1、使用多层感知机（MLP）对每月的降雨量进行预测，输出层的激活函数推荐使用什么？

{{ select(1) }}

• ReLU
• Tanh
• Sigmoid
• 不使用激活函数

2、关于重计算策略的时间换空间原理，下列说法错误的是（ ）

{{ select(2) }}

• 重计算仅适用于模型推理阶段，不适用于训练阶段
• 重计算缓存的关键中间特征越少，显存占用越低，但重复计算时间越长
• 重计算不会改变模型的输出结果，仅影响计算时间和显存占用
• 重计算的核心是“按需重构中间特征”，而非“全程缓存中间特征”

3、如果在隐藏层使用Tanh激活函数，初始化权重时应该注意？

{{ select(3) }}

• 权重必须初始化为$0$
• 权重必须初始化为很大的值
• 权重应随机初始化为较小的值（如Xavier初始化）
• 权重必须全部为负数

4、关于对数几率（Logit）$\ln(\frac{p}{1-p})=w^Tx+b$，其范围是：

{{ select(4) }}

• $(-\infty,+\infty)$
• $(0,+\infty)$
• $[0,1]$
• $[-1,1]$

5、一个分类器在测试集上的混淆矩阵为：$TP=40, FP=10, FN=20, TN=30$，该分类器的精确率（Precision）是？

{{ select(5) }}

• $80\%$
• $50\%$
• $66.7\%$
• $57.1\%$

6、已知函数 $f(x)$ 在节点 $x_0,x_1,x_2$ 上的函数值分别为 $f_0,f_1,f_2$，用Lagrange插值得到二次多项式 $L(x)$。若增加一个节点 $x_3$，重新构造三次插值多项式 $P(x)$，则下列说法正确的是？

{{ select(6) }}

• 构造 $P(x)$ 时需要重新计算所有差商
• $P(x)$ 的Lagrange基函数与 $L(x)$ 的相同
• 在 $x_0,x_1,x_2$ 上，$P(x)$ 与 $L(x)$ 的值相同
• $P(x)$ 与 $L(x)$ 的差等于 $f[x_0,x_1,x_2](x-x_0)(x-x_1)(x-x_2)$

7、线性变换的核心性质是？

{{ select(7) }}

• 保持向量正交性不变
• 保持线性组合不变
• 保持向量方向不变
• 保持向量长度值不变

8、在线性分类模型中，预测函数常写为 $y=w^Tx+b$

设

$w=(1,2),\quad x=(3,4),\quad b=1$

计算模型输出 $y$。

{{ select(8) }}

• $13$
• $10$
• $12$
• $11$

9、在机器学习训练过程中，我们通常使用“梯度下降法（Gradient Descent）”来更新模型的参数。在这个过程中，损失函数（Loss Function）的作用是：

{{ select(9) }}

• 作为一个固定值，用来记录模型训练所花费的总时间。
• 自动增加训练数据的数量，以提高模型的准确率。
• 决定模型在测试集上的能够达到的最高分数上限。
• 作为优化的目标，通过计算其对参数的梯度来指明参数更新的方向。

10、在大模型评测领域，“数据污染（Data Contamination）”通常指以下哪种情况？

{{ select(10) }}

• 评测集的题目出现在了模型的训练语料库中，导致评分虚高
• 模型的训练数据中包含过多的错别字
• 模型输出的内容包含敏感词汇
• 数据库服务器遭到了病毒攻击

11、小A最近正在减肥，发现自己的体重减少量与每周的运动量（小时）成线性关系，他计算出回归斜率是$0.3$，已知他本周运动时长为$2$小时，体重减少了$0.56kg$，请计算回归截距是多少？

{{ select(11) }}

• $-0.04$
• $-0.05$
• $-0.06$
• $-0.07$

12、在排查模型未在 NPU 上运行的问题时，以下哪一项是优先检查的内容？

{{ select(12) }}

• 模型的推理速度是否低于 CPU
• 模型输入数据的格式是否符合要求
• 模型的训练精度是否达到预期
• 模型转换日志中是否存在 unsupported op、fallback 或 compile fail 信息

13、在使用 HAC（Hierarchical Agglomerative Clustering）算法时，关于其增量更新能力，以下哪种说法最准确？

{{ select(13) }}

• HAC 只能处理静态数据，无法应对新增样本
• HAC 的层次合并具有全局依赖性，因此严格增量更新通常较困难
• HAC 在新增样本时不需要进行任何距离计算
• HAC 可以高效地逐样本在线更新，且更新后的结果与全量重跑完全一致

14、在图像检索任务中，假设有两张图像的特征向量分别为 $a=(1,2)$ 和 $b=(2,1)$，数据库中查询图像的特征为 $c=(3,3)$。以下说法正确的是？

{{ select(14) }}

• 在训练时若对图像亮度进行增强（等价于特征向量加上常数 $(1,1)$），则余弦相似度保持不变，模型对亮度变化具有鲁棒性
• 若对特征向量进行 $L_2$ 归一化后再计算欧几里得距离，此时欧几里得距离与余弦相似度单调相关
• 使用曼哈顿距离时，$a$ 与 $b$ 的距离为$2$，适合用于稀疏特征向量的相似性度量
• 使用余弦相似度检索时，图像 $a$ 与查询 $c$ 的相似度高于图像 $b$ 与 $c$ 的相似度

15、某基座模型预训练使用 $100B$ tokens，后续 SFT 使用 $2B$ tokens，则 SFT token 量约占预训练的多少？

{{ select(15) }}

• $0.2\%$
• $2\%$
• $20\%$
• $5\%$

16、以下关于浮点数运算的说法，正确的有：

{{ multiselect(16) }}

• 机器精度决定了浮点运算的最小相对舍入误差
• 浮点数可以精确表示所有十进制小数
• 浮点加法不满足结合律（即 $(a+b)+c$ 不一定等于 $a+(b+c)$）
• 浮点乘法满足交换律（$a*b=b*a$）

17、哪种激活函数适合处理梯度消失问题？

{{ multiselect(17) }}

• Sigmoid
• Leaky ReLU
• Tanh
• ReLU

18、你抽样$100$条失败case，发现Top5里常有$2\sim3$条不相关文档。可做哪些“当日可上线”改动？

{{ multiselect(18) }}

• chunk改为按段落/标题语义切分，保留适量overlap
• 仅把temperature降为$0$，不改检索
• 检索后加rerank，并把进入生成的片段控制到Top$2\sim3$
• 给回答强制引用片段ID，未命中证据则拒答

19、采用权重量化（INT4）+ KV Cache量化（INT8）的混合策略在端侧部署$3B$参数Transformer模型，下面说法正确的是？

{{ multiselect(19) }}

• 量化后可以支持更长的生成序列
• 模型精度提升，延迟增加
• 量化后显存占用降低
• 长文本生成时量化误差可能累积

20、关于最大似然估计（MLE），下列正确的有

{{ multiselect(20) }}

• 似然函数表示观测样本的联合概率（视为参数的函数）
• MLE 一定是无偏估计
• 通常对似然函数取对数便于求导
• MLE 目标是最大化似然函数