLU[>=0]B.tanh[-1,1](正確答案)C.Sigmoid[0,1]D.以上都不是79.如果增加神經(jīng)網(wǎng)絡的寬度，精確度會增加到一個閾值，然后開始降低。造成這一現(xiàn)象的原因可能是（）A.只有一部分核被用于預測B.當核數(shù)量增加，神經(jīng)網(wǎng)絡的預測能力降低C.當核數(shù)量增加，其相關(guān)性增加，導致過擬合(正確答案)D.以上都不對80.假設只有少量數(shù)據(jù)來解決某個具體問題，但有有個預先訓練好的神經(jīng)網(wǎng)絡來解決類似問題。可以用下面哪些方法來利用這個預先訓練好的網(wǎng)絡（）A.把除了最后一層外所有的層都凍結(jié)，重新訓練最一層B.重新訓練整個模型C.只對最后幾層進行微調(diào)(正確答案)D.對每一層模型進行評估，只使用少數(shù)層81.

以下哪個不是AI大模型開發(fā)中的關(guān)鍵技術(shù)?（）A.深度學習算法B.傳統(tǒng)編程算法(正確答案)C.大規(guī)模數(shù)據(jù)處理D.高性能計算82.

AI大模型開發(fā)中，用于評估模型性能的指標不包括?（）A.準確率B.召回率C.開發(fā)時間(正確答案)D.F1值83.

在AI大模型開發(fā)過程中，數(shù)據(jù)增強的主要目的是?（）A.增加數(shù)據(jù)量(正確答案)B.提高數(shù)據(jù)質(zhì)量C.減少數(shù)據(jù)存儲量D.加快模型訓練速度84.

