AI大模型原理知识考试

欢迎参加本次AI大模型原理知识考试，本考试旨在考察您对AI大模型原理相关知识的掌握情况。请认真阅读题目，选择正确答案。考试时间为XX分钟，请合理安排时间。
1. 基本信息：
姓名：
学号：
院系：
2. 在Transformer架构中，以下哪个组件主要用于捕捉序列中不同位置之间的依赖关系？
3. 以下哪种技术不属于大语言模型预训练阶段的常见优化方法？
4. 大语言模型生成文本时，采用的主流解码策略不包括以下哪一项？
5. 在BERT模型中，以下哪种任务不属于预训练阶段的任务？
6. 以下关于参数高效微调（PEFT）技术的描述，错误的是？
7. 以下哪些属于大语言模型训练过程中可能面临的挑战？
8. Transformer模型与RNN系列模型（如LSTM、GRU）相比，具有哪些优势？
9. 以下哪些技术可以用于缓解大语言模型的幻觉问题？
10. 大语言模型的涌现能力主要体现在哪些方面？
11. 以下哪些属于大语言模型的应用场景？
12. 大语言模型的“参数量”是指模型中可学习参数的总数量，参数量越大一定意味着模型性能越好。
13. 自注意力机制中，每个位置的查询（Query）会与所有位置的键（Key）进行计算，以得到注意力权重。
14. GPT系列模型（如GPT-3、GPT-4）采用的是Encoder-Decoder架构。
15. 在大模型训练中，“学习率”是指每次参数更新时，模型权重调整的幅度。
16. 大语言模型的“上下文窗口长度”是指模型一次能够处理的输入文本的最大长度。
17. Transformer模型中，_______函数用于将注意力权重和Value向量进行加权求和，得到最终的注意力输出。
18. 大语言模型预训练使用的大规模文本数据通常需要经过清洗、去重和_______等预处理步骤。
19. LoRA（Low-Rank Adaptation）技术通过冻结预训练模型权重，仅训练低秩矩阵的_______和_______来实现参数高效微调。（注：两个空答案用顿号分隔）
20. 在提示学习（Prompt Learning）中，_______是指将原始任务转换为模型预训练时熟悉的格式（如完形填空）的模板。
21. 大语言模型生成文本时出现的“重复生成”问题，通常可以通过调整_______参数来缓解，该参数控制生成时的随机性。
更多问卷 复制此问卷