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?
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?
3. 以下哪项是分词(Tokenization)对产品经理的主要意义?
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?
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?
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?
7. 以下哪项是注意力机制(Attention Mechanism)最初旨在解决的核心问题?
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?
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?
10. 根据NLP的“分布假说”,词向量技术的核心思想是什么?
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?
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?
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?
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?
15. 注意力机制(Attention Mechanism)最初是为了解决什么问题而被引入的?
16. 自然语言处理中Word2Vec的训练策略是什么?
17. 自然语言处理的核心目标是什么?
18. AI模型幻觉在什么情况下最易发生?
19. RAG的检索阶段输出是什么?
20. 模型上下文的Token统计发生在哪个阶段?
21. 模型上下文的应用场景包括哪些?
22. 分词的应用场景包括哪些?
23. LLM的关键权衡包括哪些?
24. 减少AI模型幻觉的产品策略包括?
25. 嵌入模型的产品设计阶段需?
26. LLM可以实时获取最新事件信息
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
更多问卷 复制此问卷