湖北移动《大模型应用工程师培训》随堂测验

1. 您的姓名：

2. 1、某政企客户要求 AI 问答能力必须本地私有化部署、支持用自有业务数据做二次微调，且数据不得出企业内网。从技术选型角度看，最合适的路线是（　　）。【3分】

A、直接调用能力最强的闭源大模型 API，靠提示词工程满足需求B、选择开源可商用模型（如 Qwen 系列）本地部署，再结合 RAG 与 LoRA 微调落地C、选择参数量最大的模型，参数量越大越容易私有化部署D、选择上下文窗口最长的模型，用超长上下文替代检索与微调

3. 2、在大模型注意力机制中，用于对 Query 与 Key 的匹配结果进行归一化、从而得到注意力权重的函数是（　　）。【3分】

A、ReLUB、SoftmaxC、SigmoidD、Tanh

4. 3、关于 LoRA 微调相比全参数微调的特点，下列说法正确的是（　　）。【3分】

A、LoRA 需要更新的参数量更大，显存开销更高B、在 7B 模型上 LoRA 显存需求约 1GB，远低于全参数微调的 48GB 级别C、LoRA 必须重新训练并保存基座模型的全部权重D、LoRA 无法与量化技术结合使用

5. 4、QLoRA 中对基座模型权重进行 4-bit 量化时所采用的专用数据类型是（　　）。【3分】

A、FP16B、INT8C、NF4D、FP32

6. 5、在 LoraConfig 配置中，关于缩放系数 lora_alpha 与秩 r 的常用经验设置是（　　）。【3分】

A、alpha = r/2B、alpha = rC、alpha = 2rD、alpha 与 r 无关，固定为 1

7. 6、某团队用 LoRA 微调 7B 模型后，发现训练集里的问法答得滚瓜烂熟，但换一种问法就答不对。最可能的原因与对策是（　　）。【3分】

A、学习率过低，应把 LoRA 学习率从 2e-4 调高到 2e-3B、训练轮次过少，应把 epoch 从 3 直接加到 30C、数据切分发生泄漏，同一标准问的不同问法同时落在训练集与验证集，应按 faq_id 重新切分D、应改用全参数微调，全参数微调天然不会过拟合

8. 7、在 RAG 的完整链路中，属于离线阶段（可在服务上线前完成）的是（　　）。【3分】

A、Retrieval（检索）B、Augmentation（增强）C、Generation（生成）D、Indexing（索引构建）

9. 8、某检索系统同时接入 BM25 关键词召回与向量语义召回，工程师发现两路分数无法直接加权相加，最终改用 RRF 融合。这样做的根本原因是（　　）。【3分】

A、BM25 的分数无上界、余弦相似度固定在 0~1，两者量纲不同，直接加权会失真B、RRF 的计算复杂度明显低于加权求和C、RRF 能够同时输出两路召回的原始分数供人工核对D、加权求和需要人工调参，而 RRF 完全不需要任何参数

10. 9、某团队把产品手册按固定长度切分建 RAG 知识库，用户问「XX 型号的保修期是多久」时常召回不到答案，而该条款确实在手册里。以下改进措施最可能有效的是（　　）。【3分】

A、把 chunk_size 从 1000 调大到 5000，块越大信息越全B、适当增大 chunk_overlap，并考虑改用按语义/标题层级切分，避免关键条款被切断或与其所属章节分离C、去掉检索环节，把整本手册整体塞进模型上下文D、把向量模型换成更大的通用模型，检索不准一定是模型能力不足

