一、单选题

1、园区门禁日志要写入检索库。入库前需把每条自然语言记录切成模型可消费的离散记号。Tokenizer 的主要作用是： {{ select(1) }}

• 把字符渲染成点阵图再送入卷积
• 把文本分成整数 ID 序列
• 把句子强制对齐到音素谱
• 直接输出依存句法树

2、夜班质检从一批零件中随机抽 $m=10$ 件，每件为次品的概率为 $\pi=0.3$，记次品件数为 $K\sim Binomial(m=10,\ \pi=0.3)$。则 $E[K^2]$ 为： {{ select(2) }}

• 11.1
• 4.2
• 5.2
• 3.9

3、夜间文档问答推理集群对比两种 KV Cache 显存方案。关于 PagedAttention 与传统 Attention 的显存管理区别，下列说法错误的是（） {{ select(3) }}

• 调度器用一张逻辑页到物理块的映射表跟踪每条会话占用的块，生成结束时按映射回收
• 传统Attention的KV Cache显存占用与序列长度正相关，PagedAttention可突破该关联
• 连续分配方案会为每条请求预留一整段相邻显存存放 KV Cache，长会话结束后容易留下难以再分配的空洞
• 分页方案把 KV Cache 切成固定大小的块，彼此不相邻的空闲块也能重新挂到新请求上

4、振动传感器时序网络采用 Swish 激活 $h(z)=z\cdot\sigma(\gamma z)$。当 $\gamma\to\infty$ 时，$h(z)$ 逼近以下哪个函数 {{ select(4) }}

• Softplus
• ELU
• ReLU
• 恒等映射

**5、桁架静力验算得到上三角刚度矩阵 $H=\begin{pmatrix}{-1}&{4}&{5}\\{0}&{1}&{4}\\{0}&{0}&{2}\end{pmatrix}$，则 $\lvert H+(H^*)^{-1}\rvert=$ （） 注：$H^*$ 表示矩阵 $H$ 的伴随矩阵 (也称为余子矩阵的转置)，有 $HH^* = H^*H=|H|I$ {{ select(5) }}

• $-\frac{1}{2}$
• $\frac{1}{4}$
• $-\frac{1}{4}$
• $\frac{1}{2}$

6、高压线路巡检要识别绝缘子裂纹。漏检（把真实裂纹错判为正常）的处置成本远高于误报。模型评估时应优先关注哪个指标？ {{ select(6) }}

• 轮廓系数
• 决定系数 $R^2$
• 均方根误差
• 召回率

7、园区导览助手先用监督微调打底，再用人类偏好评分器做对齐。过度追逐评分器分数会出现“奖励黑客”或过优化。以下哪个现象不属于这类典型表现？ {{ select(7) }}

• 模型在面对它在预训练阶段从未见过的，全新的领域知识问题时，无法给出准确的回答。
• 评分器若把“带表情和客套话”当成优质回复，模型就会在每句后堆大量无信息礼貌用语刷分。
• 多轮对话后开始迎合评分器里被放大的“绝对肯定”口吻，把不确定事实说成百分之百。
• 为了显得已经办结，会捏造工单号和并不存在的处理进度。

8、测绘组要用 Newton 迭代求方程 $g(t)=t^2-3=0$ 的正根，用来标定杆长。初值 $t_0=2$，求第一次迭代后的近似值 $t_1$： {{ select(8) }}

• $2.25$
• $1.25$
• $1.75$
• $2.5$

9、体渲染 CUDA 内核因寄存器压力过大导致寄存器溢出时，溢出的数据会被存储到哪种内存中？ {{ select(9) }}

• 纹理内存
• 指令缓存
• 局部内存（Local Memory，由全局内存物理支持）
• 主机页锁定内存

10、零件合格判定采用二元逻辑回归，已训练参数 $\theta=[0.5,-1.0]$，$\beta=-1.0$。现输入特征 $u=[2,1]$，用 Sigmoid 计算 $P(y=1|u)$，结果最接近的是以下哪个值？ {{ select(10) }}

