一、单选题

1、在大型语言模型的三阶段训练流程中，哪一个阶段的主要目标是让模型从一个只会“续写”文本的基座模型，转变为一个能理解并遵循人类指令格式的“对话助手”？ {{ select(1) }}

• 预训练 (Pre-training)
• 有监督微调 (Supervised Fine-Tuning, SFT)
• 奖励模型训练 (Reward Model Training)
• 基于人类反馈的强化学习 (RLHF)

2、若输入序列长度 $s$，模型层数 $L$，隐藏层维度 $d$，当 $s>>d$ 时，prefill 阶段计算量为 {{ select(2) }}

• $O(L*s*s*d)$
• $O(L*s*d*d)$
• $O(L*s*d)$
• $O(s*d+L*d*d)$

3、对于 $3\times224\times224$ 输入，卷积核 $7\times7$、$stride=2$、$padding=3$、$out\_channels=64$，输出特征图的空间尺寸为？ {{ select(3) }}

• $128\times128$
• $256\times256$
• $112\times112$
• $224\times224$

4、连续掷一枚均匀硬币，首次出现 “正反” 序列（即一次正面后立刻反面）所需的期望掷币次数为 {{ select(4) }}

• $8$
• $6$
• $4$
• $5$

5、在探索两个连续变量的非线性关系时，应当采用以下哪种图作为可视化工具： {{ select(5) }}

• 箱线图
• 柱状图
• 折线图
• 散点图

6、在自然语言处理的 N-gram 模型中，我们计算一个词出现的概率时会依赖于它前面的 N-1 个词，即$P(w_{i} | w_{i - 1}, w_{i - 2}, \dots, w_{i - N + 1})$，给定之前全部词的条件概率，等同于给定前 N 个词的条件概率。这种建模思想与完全历史依赖的条件概率形成对比，请问这种建模思想与概率论中的哪个概念最相关？ {{ select(6) }}

• 大数定律
• 贝叶斯定理
• 马尔可夫假设
• 全概率公式

7、有以下伪代码，定义大小3×3×3,stride=2,padding=1的3D卷积核，计算卷积操作后输出tensor的形状

1.	conv = Convolution3D(in_channel=24,out_channel=32,kernel_size(3,3,3),stride=2, padding-1)
2.	input tensor =create random tensor(batch=16,in_hannel=24,50,24,18)
3.	output tensor = conv(input tensor)

{{ select(7) }}

• $16\times32\times23\times10\times7$
• $16\times32\times25\times12\times9$
• $16\times32\times26\times13\times10$
• $16\times32\times24\times11\times8$

8、已知矩阵$A = \begin{pmatrix}1&0&-1\\2&-1&1\\-1&2&-5\end{pmatrix}\\$，若下三角可逆矩阵$P$和上三角可逆矩阵$Q$，使得$PAQ$为对角矩阵，则$P,Q$可以分别取（） {{ select(8) }}

• $\begin{pmatrix}1&0&0\\0&1&0\\0&0&1\end{pmatrix}，\begin{pmatrix}1&0&1\\0&1&3\\0&0&1\end{pmatrix}$
• $\begin{pmatrix}1&0&0\\2&-1&0\\-3&2&1\end{pmatrix}，\begin{pmatrix}1&0&0\\0&1&0\\0&0&1\end{pmatrix}$
• $\begin{pmatrix}1&0&0\\0&1&0\\1&3&1\end{pmatrix}，\begin{pmatrix}1&2&-3\\0&-1&2\\0&0&1\end{pmatrix}$
• $\begin{pmatrix}1&0&0\\2&-1&0\\-3&2&1\end{pmatrix}，\begin{pmatrix}1&0&1\\0&1&3\\0&0&1\end{pmatrix}$

9、给定以下6个二维数据点及其类别，其坐标表示为$(x, y)$，类别标签用$[+]$表示正类，$[-]$表示负类：

$A(0,0)[+]$，$B(1,0)[+]$，$C(0,1)[-]$，$D(3,3)[-]$，$E(4,5)[-]$，$F(3,4)[-]$

使用4-近邻算法（4-NN）和欧氏距离对样本$G(2,2)$进行分类预测。若采用多数投票法，则其预测类别是什么?

{{ select(9) }}

• 预测为负类（$-$）
• 正类（$+$）与负类（$-$）各2票，无法形成多数
• 预测为正类（$+$）
• 所有4个邻居到$G$的距离相等，必须使用加权投票

10、令$\{x_i : i = 0, \dots, n\}$是$[a,b]$中的任意(n + 1)个不同点，且$f \in C[a,b]$。那么，存在唯一个次数不超过n的插值多项式$p_n$，请选择下述正确的表达式，其中$\omega(x) = (x - x_0)\cdots(x - x_n)$。

{{ select(10) }}

• $p_n(x) = \sum_{i = 0}^n y_i \frac{\omega(x)}{(x - x_i)\omega(x_i)}$
• $p_n(x) = \sum_{i = 0}^n y_i \frac{\omega(x)}{(x - x_i)\omega(x)}$
• $p_n(x) = \sum_{i = 0}^n y_i \frac{\omega(x)}{(x - x_i)\omega'(x_i)}$
• $p_n(x) = \sum_{i = 0}^n y_i \frac{\omega(x)}{(x - x_i)\omega'(x)}$

11、设 $A = \begin{pmatrix} -11 & 4 \\ -30 & 11 \end{pmatrix}$， 则 $(A + E)(E - A + A^2 - A^3 + A^4 - A^5 + A^6) = ( )$

