1、下面关于大模型中使用的Position Encoding机制，说法错误的是（）

{{ select(1) }}

• Rotary Position Embedding (RoPE)可以嵌入角度信息，从而提升推理能力

• 使用位置编码的目的是为了让模型获得序列中每个token的上下文信息

• 学习型绝对位置编码（如BERT）无法支持超过训练时最大长度的输入

• 相对位置编码比绝对位置编码更适合泛化到更长序列

2、在一棵度为4的树T中，若有10个度为4的结点，15个度为3的结点，4个度为2的结点，9个度为1的结点，则树T的叶结点个数是（）

{{ select(2) }}

• 65

• 93

• 73

• 64

3、预训练任务NSP（Next Sentence Prediction）的作用是（）

{{ select(3) }}

• 学习句子间逻辑关系

• 加速模型收敛

• 预测掩码词的位置

• 生成连贯的段落

4、下列哪个数据结构不属于设备分配（）

{{ select(4) }}

• 控制器控制表

• 系统设备表

• 逻辑控制表

• 设备控制表

5、RAG出现“召回相关但回答仍不对”，更常见的排查顺序是（）

{{ select(5) }}

• 先看证据是否覆盖要点，再看重排与生成是否正确用证据

• 先把topK调到1，再看是否还有错误

• 先把temperature调到0，再看是否还有错误

• 先换更大模型，再看回答是否变好

6、做模型蒸馏时，学生模型在训练集拟合很好，但线上对长尾问题泛化差。更可能的原因是（）

{{ select(6) }}

• 学生模型太小导致无法记住训练集，所以才会泛化差

• 蒸馏只适合分类不适合生成，因此线上必然会泛化差

• 蒸馏温度太高导致训练不稳定，应把温度调到接近0

• 蒸馏目标过度跟随教师分布，长尾样本覆盖不足导致偏差

7. 下列选项中，在升序有序表中进行折半查找，能构成折半查找中关键字比较序列的是（）

{{ select(7) }}

• 50, 65, 47, 62, 63

• 50, 65, 57, 47, 54

• 50, 98, 73, 79, 84

• 50, 20, 6, 21, 18

8、分布式训练偶发卡在allreduce附近，日志显示某个rank提前退出。更可能的原因是（）

{{ select(8) }}

• 混合精度范围变化更大，collective更容易出现死锁

• 某些rank走了不同分支或异常退出，参与方不一致

• 数据加载不均衡导致慢卡拖后腿，最终表现为卡通信

• 学习率偏高触发nan，通信层因此自动暂停等待恢复

9、参数高效微调方法（如LoRA）的主要优势是（ ） {{ select(9) }}

• 仅需调整少量参数即可适配新任务

• 减少预训练阶段的算力消耗

• 彻底避免过拟合问题

• 大幅提升模型推理速度

10、以下哪种状态码表示服务器成功处理请求但未返回内容？

{{ select(10) }}

• 201 Created

• 304 Not Modified

• 204 No Content

• 200 OK