11. 10、在机器翻译评估指标 BLEU 中，通常被认为接近人类水平的是（　　）。【3分】

A、BLEU-1 > 40B、BLEU-2 > 40C、BLEU-4 > 40D、BLEU-4 > 10

12. 11、MMLU 基准测试所覆盖的学科数量是（　　）。【3分】

A、52 个B、57 个C、164 个D、8000 个以上

13. 12、用于评测代码生成能力的 HumanEval 基准，其包含的编程题目数量是（　　）。【3分】

A、57 道B、164 道C、1000 道D、8000 道

14. 13、vLLM 实现高吞吐推理的核心技术是（　　）。【3分】

A、RadixAttentionB、PagedAttentionC、双重量化D、FlashDecoding

15. 14、SGLang 在推理加速中采用的核心技术是（　　）。【3分】

A、PagedAttentionB、RadixAttentionC、NF4 量化D、分页优化器

16. 15、在智能客服问答系统案例中，L1 层判定为「精确命中」并直接返回标准答案的相似度阈值是（　　）。【3分】

A、0.50B、0.65C、0.78D、0.88

17. 16、某学员为「湖北移动政企专线业务分析」任务撰写提示词，其中下列做法符合提示词工程四大黄金原则的有（　　）。【4分】

A、明确写出「以湖北移动市场部分析师身份」，并指定输出为含 3 个要点的 Markdown 简报——体现「具体」B、用 <role>、<task>、<output_format> 标签把背景、任务与格式分块区隔——体现「有结构」C、植入 1~3 组真实客服「输入-输出」对照范例，用例子教会模型怎么说——体现「有示例」D、把「必须执行」的核心要求埋在中段、用大量背景描述把它包围起来，以增强模型注意力——体现「清晰」

18. 17、以下是一段真实业务提示词，请判断其中哪些部分正确补齐了「角色、任务、约束、输入信息、输出格式」五要素（　　）。【4分】

A、【角色】你是一名深耕电信行业 10 年的资深分析师，擅长政企客户市场洞察B、【任务】深度拆解湖北移动 2026 年 Q1 政企业务经营数据表，分析专线业务环比增长原因与客户结构变化C、【约束】全文不超过 800 字，不得出现数据表中没有的数字，每条结论必须有数据支撑D、【输出格式】输出一页分析简报，必须包含关键增长驱动项、潜在风险点、2 条可行性优化建议E、【输入信息】此处不提供任何原始数据，让模型凭常识自行推断即可

19. 18、某工程师用 Claude Code 开发一个支付模块，下列做法符合 Vibe Coding 四项核心原则的有（　　）。【4分】

A、描述需求时说「请筛选出列表中所有大于 100 的数字并返回新列表」，而不是指定用 for 循环逐条判断B、分四轮对话推进：先建页面 → 再加输入框 → 再加标记完成与删除 → 最后调整样式与排序C、对 AI 生成的核心支付逻辑，先做人工代码审查、再补单元测试、并用 SAST 扫描 SQL 注入与 XSSD、不提供任何项目背景，直接要求 AI「写一个支付功能」，以充分发挥其自主推理能力

20. 19、某团队要把「查询套餐余量」封装为一个 Agent Skill 供智能体自动调用。下列关于该 Skill 设计与使用的说法，正确的有（　　）。【4分】

A、Skill 必须有唯一名称，供 LLM 在决策时精确指代B、描述字段要写清「是什么」以及「什么时候该用」，描述模糊会导致该调不调、不该调乱调C、需定义规范的参数模式（输入定义），参数不清会导致调用报错或传错值D、执行逻辑负责真正干活，由 LLM 依据任务状态自主决策在何时调用哪个 SkillE、Skill 是提前写死的固定流程，模型每轮必须按顺序依次调用全部 Skill

21. 20、某智能客服系统上线后实测：L1 命中约 57.0%、L2 检索增强约 38.5%、L3 转人工约 4.5%。下列关于这套兜底机制的说法，正确的有（　　）。【4分】

A、L1 由相似度阈值（如 0.88）判定精确命中，直接返回知识库中的标准答案，不经过模型生成B、L2 面向「换了说法的提问」，由 BM25 与向量两路召回、RRF 融合后交给微调后的模型组织语言C、L3 对置信度不足或领域外问题直接转人工，遵循「宁可转人工也不瞎猜」的原则D、为压低转人工率，可以取消 L3，让模型对任何问题都强行生成一条最相近的答案

