生成式人工智能技术原理考试

本次考试共40道单选题，每题2.5分，总分100分。请在规定时间内作答，答题结束后系统将自动评分。
1. 基本信息：
姓名：
部门：
员工编号：
2. 生成对抗网络（GAN）是由谁首次提出的
3. GAN的两个主要组成部分是
4. 在GAN训练过程中，生成器的主要目标是
5. 原生GAN模型存在的不足不包括
6. DCGAN中生成器的输出层使用的激活函数是
7. DCGAN中判别器的所有卷积层中使用的激活函数是
8. WGAN通过引入什么来解决原生GAN训练困难的问题
9. WGAN中判别器需要满足的条件是
10. CycleGAN最显著的特点不包括
11. CycleGAN的损失由哪两部分组成
12. 预训练大模型的两阶段训练不包括
13. Bert模型采用的是transformer的哪个部分
14. Bert预训练的核心训练任务不包括
15. 在Bert的掩码预测任务中，被选中遮挡的token以多少概率替换为[MASK]
16. Bert的上下文语义判断（NSP）任务是一个几分类任务
17. GPT模型通过什么方式生成文本
18. GPT在预训练阶段采用的目标函数是
19. T5模型的核心理念是将各种NLP任务视为
20. T5预训练采用的方式是
21. T5使用的目标函数是
22. 在基于预训练transformer的多模态架构中，图像编码器对图像进行预处理时，首先需要做什么
23. 图像编码器内部通常使用的结构是
24. 文本编码器的输入经过预处理后得到的是什么
25. 多模融合根据融合阶段的不同，不包括以下哪种融合策略
26. CLIP模型的核心思想是通过什么方式进行相似性比较对齐
27. CLIP模型的文本编码器和图像编码器的关系是
28. 具身智能模型RT1采用的融合方式是
29. RT1中图像和文本在哪个模型层进行融合对齐
30. OWL-ViT模型预训练使用的数据是
31. OWL-ViT模型预训练的图像分支编码器在CLIP图像编码器的基础上增加了什么层
32. OWL-ViT的预训练目标与CLIP一样，都采用了什么方式对齐图像和文本
33. OWL-ViT模型微调和推理时，图像分支编码器去掉了预训练阶段的什么层
34. OWL-ViT模型的推理输出不包括
35. 原生GAN模型解决了什么图像生成难题
36. DCGAN中用什么替代确定性空间池化函数
37. WGAN的判别器损失函数的目标是
38. Bert模型在进行预测时，会从哪里获取当前token表征进行预测
39. GPT和BERT在应用领域上的差异是
40. CLIP模型中，文本和图像经过独立编码后，通过什么引导模型学习两者之间的语义关联
更多问卷 复制此问卷