1、Swish激活函数定义为f(x)=x·sigmoid(x)。相比于ReLU，Swish的主要特点是？ {{ select(1) }}

• 它是非单调的
• 它是完全非负的
• 它的计算成本比ReLU低得多
• 它在负区间有平滑的曲线，可能保留更多信息

2、在使用 ZeRO1 (Zero Redundancy Optimizer) 优化的数据并行中，每个GPU计算完局部梯度后，通过哪两个基础通信算子以实现梯度的聚合和分片？ {{ select(2) }}

• All-Gather和Broadcast
• Broadcast和Reduce
• Scatter和All-Reduce
• Reduce-Scatter和All-Gather

3、在表格数据处理中，若某列包含连续数值，另一列包含类别标签（如"男/女"），为了输入神经网络，通常的做法是? {{ select(3) }}

• 全部归一化为0-1之间
• 连续数值归一化，类别标签 One-Hot 编码
• 全部转换为字符串
• 连续数值 One-Hot 编码，类别标签归一化

4、在对大模型（LLM）的权重或激活值进行INT8或FP8量化时，通常假设数据在经过Batch Normalization或大量累加后近似服从正态分布$N(0,\sigma^{2})$。为了减少量化后的平均偏差，我们需要选择一个截断阈值T，将范围$\vert-T,T\vert$之外的离群值（Outliers）强制映射为$-T$或T。若我们设定$T=3\sigma$，基于高斯分布的性质，这种"3$\sigma$截断法则"会导致大约多少比例的原始数据信息产生截断失真（Clipping Error）？ {{ select(4) }}

• 约0.01%
• 约4.5%
• 约31.7%
• 约0.27%

5、在构建线性回归模型时，发现训练误差很小，但测试误差很大，最可能的原因是 {{ select(5) }}

• 欠拟合
• 过拟合
• 数据量不足
• 特征太少

6、在分析多维数据特征分布时，需要准确理解特征间的相关性。对于任意两个随机变量X和Y，下列关于协方差与独立性的命题中，正确的一项是： {{ select(6) }}

• 若存在等式$D(X+Y)=D(X)+D(Y)$成立，则X和Y一定不相关。
• 若X和Y的协方差为0（即不相关），则它们一定相互独立。
• 若X和Y相互独立，则它们的协方差$Cov(X,Y)$可能不为0。
• 若X和Y服从二维正态分布且不相关，则它们不一定相互独立。

7、在自然语言处理中，嵌入向量的线性运算常被用来表达语义关系。假设在一个简化的二维嵌入空间中，已知三个概念的列向量分别为：$v_{cat} = [1,2]^{T}$，$v_{animal} = [2,3]^{T}$，$v_{dog} = [3,1]^{T}$。若我们希望通过计算$v_{target} = v_{cat} - v_{animal} + v_{dog}$来寻找对应的概念向量，则$v_{target}$的值为： {{ select(7) }}

• $[2,0]^{T}$
• $[0,2]^{T}$
• $[4,6]^{T}$
• $[2,1]^{T}$

8、已知对称矩阵$A=[[2,1],[1,2]]$，求解该矩阵的特征值和对应的特征向量。特征值和特征向量是矩阵分析的核心概念。 {{ select(8) }}

• $\lambda_{1}=1$,$\nu_{1}=[[1,1]]$; $\lambda_{2}=3$,$\nu_{2}=[[1,-1]]$
• $\lambda_{1}=2$,$\nu_{1}=[[1,0]]$; $\lambda_{2}=1$,$\nu_{2}=[[0,1]]$
• $\lambda_{1}=3$,$\nu_{1}=[[1,1]]$; $\lambda_{2}=1$,$\nu_{2}=[[1,-1]]$
• $\lambda_{1}=4$,$\nu_{1}=[[1,1]]$; $\lambda_{2}=0$,$\nu_{2}=[[1,-1]]$

9、循环神经网络（RNN）适合处理哪种类型的数据？ {{ select(9) }}

• 图数据
• 图像
• 表格数据
• 序列数据

10、在机器学习的特征工程阶段，我们需要对数值型特征进行缩放处理。假设你正在处理一个包含异常值（Outliers）较多的数据集，且你准备使用对距离敏感的算法（如SVM或KNN）。为了尽可能降低异常值对模型训练的影响，下列哪种特征缩放方法最具有鲁棒性（Robustness）？ {{ select(10) }}

• Standardization（标准化）：将数据转化为均值为0、方差为1的分布。
• RobustScaler：使用中位数（Median）和四分位数间距（IQR）进行缩放。
• Min-MaxScaling（归一化）：将数据线性映射到[0,1]区间。
• Log Transformation（对数变换）：对所有数值取自然对数。

11.模型用FP8训练，工程上常见的数值稳定化操作是：

{{ select(11) }}

• 梯度缩放
• 去掉 dropout
• 使用更小的 batch size，避免过度平滑
• 增大学习率并减少权重衰减

12.空洞卷积（Dilated Convolution）的作用是

{{ select(12) }}

• 增加感受野而不增加参数
• 提高特征图分辨率
• 以上都不对
• 减少计算量

13.假设你拥有一个包含多台服务器的集群，每台服务器内有 $8$ 张 GPU（通过高带宽 NVLink 互联），服务器之间通过延迟较高、带宽较低的 InfiniBand（IB）网络互联。在配置并行策略时，为了最小化通信瓶颈，最合理的物理拓扑映射策略是？

