1、量化（Quantization）技术中，将 FP16 转为 INT8 主要压缩了：

{{ select(1) }}

• 注意力机制的头数
• 模型的层数
• 权重的存储位宽
• Token 词表的长度

2、对于输入为224×224×3的图像，使用一个卷积层，包含 96 个11×11的卷积核，步长为 4，无填充（padding = 0），那么输出特征图的大小和深度分别是？ {{ select(2) }}

• 55×55×96
• 57×57×96
• 56×56×96
• 54×54×96

3、在原始 Transformer 的多头注意力机制中，多个头间的输出是如何结合的？

{{ select(3) }}

• 取最大值
• 拼接后经过线性变换
• 逐元素相加
• 取平均

4、关于 Transformer 中的多头注意力（Multi-Head Attention）的表述，哪一项是正确的？

{{ select(4) }}

• 多个头共享相同的查询、键、值权重矩阵
• 每个头独立学习不同的线性投影，最后将注意力输出拼接
• 头数越多，模型推理速度一定越快
• 每个头关注输入序列的同一局部特征

5、以下关于凸函数的说法，正确的是：

{{ select(5) }}

• 凸函数的局部最小值一定是全局最小值
• 凸函数的二阶导数可以为负
• 凸函数一定没有最小值
• 所有多项式函数都是凸函数

6、对于回归问题，假设真实值和预测值的误差分布符合正态分布，且均值为 0。此时，以下哪个指标最能反映模型的整体预测精度？

{{ select(6) }}

• 最大绝对误差（Max Error）
• 中位数绝对误差
• 极差（Range）
• 均方误差（MSE）

7、关于 Pass@k（代码生成常用）中 “k” 的含义，正确的是： {{ select(7) }}

• 把 k 道题的平均正确率作为指标
• 从 k 个模型中选最强的一个
• 生成时把 top_k 设置为 k
• 对同一题生成的 n 个候选（n>=k），随机抽取 k 个，k 个中至少有一个通过就算成功

8、以下推理代码速度较慢：

generated = input_ids

for _ in range(max_new_tokens):

​ out = model(input_ids=generated)

​ next_token = out.logits[:, -1, :].argmax(dim=-1, keepdim=True)

​ generated = torch.cat([generated, next_token], dim=1)

最有效的优化方向是：

{{ select(8) }}

• 每步都重新 tokenize
• 将 max_new_tokens 增大
• 把 argmax 改成 topk
• 使用 past_key_values（KV Cache）避免重复计算历史上下文

9、关于多头注意力（MHA）和分组查询注意力（GQA）的区别，下列说法正确的是？ {{ select(9) }}

• GQA 只能用于解码器
• MHA 比 GQA 参数量更少
• GQA 中每个头有自己的 K 和 V，而 MHA 共享
• GQA 中多个查询头共享一组 K 和 V

10、关于旋转位置编码（RoPE, Rotary Position Embedding）的表述，正确的是？

{{ select(10) }}

• RoPE 仅适用于编码器，不适用于自回归解码器

• RoPE 无法处理超出预训练长度的序列

• RoPE 通过旋转矩阵对查询和键向量进行变换，使内积蕴含相对位置信息

• RoPE 将绝对位置信息直接加到词嵌入中

11、设计一个用于图像分类的卷积神经网络（CNN），隐藏层需兼顾计算效率和缓解梯度消失，输出层用于多分类任务，下列激活函数搭配最合理的是（ ）

{{ select(11) }}

• 隐藏层用 ReLU，输出层用 Softmax

• 隐藏层用 Sigmoid，输出层用 ReLU

• 隐藏层用 Tanh，输出层用 Sigmoid

• 隐藏层用 Softmax，输出层用 Tanh

12、关于模型推理中前向计算与训练前向计算的区别，下列说法错误的是

{{ select(12) }}

• 推理前向计算仅需输出最终结果，训练前向计算需保留中间特征用于反向传播
• 推理前向计算可复用 KVCache，训练前向计算无需缓存 K/V 向量
• 推理前向计算与训练前向计算的计算逻辑完全一致，仅输入数据不同
• 推理前向计算的批量大小通常小于训练，以平衡延迟和吞吐量

