Hu
欢迎参加本次AI基础知识考试,请认真作答以下题目。
1. 对于希望快速验证一个专业领域(如法律问答)AI应用可行性的团队,在缺乏大量标注数据时,应优先考虑哪种技术方案?
从头开始训练一个专用模型
对适用大模型进行全面的微调
使用提示词工程(Prompt Engineering)或少样本学习
放弃该项目
2. 当需要让AI模型掌握刚刚发布的新闻或公司内部实时更新的知识库时,以下哪种方法通常不是最佳选择?
对模型进行微调
采用检索增强生成(RAG)技术
将新知识通过提示词告知模型
等待下次模型大规模更新
3. 以下哪项是分词(Tokenization)对产品经理的主要意义?
它决定了模型回答问题的准确性
它是模型进行文本处理、算力消耗与成本核算的基础计量单位
它直接影响了用户界面的美观程度
它是训练模型时必须手动完成的工作
4. 注意力机制中,允许序列中的每个位置都关注序列中所有其他位置的组件是?
循环神经网络(RNN)
长短期记忆网络(LSTM)
自注意力(Self-Attention)
卷积神经网络(CNN)
5. 产品经理在评估NLP项目的效果时,以下哪一组指标更适合用于评估一个情感分析(分类)任务?
BLEU和ROUGE
准确率(Accuracy)和F1-score
响应时间和Token成本
用户满意度和点击率
6. 在模型微调过程中,通常会采用较小的学习率,其主要目的是什么?
加快模型的训练速度
防止破坏预训练模型已经学到的通用知识
降低对GPU显存的需求
让模型更容易收敛到局部最优解
7. 以下哪项是注意力机制(Attention Mechanism)最初旨在解决的核心问题?
降低模型训练成本
处理一词多义的现象
长序列信息压缩和信息瓶颈问题
提高文本生成速度
8. 多头注意力(Multi-Head Attention)机制的设计,主要是为了让模型能够做什么?
同时处理多个不同的任务
加快模型训练速度
并行关注输入序列的不同方面(如语法、语义)
减少模型所需的参数数量
9. 在评估Prompt工程效果时,以下哪项是产品经理应关注的非功能性指标?
意图识别准确率
Prompt命中率
Token消耗量
A/B测试胜出率
10. 根据NLP的“分布假说”,词向量技术的核心思想是什么?
将词语映射到连续的向量空间,使语义相近的词距离相近
为每个词语分配一个唯一且固定的编码
根据词语的语法功能进行分类
统计词语在文档中出现的绝对频率
11. 即使输入文本未超过上下文窗口阈值,模型也可能会出现的“信息位置衰减”问题是指?
模型完全无法读取窗口头部的信息
模型对窗口内所有位置信息的关注度和理解力是均等的
模型对窗口尾部信息的关注和理解力通常优于头部信息
窗口内的信息会随时间流逝而按自动删除
12. 以下哪种方法被资料明确提及为从根源上降低高、中风险业务场景中AI模型幻觉发生率的综合技术方案?
仅调低模型生成参数(如温度)
接入通用知识图谱进行事后校验
采用检索增强生成(RAG)结合模型微调(Fine-tuning)
无限扩大模型的上下文窗口
13. 模型微调(Fine-tuning)通常建议设置较小的学习率,主要目的是什么?
加快模型的训练速度
避免破坏预训练模型已学到的通用知识
减少训练过程对显卡显存的占用
使模型更容易过拟合到新数据上
14. 在哪种情况下,资料建议使用提示词工程或少样本学习,而非模型微调作为首选方案?
需要模型学习全新的、大规模的知识
任务所需的高质量、标注好的垂直领域数据非常缺乏
需要模型回答时严格引用特定来源
任务对实时性要求极高
15. 注意力机制(Attention Mechanism)最初是为了解决什么问题而被引入的?
图像识别中的特征提取问题
序列到序列模型中长序列的信息压缩和信息瓶颈问题
强化学习中的奖励稀疏问题
生成对抗网络中的模式崩溃问题
16. 自然语言处理中Word2Vec的训练策略是什么?
CBOW和Skip-gram
LSTM和GRU
Transformer和BERT
RNN和CNN
17. 自然语言处理的核心目标是什么?
让计算机理解和处理人类语言
实现图像识别
进行精确数学计算
处理实时数据
18. AI模型幻觉在什么情况下最易发生?
知识覆盖不足或信息模糊时
实时数据的输入时
精确计算任务中
图像识别过程
19. RAG的检索阶段输出是什么?
最相关的文档片段
最终生成回答
实时数据
图像特征
20. 模型上下文的Token统计发生在哪个阶段?
输入阶段
处理阶段
输出阶段
训练阶段
21. 模型上下文的应用场景包括哪些?
长文本对话
长文档分析工具
多信息整合创作
实时高速计算
22. 分词的应用场景包括哪些?
大模型成本核算
模型性能优化
多语种文本处理
实时图像分析
23. LLM的关键权衡包括哪些?
语言生成能力与幻觉问题
知识覆盖与时效性
通用性与专业性
实时性与成本
24. 减少AI模型幻觉的产品策略包括?
结合RAG技术
设计提示工程
实施事实校验机制
忽略问题
25. 嵌入模型的产品设计阶段需?
明确技术选型
设计数据处理流水线
规划迭代机制
忽略评估
26. LLM可以实时获取最新事件信息
对
错
27. 自注意力机制允许序列中的每个位置关注序列中的所有其他位置
对
错
关闭
更多问卷
复制此问卷