以下哪個框架通常被用于AI大模型開發(fā)?（）A.JavaSpringB.TensorFlow(正確答案)C.C++STLD.PythonTkinter85.LoRA是一種針對大型語言模型進行低秩適應的方法，其主要目標是?（）A.增加模型復雜度B.提高推理速度C.減少模型參數(shù)和計算需求deltaW=BA(正確答案)D.增加訓練時間86.主流開源的LLM模型體系不包括哪一個?（）A.GPTB.BERTC.LSTM（傳統(tǒng)RLM）(正確答案)D.XLNet87.關(guān)于神經(jīng)網(wǎng)絡的結(jié)構(gòu)設計，以下哪項說法是錯誤的?（）A.批歸一化（BatchNormalization）通過規(guī)范化層輸入加速訓練，但可能依賴較大的批次大?。˙atchSize）。B.殘差連接（ResidualConnection）解決了深層網(wǎng)絡的梯度消失問題，允許訓練更深的模型（如ResNet）。(正確答案)C.卷積神經(jīng)網(wǎng)絡（CNN）的池化層（Pooling）主要用于減少參數(shù)量，但會損失部分空間信息。D.全連接層（DenseLayer）必須作為神經(jīng)網(wǎng)絡的最后一層，否則無法輸出有效結(jié)果。88.Transformer模型的核心機制是什么?（）A.RNNB.GRUC.自注意力機制(正確答案)D.FFN89.PrefixLM與CausalLM的區(qū)別是什么?（）A.生成的方向不同B.上下文建模不同(正確答案)C.使用的數(shù)據(jù)不同D.兩者無區(qū)別90.大模型“復讀機”問題的主要原因是什么?（）A.數(shù)據(jù)偏差(正確答案)B.計算能力不足C.過度擬合D.輸入太短91.LLM的涌現(xiàn)能力主要依賴于?（）A.模型大小B.數(shù)據(jù)量和計算能力(正確答案)C.微調(diào)方法D.使用的框架92.BERT模型最適合用于以下哪個任務?（）A.文本生成B.命名實體識別(正確答案)C.對話系統(tǒng)D.語言翻譯93.GPT系列模型主要用于?（）A.文本生成(正確答案)B.圖像分類C.命名實體識別D.數(shù)據(jù)挖掘94.大模型架構(gòu)中的FFN主要指什么?（）A.自注意力機制B.前饋神經(jīng)網(wǎng)絡(正確答案)C.卷積神經(jīng)網(wǎng)絡D.遞歸神經(jīng)網(wǎng)絡95.LLMs能夠產(chǎn)生涌現(xiàn)能力的主要原因之一是?（）A.自注意力機制的引入B.算力和數(shù)據(jù)資源的提升(正確答案)C.模型參數(shù)較少D.使用小規(guī)模數(shù)據(jù)集96.LLM的“復讀機”問題可以通過哪種方法緩解?（）A.降低溫度參數(shù)B.增加數(shù)據(jù)多樣性(正確答案)C.使用小模型D.減少訓練時間97.大模型的參數(shù)高效微調(diào)方法包括?（）*A.全參數(shù)微調(diào)B.PEFT(正確答案)C.Lora(正確答案)D.PrefixTuning(正確答案)98.大語言模型預訓練和微調(diào)方法的主要區(qū)別在于?（）A.使用的數(shù)據(jù)不同B.使用的模型不同C.是否包含標簽(正確答案)D.模型結(jié)構(gòu)不同99.GPT和BERT模型在架構(gòu)上的主要區(qū)別是什么?（）A.GPT是單向的，BERT是雙向的(正確答案)B.BERT是單向的，GPT是雙向的C.兩者都使用自注意力機制D.兩者都適合文本生成100.以下哪種方法不能有效緩解過擬合?（）A.增加訓練數(shù)據(jù)量或使用數(shù)據(jù)增強（DataAugmentation）。B.在訓練過程中持續(xù)降低學習率（LearningRate）。(正確答案)C.為模型添加L1/L2正則化（Regularization）。D.使用早停法（EarlyStopping）在驗證集性能下降時終止訓練。101.以下哪個模型是基于自回歸預訓練的語言模型?（）A.GPTB.BERTC.XLNet(正確答案)D.T5102.LLaMA模型的輸入長度理論上可以?（）A.無限長(正確答案)B.只支持短文本C.固定長度D.可調(diào)整103.在進行全參數(shù)微調(diào)時，以下哪個因素會影響顯存使用?（）A.模型大小B.批次大小C.序列長度D.以上都影響(正確答案)104.CausalLM不能進行以下哪種任務?（）A.文本生成B.預測下一個詞C.預測前一個詞(正確答案)D.生成對話105.領(lǐng)域模型訓練后的主要問題是什么?（）A.數(shù)據(jù)量不足B.模型參數(shù)過多C.遺忘通用能力(正確答案)D.模型的記憶能力變強106.在實際應用中，LoRA通常不適合以下哪種場景?（）A.需要快速適配多個下游任務的輕量化部署。(正確答案)B.訓練數(shù)據(jù)與預訓練數(shù)據(jù)分布差異極大（如跨模態(tài)任務）。C.顯存有限，無法承載全參數(shù)微調(diào)的大型模型（如GPT-3）。D.希望避免微調(diào)時破壞原始模型的通用能力。107.LoRA的主要優(yōu)點不包括以下哪一項?（）A.提高模型泛化能力B.減少存儲需求C.增加模型的復雜度(正確答案)D.加速推理過程108.QLoRA的主要思路是什么?（）A.使用高精度浮點數(shù)B.結(jié)合量化和低秩適應(正確答案)C.增加數(shù)據(jù)集規(guī)模D.使用深度學習109.LoRA權(quán)重合并到原模型中時，會發(fā)生什么?（）A.丟失所有原模型權(quán)重B.保留關(guān)鍵特征并學習到新的知識(正確答案)C.大幅提高計算需求D.不影響模型性能110.