{{ select(13) }}

• 将所有并行策略随机分配，依赖底层的 NCCL 通信库在运行时自动路由。
• 将流水线并行（PP）放置在单机 $8$ 卡内，张量并行（TP）跨节点分布。
• 将数据并行（DP）放在单机 $8$ 卡内，张量并行（TP）和流水线并行（PP）跨节点分布。
• 将张量并行（TP）放置在单机 $8$ 卡内，流水线并行（PP）和数据并行（DP）跨节点分布。

14.如果 $Cov(X,Y)=10$，$Var(X)=4$，$Var(Y)=25$，则 $X$ 和 $Y$ 的相关系数是？

{{ select(14) }}

• $0.5$
• $0.8$
• $1.0$
• $0.1$

15.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(15) }}

• 插值多项式趋于直线
• 收敛到 $f(x)$
• 振荡加剧，误差变大
• 插值多项式趋于零

16.设某线性层输入为 $X\in\mathbb{R}^{N\times C_{in}}$（$N$ 为token数，$C_{in}$ 为输入通道），权重为 $W\in\mathbb{R}^{C_{in}\times C_{out}}$，输出为：$Y=XW$。SmoothQuant引入逐通道缩放向量 $s\in\mathbb{R}^{C_{in}}$（$s_i>0$），进行如下数学变换：

$Y=XW=(X\cdot diag(s)^{-1})\cdot(diag(s)\cdot W)=\tilde{X}\cdot\tilde{W}$

其中 $\tilde{X}_{ij}=X_{ij}/s_j$，$\tilde{W}_{jk}=s_j\cdot W_{jk}$。

下列哪些说法正确：

{{ multiselect(16) }}

• 若原始 $X$ 的某通道 $j$ 存在幅值远大于其他通道的离群值（outliers），选择 $s_j$ 为该通道的 $l_{\infty}$ 范数或最大幅值，可将该通道数值范围压缩至 $[-1,1]$ 附近，显著降低该通道激活的量化难度
• 变换后 $\tilde{W}$ 的某行范数会随 $s_j$ 同比增大，若 $s_j$ 选择过大可能导致权重需要更高位宽表示，因此实际实现中需在“激活易量化”与“权重量化”之间寻找平衡
• 该变换要求 $X$ 和 $W$ 必须具有相同的通道维度 $C_{in}$，因此只能用于全连接层和卷积层，无法应用于注意力机制中的 $Q/K/V$ 投影
• 该变换在数学上是严格等价的，即对任意 $s_i>0$，浮点精度下 $\tilde{X}\tilde{W}$ 与 $XW$ 的数值结果完全一致，不存在任何近似误差

17.某电商平台收集了用户的多种行为特征，包括：月均登录次数、月均浏览商品数、月均购买金额、购买商品价格波动性等。希望通过聚类分析发现正常的用户群体，同时识别出异常用户（如刷单、机器人）。数据维度较高，且不同特征的量纲差异大。研发考虑使用DBSCAN进行聚类，使用DBSCAN的原因包括（）

{{ multiselect(17) }}

• DBSCAN能够自动将异常用户标记为噪声点，有助于后续的欺诈检测
• 由于不需要预先指定簇的数量，DBSCAN适合探索未知的用户分群结构
• DBSCAN在高维数据中表现优异，因为密度概念在高维空间仍然清晰，不会受“维度灾难”影响
• DBSCAN能够发现任意形状的簇，可以捕捉到那些在特征空间中呈现非球形分布的特殊用户群体

18.ReAct架构在现代AI Agent系统中被广泛应用。以下关于ReAct架构特点和优势的说法中，正确的有：

{{ multiselect(18) }}

• ReAct循环可能陷入思考-行动的死循环，需要设计终止条件
• ReAct通过显式的Thought步骤增强了模型的可解释性
• ReAct中的Observation可以来自外部工具调用结果、搜索引擎返回、API响应等多种来源
• ReAct架构下，Agent的行动选择完全依赖预训练的模式，不需要工具调用

19.在混合检索（关键词 BM25（Best Matching 25）+ 向量相似度）的高级 RAG 系统中，关于 Embedding、分词、召回、重排的联合优化，下列说法正确的有（）

{{ multiselect(19) }}

• Embedding归一化会影响余弦相似度与点积的等价性，混合检索需统一
• Tokenizer 若兼容向量模型与 BM25 的分词规则，可以减少词频统计错位，从而提升检索效果
• 对专业术语，若 BM25 权重过高，会压制向量的语义匹配能力
• 混合检索中的重排模型若与 Embedding 模型共享特征空间与参数，更有利于整体检索链路的端到端优化
• 文档切分策略只影响向量检索，不影响 BM25 效果

20.下列哪些损失函数常用于分类问题？

{{ multiselect(20) }}

• 交叉熵损失
• 均方误差
• 平均绝对误差
• 焦点损失