• $0.56$
• $0.27$
• $0.60$
• $0.43$

11、语音转写大模型在自回归推理时，用分组查询注意力 (Grouped-Query Attention, GQA) 替代标准多头注意力 (MHA)。关于 GQA 与 MHA、MQA (Multi-Query Attention) 的对比，以下描述最准确的是? {{ select(11) }}

• $GQA$ 通过让多组 Query 头共享同一组 Key 和 Value 头，实现了计算效率和模型性能的折中；其 $K/V$ 头的数量介于 $MHA$（与 Query 头数相等）和 $MQA$（只有一个 $K/V$ 头）之间。
• 先把全部 Query 头平均成一个向量，再用该向量对全部 Key 做一次注意力。
• 每一层随机丢掉一半注意力头，用剩余头的输出做集成。
• 用深度可分离卷积替换注意力，从而不再缓存 Key 与 Value。

12、实验室对同一浓度滴定 $3$ 次，读数为 $\{3.0,3.2,2.8\}$，真值为 $3.0$。均方根误差是 {{ select(12) }}

• $0.4$
• $0.163$
• $0.2$
• $0.282$

13、档案室要把扫描件灰度矩阵做分解压缩。矩阵奇异值分解（SVD）无法直接应用于以下哪个场景？ {{ select(13) }}

• 决策树分类
• 仓储备货矩阵做低秩近似以压缩存储
• 证件扫描件去噪
• 公文-词项矩阵抽取主题

14、工单分类只有少量标注，希望尽量不动底座权重做适配。关于 Prompt Tuning（或 Prefix Tuning）的描述，正确的是？ {{ select(14) }}

• 只替换最后一层分类头并微调该头
• 在输入前添加可学习的连续向量，仅更新这些向量的参数
• 把所有注意力层的权重一起反传更新
• 用教师模型的 logits 训练一个更小的学生网络

15、温湿度校准台记录两路读数 $U$、$W$。已知 $Cov(U,W)=10$，$Var(U)=4$，$Var(W)=25$，则 $U$ 和 $W$ 的相关系数是？ {{ select(15) }}

• $0.8$
• $0.1$
• $0.5$
• $1.0$

二、多选题

16、水文站用梯形公式、$Simpson$ 公式对水位曲线做数值积分。以下哪些因素会影响计算结果的精度 {{ multiselect(16) }}

• 数值积分方法的代数精度(如 $Simpson$ 法的代数精度高于梯形法)
• 计算机的浮点数精度(如单精度$vs.$双精度)
• 积分区间的划分数量(步长越小，精度越高)
• 被积函数的光滑性(函数越光滑，误差越小)

17、矿石光谱要分成若干品类，用高斯混合模型配合 EM 算法估计。GMM 的 M-step 解析解需要 {{ multiselect(17) }}

• 均值更新为加权平均
• 各成分权重和为 1
• 各高斯成分必须共用同一个协方差矩阵
• 协方差矩阵正定

18、六次称重得到样本集合 $S=\{3,\ 4,\ 5,\ 3,\ 8,\ 7\}$，以下描述正确的是？ {{ multiselect(18) }}

• 众数$=3$
• 极差$=4$
• 方差$=11/3$
• 平均数$=5$

19、病理切片描述模型要在院外新分布上仍能用。以下哪些因素会影响其泛化能力？ {{ multiselect(19) }}

• 训练数据的规模
• 把验证集并入训练集反复训练到训练误差为零
• 正则化技术的应用
• 数据集的多样性
• 模型参数的数量

20、产线缺陷检测 CNN 在卷积块后插入 Batch Normalization。关于其正则化效果，正确的说法有： {{ multiselect(20) }}

• 会把每一层激活的方差按训练步数线性放大，从而更容易过拟合
• 允许使用更大的学习率，间接提升模型泛化能力
• 启用后即可删掉所有权重衰减，不再需要任何额外正则
• 动机是通过减少内部协变量偏移（Internal Covariate Shift）降低过拟合风险