13、对于函数$f(x) = \frac{1}{1+25x^2}$，在区间 [−1,1] 上取等距节点进行高次插值，当 n 增大时，插值多项式在区间两端会出现什么现象？

{{ select(13) }}

• 收敛到 f(x)

• 插值多项式趋于零

• 振荡加剧，误差变大

• 插值多项式趋于直线

14、、若向量组 $\{\vec{a}_1, \vec{a}_2, \vec{a}_3\}$ 线性无关，则以下说法正确的是？

{{ select(14) }}

• 不存在不全为零的系数使线性组合为零
• 可由更少向量生成同一空间
• 任意两个向量线性相关
• 向量个数大于维度

15、在线性分类模型中，预测函数常写为$y=w^Tx+b$设$w=(1,2),x=(3,4),b=1$计算模型输出y

{{ select(15) }}

• 10

• 12

• 11

• 13

16、影响 GPU 内核占用率的因素包括以下哪些选项？ {{ multiselect(16) }}

• 线程块使用的共享内存大小
• 线程块的维度设置
• 每个线程使用的寄存器数量
• GPU 核心的时钟频率

17、某公司正在开发一个智能客服系统，使用多 Agent 协作架构来处理复杂的用户请求。系统采用任务分解和分发机制，主 Agent 负责将用户请求分解为子任务并分发给专门的功能 Agent（如订单 Agent、支付 Agent、售后 Agent）。在设计和优化这个系统时，以下哪些关于规划和协作的策略是正确的？

{{ multiselect(17) }}

• 设子任务数量为 n，若所有子任务相互独立且可并行，系统吞吐量可近似达到单 Agent 吞吐量的 n 倍；若存在依赖链，吞吐量会受限于关键路径的子任务串行执行时间

• 主 Agent 在任务分解时应考虑子任务之间的数据依赖关系，确保下游 Agent 能够获得上游 Agent 执行结果

• 当主 Agent 检测到某个子任务 Agent 执行失败时，可以根据任务重要性决定是重试该子任务还是终止整个任务流

• 为减少通信开销，所有子任务应该尽可能并行执行，即使存在依赖关系

18、在大语言模型推理阶段，以下哪些技术在配置正确的情况下，可以实际降低单 token 的生成延迟？

{{ multiselect(18) }}

• 对模型进行 INT8 权重量化，并在推理时配合 GPU Tensor Core 执行

• 使用 KV Cache 以避免重复计算历史 token 的 Attention

• 在推理服务中增大 Batch Size 并启用连续批处理（Continuous Batching）

• 采用 FlashAttention / FlashAttention-2 实现 Attention 计算

19、假设某分布式训练集群中有两台处理节点的参数同步模块，它们无故障连续运行的时间 T1 和 T2（单位：百小时）相互独立，且分别服从参数为 λ1=2 和 λ2=3 的指数分布。现定义该同步子系统出现首个节点故障的时间为 Y=min(T1,T2)。以下关于随机变量 Y 的计算结论中，正确的有哪些？

{{ multiselect(19) }}

• 第一个节点先于第二个节点发生故障的概率为 2/5。

• 该子系统的平均无故障运行时间（即 Y 的数学期望）为 5 百小时。

• 该子系统能无故障运行超过 100 小时（即 Y>1）的概率为$e^{−5}$

• 随机变量 Y 服从参数为 5 的指数分布。

20、、数据科学家小李正在训练一个大型语言模型，采用混合精度训练策略。他发现在某些层使用 FP16 计算时会出现数值不稳定问题。以下关于混合精度训练中数值稳定性问题的分析中，正确的有？

{{ multiselect(20) }}

• Softmax 函数在计算 exp(xi) 时，当 xi 较大的值在 FP16 中容易溢出
• 在 Softmax 计算中，可以使用 max-shift 技巧：先减去 $max_jx_j$ 再计算指数，避免溢出
• 对于 BatchNorm 层，使用 FP32 存储移动均值（running mean）和方差（running variance）可以提高数值稳定性
• LayerNorm 在混合精度训练中完全没有数值风险，不需要特殊处理