22. 21、某团队要为一套中文 RAG 系统选择检索组件。下列说法正确的有（　　）。【4分】

A、FAISS 适合中小规模、单机部署的向量检索，接入成本低B、Milvus 面向大规模向量数据，支持持久化与分布式，适合生产环境C、Chroma 轻量易用，适合快速原型验证D、BM25 属于关键词（稀疏）检索，原理与向量（稠密）检索不同，不属于向量数据库E、只要向量库选得好，就不需要对文档做切分与清洗

23. 22、某团队要把 7B 模型部署到一张 24GB 显卡上对外提供推理服务。关于量化与部署，下列说法正确的有（　　）。【4分】

A、GPTQ、AWQ 属于训练后量化方法，可在基本保持效果的前提下显著降低显存占用B、GGUF 常见于 llama.cpp / Ollama 等本地轻量推理场景C、NF4 是 QLoRA 在微调阶段对基座权重使用的 4-bit 量化数据类型，常与双重量化、分页优化器配合D、量化位数越低越好，把模型压到 2-bit 一定能获得最佳加速比E、量化会带来一定精度损失，上线前需在下游任务上做效果回归验证

24. 23、某团队要把微调后的 Qwen2.5-7B 封装成 OpenAI 兼容接口对外服务，并提出高并发、低延迟、长上下文的要求。下列关于推理框架与调度机制的说法，正确的有（　　）。【4分】

A、vLLM 通过 PagedAttention 分页管理 KV Cache，降低显存碎片，提升并发吞吐B、SGLang 通过 RadixAttention 复用共享前缀的 KV Cache，多轮对话等场景收益明显C、TGI 提供生产级模型服务与流式输出，可直接对接上层应用D、Ollama 主打本地轻量化一键运行，适合个人开发与演示，不以极致吞吐为目标E、连续批处理（Continuous Batching）让新请求无需等待整批推理结束即可插入，有效提升吞吐

25. 24、某团队预算有限，希望在 7B 模型上快速适配客服业务，并需要同时保留多条业务线的微调版本。下列说法正确的有（　　）。【4分】

A、LoRA 冻结基座、只训练低秩旁路矩阵，微调产物通常只有几十 MB，便于按业务线分别保存与热插拔B、Adapter 在 Transformer 层间插入小型适配模块，只训练新增模块C、Prefix Tuning / Prompt Tuning 通过训练可学习的前缀或软提示向量来适配任务，不改动原有权重D、全参数微调属于参数高效微调的一种，因为它同样只需保存部分权重E、上述参数高效微调方法相比全参数微调，通常显存需求更低、训练更快

26. 25、关于大模型「迷失在中间」（Lost in the Middle）现象，下列说法正确的有（　　）。【4分】

A、模型对超长提示词的开头和结尾关注度更高B、中段信息容易被忽略C、应将必须执行的核心要求放在提示词的开头或结尾D、应在提示词中段大量堆砌关键指令，效果最好

27. 26、在生成式问答中引入 RAG 检索增强后，可将大模型的幻觉率降低约 71%。【3分】

A、正确B、错误

28. 27、LoRA 通过低秩分解只更新少量旁路参数、冻结基座权重，因此无需保存基座模型的全部权重副本。【3分】

A、正确B、错误

29. 28、困惑度（Perplexity）数值越高，说明语言模型的性能越好。【3分】

A、正确B、错误

30. 29、System Prompt 在执行优先级上高于普通用户提问，可用于设定 AI 的身份立场与行为边界。【3分】

A、正确B、错误

31. 30、在智能客服系统中，当 L3 层置信度不足时，系统应优先编造一条最相近的答案，以保证响应率。【3分】

A、正确B、错误

更多问卷复制此问卷