1、下列哪个不是大语言模型（LLM）的典型特点？

{{ select(1) }}

• 主要基于Transformer架构
• 通过海量数据训练获得通用能力
• 保证事实的绝对准确性
• 参数规模通常达到数十亿至万亿级别

2、下列哪个算法属于监督学习？

{{ select(2) }}

• 主成分分析（PCA）
• 线性回归
• K-means 聚类

3、在RLHF（基于人类反馈的强化学习）流程中，奖励模型（Reward Model, RM）扮演了关键重要的角色。关于奖励模型的作用，以下描述最准确的是？

{{ select(3) }}

• 奖励模型是一个可微分的人类偏好代理（proxy），它将人类对答案好坏、主观的、不可导判断，转化为了一个可用于优化语言模型的、连续、可导的奖励信号。
• 奖励模型本身就是一个强化学习智能体（Agent），它通过与语言模型互动来学习如何给出最佳回答。
• 奖励模型的目标是学习模仿人类的写作风格，以便在后续的PPO阶段指导语言模型生成更像人类的文本。
• 奖励模型直接修改基座模型的权重，使其生成更高质量的文本。

4、关于先验概率和后验概率，正确的是

{{ select(4) }}

• 后验概率可以大于1
• 后验概率必须通过贝叶斯定理计算
• 先验概率是已知条件概率后的修正结果
• 先验概率是未考虑新信息前的初始概率

5、下列方法中没有考虑先验分布的是（）

{{ select(5) }}

• 贝叶斯分类器
• 最大似然估计
• 贝叶斯学习
• 最大后验估计