1.在通信故障诊断 RAG 系统中，使用领域微调 Embedding 模型将用户查询与历史故障案例转换为 768 维向量。为提升检索精度，系统对所有向量执行L2归一化（向量模长为 1）。下列关于相似度计算的工程实践选择，最优的是（）

{{ select(1) }}

• 采用欧氏距离计算相似度，距离越小表示故障案例与查询匹配度越高
• 采用点积相似度计算，其结果与余弦相似度等价，且计算效率更高
• 采用曼哈顿距离计算，更适合高维稀疏的故障文本向量场景
• 采用余弦相似度计算，需额外对向量模长进行归一化处理

2.在分析“工具调用风险”时，发现 Agent 具有写文件权限（Write）和执行脚本权限（Exec）。若攻击者利用间接注入让 Agent 执行以下操作序列：1. 将 Base64 负载写入 temp.sh；2. 运行 chmod +x；3. 执行该脚本。这种攻击组合在权限风险矩阵中属于：

{{ select(2) }}

• 权限提权（Privilege Escalation）
• 权限收敛（Privilege Convergence）
• 职责分离缺失（Lack of Segregation of Duties）
• 跨站脚本（XSS）

3.当前主流多模态模型（如LLaVA、Qwen-VL）与原生多模态模型（如Gemini、GPT-4o）的核心架构差异是？

{{ select(3) }}

• 当前模型使用Transformer，原生多模态使用CNN+RNN混合架构
• 当前模型冻结视觉编码器+训练投影层，原生多模态端到端联合训练视觉和语言组件
• 当前模型参数量小，原生多模态参数量大，这是唯一区别
• 当前模型只支持文本输出，原生多模态支持图像生成

4.在随机梯度下降中，使用小批量（mini-batch）梯度 $\tilde{g}=\frac{1}{m}\sum_{i=1}^{m}\nabla f_i(x)$ 代替全梯度，关于噪声 $\epsilon=\tilde{g}-g$ 对数值稳定性的影响，正确的是：

{{ select(4) }}

• 噪声可通过增大学习率来完全消除
• 噪声方差与批量大小 $m$ 成正比，增大 $m$ 可增加噪声
• 噪声在接近最优解时帮助逃离鞍点，但可能导致在最优解附近波动
• 噪声导致目标函数值单调下降，但收敛点随机波动

5.电影院放映厅可以容纳150名观众，第一位观众进入放映厅前丢了票，不知道自己的座位号，就随机选择一个位置坐下。剩余观众均没有丢票，首选自己的位置坐，但是如果发现自己的位置已经被占了，就从剩下的空位中随机选一个位置坐。则最后一位进入的观众恰好坐在自己座位上的概率是多少？

{{ select(5) }}

• 113 /150
• 49 / 150
• 77 / 150
• 1 / 2