注：$E$ 为单位矩阵

{{ select(11) }}

• $A = \begin{pmatrix} 12 & 4 \\ 30 & 10 \end{pmatrix}$
• $A = \begin{pmatrix} -12 & 4 \\ -30 & 10 \end{pmatrix}$
• $A = \begin{pmatrix} 10 & 4 \\ 30 & 12 \end{pmatrix}$
• $A = \begin{pmatrix} -10 & 4 \\ -30 & 12 \end{pmatrix}$

12、某电商公司构建推荐系统时，需对用户的 “月均消费金额” 特征进行预处理。该特征通常呈现严重右偏（即多数用户消费较低，少数用户消费极高）。考虑一个模拟的用户月均消费数据集，取值分别为（单位：元）$[9, 99, 999, 9999]$，整体分布右偏。为改善特征分布的对称性（即降低偏度），数据科学家考虑以下三种变换方式：

变换 1：最小 - 最大缩放（Min-Max Scaling）

$x' = \frac{x - x_{min}}{x_{max} - x_{min}}$

变换 2：Z-score 标准化（Z-score Standardization）

$x' = \frac{x - \mu}{\sigma}$

变换 3：对数变换（Log Transformation）

$x' = \log_{10}(x + 1)$

下列哪一种变换后的数据分布最对称（即偏度最小）？

{{ select(12) }}

• 变换 1
• 变换 3
• 变换 2
• 三种变换对称性相同

13、已知变量 $X$ 和 $Y$ 的两组数据分布如下：

组A：(1,20)、(2,18)、(3,16)、(4,14)、(5,12)、(6,10)、(7,8)、(8,6)、(9,4)、(10,2)

组B：组A所有数据 + 额外数据点 $(11,20)$

若两组数据的相关系数分别为 $r_1$（组A）和 $r_2$（组B），则下列关系正确的是（ ）

{{ select(13) }}

• $0 > r_1 > r_2$
• $r_1 > r_2 > 0$
• $0 > r_2 > r_1$
• $r_1 > r_2 > 0$

14、在一个基于 Transformer 的大型语言模型中，Tokenizer（如 BPE 分词器）和 Embedding 层是处理输入文本的最初两个步骤。关于这两个组件的功能和关系，以下哪个描述最为精确？ {{ select(14) }}

• Tokenizer 负责将文本分割成有意义的语义单元（tokens），而 Embedding 层则进一步将考虑不同 Token 之间的关联并将 Token 间的语义关系编码到高维空间中。
• Tokenizer 是一个基于固定规则或统计学习得到的、独立于下游模型的词汇映射系统；而 Embedding 层是一个包含可训练参数的神经网络层，其参数会在模型训练过程中不断优化。
• Tokenizer 的唯一目的是压缩文本以减少计算量，而 Embedding 层则负责将压缩后的 ID 恢复成密集的向量表示。
• Tokenizer 和 Embedding 层共同决定了模型的词汇量大小，并且在模型训练完成后，两者都可以被轻易替换以适应新的语言或领域。

15、如图所示的超平面 $Ax=b$ 到圆心距离等价于欠定方程组 $Ax=b$ 的最小范数解。

**问题如下：已知线性方程组 $y = Ax$ 中，$A \in \mathbb{R}^{m \times n}$ 是行满秩的胖矩阵（即 $m < n$），其解集为 $\{x_p + z \mid z \in \mathcal{N}(A)\}$ （$x_p$ 为特解，$\mathcal{N}(A)$ 为 $A$ 的零空间）。 **

若要在解集中找到二范数最小的解，该解为：

{{ select(15) }}

• $x = (A^T A)^{-1} y$
• $x = (A^T A)^{-1} A^T y$
• $x = A^T y$
• $x = A^T (A A^T)^{-1} y$

二、多选题

16、最大池化 (Max Pooling) 在卷积神经网络中是一种常见的下采样操作，该操作的主要优点包括 {{ multiselect(16) }}

• 能提供一定程度的平移不变性，使模型对输入的小变化不敏感
• 能精准保留输入特征的空间位置信息
• 能够有效抑制图像中的噪声
• 能保留图像中局部极值，用于提取显著的特征（如纹理、边缘）
• 能够显著减少特征图的空间维度和后续计算量

17、回归任务中可用的评估指标有？ {{ multiselect(17) }}

• 均方误差（MSE）
• 均方根误差（RMSE）
• 平均绝对误差（MAE）
• $R^2$ 分数

18、在度量文本嵌入的相似度时，适合的处理方式包括哪些？ {{ multiselect(18) }}

• 应用 PCA 降维
• 使用曼哈顿距离
• 使用点积并归一化
• 计算余弦相似度

19、对实矩阵 $X \in \mathbb{R}^{m \times d}$ 的奇异值分解 $X = U \Sigma V^T$，下列说法正确的是： {{ multiselect(19) }}

• $\Sigma$ 的对角元素按非递增顺序排列
• $\Sigma$ 的非零奇异值等于 $XX^T$ 的非零特征值的平方根
• $rank(X)$ 等于 $\Sigma$ 的非零对角元素个数
• $U, V$ 均为正交矩阵
• $U$ 的前 $r (= col(X))$ 列向量给出了一组 $X$ 列空间的正交基

20、以下模型与结构匹配正确的是 {{ multiselect(20) }}

• T5 → Encoder-Decoder
• BART → Encoder-Decoder
• BERT → Decoder-only
• GPT-4 → Decoder-only