1、A/B测试是工业界常用的一种评估功能效果的方法。假设你想测试一个新的推荐算法（B版本）是否比旧算法（A版本）有更高的点击率。在收集到足够数据后，你通常会使用什么统计学概念来判断B版本是否“显著地”优于A版本？ {{ select(1) }}

• 计算$p$值（p-value）并与显著性水平（如0.05）比较
• 计算两个版本点击率的协方差
• 计算两个版本点击率的相关系数
• 使用最大似然估计来重新拟合模型

2、ReLU 激活函数的导数为： {{ select(2) }}

• $\text{ReLU}'(x)=\begin{cases} 1, & \text{if } x \neq 0 \\ 0, & \text{if } x = 0 \end{cases}$
• $\text{ReLU}'(x)=\begin{cases} 1, & \text{if } x > 0 \\ 0, & \text{if } x < 0 \end{cases}$
• $\text{ReLU}'(x)=\begin{cases} 1, & \text{if } x \geq 0 \\ 0, & \text{if } x < 0 \end{cases}$
• $\text{ReLU}'(x)=\begin{cases} 1, & \text{if } x > 0 \\ 0, & \text{if } x \leq 0 \end{cases}$

3、贝叶斯定理的核心是用于计算什么类型的概率？ {{ select(3) }}

• 边缘概率
• 先验概率
• 条件概率
• 联合概率

4、BERT 模型与 GPT 模型的主要区别是？ {{ select(4) }}

• BERT 不支持微调，GPT 支持微调
• BERT 使用 Transformer 编码器，GPT 使用 Transformer 解码器
• BERT 是生成模型，GPT 是预训练模型
• BERT 是单向的，GPT 是双向的

5、以下关于自注意力机制中多头注意力（Multi-Head Attention MHA）、多查询注意力机制（Multi-Query Attention MQA）、分组查询注意力机制（Grouped Query Attention GQA）、多头潜在注意力（Multi-Head Latent Attention MLA）描述错误的是？ {{ select(5) }}

• GQA是对多头注意力（MHA）和多头潜在注意力（MLA）的折中优化方案
• MHA核心思想是将输入映射到多个子空间，分别计算注意力权重并聚合结果，从而增强模型对复杂模式的捕捉能力。
• MQA核心思想是共享键（Key）和值（Value）的投影参数，仅对查询（Query）使用独立投影参数。
• MLA核心思想是通过低秩投影压缩查询（Q）、键（K）、值（V）的维度，并在注意力计算中解耦内容与位置信息，从而减少计算复杂度，同时保留长距离依赖建模能力。