AI大模型開發(fā)中，模型的過擬合可以通過以下哪種方法緩解?（）A.增加數(shù)據(jù)量(正確答案)B.減少模型層數(shù)C.提高學習率D.減少訓練次數(shù)111.以下哪個是大語言模型常用的架構(gòu)?（）A.LSTMB.Transformer(正確答案)C.CNND.MLP112.LLMs涌現(xiàn)能力的主要影響因素是什么?（）A.數(shù)據(jù)規(guī)模B.計算資源C.模型架構(gòu)改進D.以上均是(正確答案)113.以下哪種優(yōu)化算法通常用于LLM的訓練?（）A.Adam(正確答案)B.SGDC.AdagradD.RMSprop114.模型“復讀機”問題的產(chǎn)生原因是?（）A.數(shù)據(jù)量太大B.訓練數(shù)據(jù)重復過多(正確答案)C.訓練時間太短D.激活函數(shù)選擇不當115.Transformer模型中的核心機制是什么?（）A.卷積操作B.自注意力機制(正確答案)C.門控單元D.池化層116.GeLU是哪種激活函數(shù)的優(yōu)化版本?（）A.ReLU(正確答案)B.SigmoidC.TanhD.Swish117.以下哪項不是LLM微調(diào)中的常用技術(shù)?（）A.全參數(shù)微調(diào)B.PrefixLM(正確答案)C.PEFTD.PrefixTuning118.當LLMs產(chǎn)生長文本時，最主要的挑戰(zhàn)是什么?（）A.計算能力不足B.生成內(nèi)容的多樣性(正確答案)C.模型架構(gòu)復雜性D.模型推理速度119.為什么LLM需要專門針對領(lǐng)域進行微調(diào)?（）A.通用模型無法適應特定領(lǐng)域的需求(正確答案)B.模型參數(shù)不夠C.領(lǐng)域數(shù)據(jù)不足D.模型無法記住上下文120.Swish激活函數(shù)與以下哪種激活函數(shù)類似?（）A.GeLU(正確答案)B.ReLUC.TanhD.Softmax121.QLoRA中量化參數(shù)的主要作用是什么?（）A.增加顯存使用B.降低模型存儲需求(正確答案)C.增加模型訓練時間D.保持模型的所有原始參數(shù)122.LoRA通過低秩分解減少了模型的哪些方面的復雜度?（）A.數(shù)據(jù)輸入復雜度B.計算復雜度(正確答案)C.模型架構(gòu)復雜度D.優(yōu)化復雜度123.在使用LoRA技術(shù)時，原始模型參數(shù)的處理方式是什么?（）A.被完全替換B.完全刪除C.被分解并保留(正確答案)D.與新參數(shù)合并124.LoRA的應用場景中，主要目標是優(yōu)化什么?（）A.模型的泛化能力B.訓練速度和存儲需求(正確答案)C.數(shù)據(jù)質(zhì)量D.增加模型的層數(shù)125.AdaLoRA的主要創(chuàng)新在于?（）A.動態(tài)調(diào)整低秩矩陣的秩(正確答案)B.保持原始模型參數(shù)不變C.增加數(shù)據(jù)量D.提高模型顯存使用126.LoRA能否被合并回原模型?（）A.不能B.可以，通過參數(shù)重組(正確答案)C.需要重新訓練D.需要顯存加倍127.QLoRA的量化方法主要降低了什么?（）A.數(shù)據(jù)輸入復雜度B.模型推理速度C.存儲和計算需求(正確答案)D.模型泛化能力128.LoRA的低秩分解如何影響原始模型的訓練過程?（）A.完全改變訓練流程B.不影響訓練C.加速訓練過程(正確答案)D.減緩訓練過程129.關(guān)于LoRA中的秩（Rank）選擇，以下說法錯誤的是:（）A.秩越大，微調(diào)能力越強，但可能過擬合。B.秩的選擇通常需要實驗權(quán)衡，一般從r=8或r=16開始嘗試。C.秩必須等于原始模型層的隱藏維度，否則無法生效。(正確答案)D.較小的秩（如r=2）可以顯著減少可訓練參數(shù)量，但可能限制模型表達能力。130.QLoRA主要在哪些設備上具有優(yōu)勢?（）A.高性能服務器B.移動設備和低功耗設備(正確答案)C.僅適用于大數(shù)據(jù)中心D.無線設備131.

以下哪個是衡量AI大模型開發(fā)中模型復雜度的指標?（）A.準確率B.參數(shù)數(shù)量(正確答案)C.訓練時間D.數(shù)據(jù)量132.

在AI大模型開發(fā)中，優(yōu)化算法的作用是?（）A.提高模型準確率(正確答案)B.減少模型參數(shù)C.加快模型訓練速度D.降低模型復雜度133.

AI大模型開發(fā)中，以下哪種數(shù)據(jù)類型對模型性能提升最顯著?（）A.文本數(shù)據(jù)B.圖像數(shù)據(jù)C.音頻數(shù)據(jù)D.混合數(shù)據(jù)(正確答案)134.

以下哪個不是AI大模型開發(fā)中可能面臨的挑戰(zhàn)?（）A.數(shù)據(jù)隱私問題B.模型可解釋性差C.開發(fā)成本低(正確答案)D.計算資源需求大135.

