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