生成式人工智能系统应用员二级技师 详细题库

生成式人工智能基础知识 题目预览

• 第 1 题 单选题
  在自回归生成式语言模型中，给定前文 x_1,x_2,...,x_{t-1} 的条件下，生成第 t 个词元 x_t 的条件概率表示为（ ）。
  • A. P(x_t | x_1,...,x_{t-1})
  • B. P(x_{t-1} | x_1,...,x_t)
  • C. P(x_1 | x_t, x_{t+1})
  • D. P(x_1,...,x_t)
  解析：自回归模型按序列顺序逐词元条件建模，当前词元的生成概率依赖所有历史已生成词元。
• 第 2 题 单选题
  在扩散模型的训练过程中，前向过程通常按照一个噪声调度表逐步对数据添加噪声，不同时间步的噪声强度（ ）。
  • A. 始终保持不变
  • B. 随时间步递增
  • C. 随时间步递减
  • D. 随机独立变化
  解析：标准扩散模型前向过程中噪声强度随时间步逐步增大，反向过程则学习逐步去噪。
• 第 3 题 单选题
  大语言模型在生成时出现“幻觉”，从生成式模型的基本机制看，最主要原因是（ ）。
  • A. 模型参数规模不足以记忆所有事实
  • B. 训练数据中完全不存在目标事实
  • C. 模型按条件概率逐词元采样，缺乏对生成内容全局事实一致性的显式约束
  • D. 用户提示词的嵌入向量维度不足
  解析：即使模型记忆了大量事实，逐词元自回归解码也可能产生与事实不符的内容，本质是概率生成与全局事实约束不一致。
• 第 4 题 单选题
  在自注意力机制中，关于查询矩阵Q、键矩阵K和值矩阵V的维度关系，正确的表述是（ ）。
  • A. Q、K、V的维度必须完全相等
  • B. Q和V的维度必须相等，K的维度任意
  • C. K和V的维度必须相等，Q的维度任意
  • D. Q和K的维度必须相等，V的维度任意
  解析：注意力权重由Q与K计算，因此要求Q和K的维度一致；V的维度可以与Q、K不同，因为输出是V的加权求和。
• 第 5 题 判断题
  在生成式语言模型中，即使采用不同的随机种子，自回归采样生成的文本序列也必然相同。
  • A. 对
  • B. 错
  解析：自回归采样过程具有随机性，不同随机种子通常会产生不同序列；只有贪心解码或温度趋近0时才可能确定。
• 第 6 题 判断题
  扩散模型通过逐步去噪学习将噪声还原为数据，其训练目标通常等价于预测所添加的噪声。
  • A. 对
  • B. 错
  解析：以DDPM为代表的扩散模型常采用噪声预测目标，网络学习从受损数据中预测噪声，从而实现反向去噪。
• 第 7 题 多选题
  关于大语言模型的上下文学习（in-context learning），下列说法正确的有（ ）。
  • A. 它不需要更新模型参数。
  • B. 它通过在输入提示中提供示例来引导模型生成。
  • C. 它的效果与示例的格式和顺序无关。
  • D. 它依赖模型在预训练阶段获得的泛化能力。
  • E. 它等价于对模型进行梯度下降微调。
  解析：C错误，示例的格式和顺序对上下文学习效果有显著影响；E错误，上下文学习不更新模型参数，不是梯度微调。
• 第 8 题 多选题
  关于生成式人工智能中的温度参数（temperature）与top-p采样，下列说法正确的有（ ）。
  • A. 温度越高，生成结果的随机性通常越大。
  • B. 温度越低，模型越倾向于选择高概率词元。
  • C. top-p采样是在按概率降序排列的词元中，选择累积概率不低于阈值p的最小前缀集合进行采样。
  • D. 当温度趋近于0时，生成结果趋近于贪心解码。
  • E. top-p阈值越大，可能参与采样的词元集合通常越小。
  解析：E错误，top-p阈值越大，累积概率覆盖范围越大，可能参与采样的词元集合通常越大。