AI大模型開發(fā)中，模型的泛化能力主要取決于?（）A.數(shù)據(jù)量(正確答案)B.模型結(jié)構(gòu)C.訓練算法D.超參數(shù)設置136.在神經(jīng)網(wǎng)絡中，下列哪種技術(shù)用于解決過擬合（）*A.Dropout(正確答案)B.正則化(正確答案)C.earlystop(正確答案)D.BatchNormalizaiton(正確答案)137.下列模型，屬于判別式模型的有（）*A.隱馬爾可夫模型B.支持向量機(正確答案)C.樸素貝葉斯D.神經(jīng)網(wǎng)絡(正確答案)138.當圖像分類的準確率不高時，可以考慮以下哪種方法提高準確率（）*A.數(shù)據(jù)增強(正確答案)B.調(diào)整超參數(shù)(正確答案)C.使用預訓練網(wǎng)絡參數(shù)(正確答案)D.減少數(shù)據(jù)集139.下面哪些情況可能導致神經(jīng)網(wǎng)絡訓練失?。ǎ?A.梯度消失(正確答案)B.梯度爆炸(正確答案)C.激活單元死亡(正確答案)D.鞍點(正確答案)140.下列方法中，可以用于特征降維的方法包括（）*A.主成分分析(正確答案)B.線性判別分析(正確答案)C.自編碼器(正確答案)D.矩陣奇異值分解(正確答案)141.PrefixLM和CausalLM的主要區(qū)別是?（）*A.訓練方式不同(正確答案)B.上下文信息處理不同(正確答案)C.只能根據(jù)之前的文本生成(正確答案)D.可以根據(jù)未來文本預測142.以下哪些技術(shù)可以幫助大模型處理長文本?（）*A.使用分塊方法(正確答案)B.使用外部記憶機制(正確答案)C.調(diào)整模型層數(shù)(正確答案)D.減少訓練數(shù)據(jù)143.GPT系列模型適合哪些任務?（）*A.文本生成(正確答案)B.對話系統(tǒng)(正確答案)C.圖像生成D.代碼生成(正確答案)144.大模型的涌現(xiàn)能力與以下哪些因素相關(guān)?（）*A.數(shù)據(jù)量(正確答案)B.計算能力(正確答案)C.激活函數(shù)D.模型架構(gòu)(正確答案)145.為什么需要專門的大模型來處理不同專業(yè)領(lǐng)域的任務?（）*A.領(lǐng)域特定知識(正確答案)B.領(lǐng)域語言風格不同(正確答案)C.不同領(lǐng)域有不同的術(shù)語(正確答案)D.通用模型無法處理領(lǐng)域問題146.BERT模型的主要特點有哪些?（）*A.雙向預訓練(正確答案)B.適合文本生成C.適合文本理解(正確答案)D.使用Transformer架構(gòu)(正確答案)147.為什么微調(diào)后的模型有時會感覺“傻了”?（）*A.數(shù)據(jù)偏移(正確答案)B.非典型標注(正確答案)C.過擬合(正確答案)D.微調(diào)時間太短148.以下哪些是大模型處理復讀機問題的常見策略?（）*A.調(diào)整溫度參數(shù)(正確答案)B.使用多樣化數(shù)據(jù)集(正確答案)C.增加訓練時間D.引入必要的噪聲(正確答案)149.在進行微調(diào)時，批次大小和顯存的關(guān)系是?（）*A.批次大小越大，占用顯存越多(正確答案)B.批次大小與顯存無關(guān)C.批次越小，內(nèi)存占用越少(正確答案)D.批次大小只影響訓練時間150.Lora、PrefixTuning和PEFT這些技術(shù)的主要用途是什么?（）*A.提高訓練效率(正確答案)B.節(jié)省顯存(正確答案)C.減少模型參數(shù)(正確答案)D.加快推理速度151.以下哪些技術(shù)可以幫助模型緩解“復讀機”問題?（）*A.使用更多樣化的訓練數(shù)據(jù)(正確答案)B.使用低溫度參數(shù)(正確答案)C.加強自監(jiān)督學習D.使用Beam搜索策略(正確答案)152.大模型微調(diào)時，通常需要考慮的因素有哪些?（）*A.數(shù)據(jù)集大小(正確答案)B.顯存限制(正