1、$\operatorname{softmax}(x)_i=\frac{e^{x_i}}{\sum_j e^{x_j}}$，当 $x_i$ 较大（如 $>1000$）会导致数值溢出。正确的稳定化实现是：

{{ select(1) }}

• 对 $x_i$ 进行 L2 归一化后再计算指数
• 对所有 $x_i$ 除以最大值：$x_i'=x_i/\max(x)$，再计算 softmax
• 使用双精度浮点数（FP64）存储中间结果
• 对所有 $x_i$ 减去最大值：$x_i'=x_i-\max(x)$，再计算 softmax

2、视觉问答（Visual Question Answering, VQA）是典型的多模态任务，它的输入和输出分别是什么？

{{ select(2) }}

• 输入是图像和文本问题，输出是文本答案
• 输入是文本，输出是图像
• 输入是文本答案，输出是图像和文本问题
• 输入是图像，输出是图像

3、某智能体采用分层强化学习（HRL）进行通信网络故障诊断的任务规划，将“故障检测-根因定位-配置修复-业务验证”的复杂任务分解为4个具有严格依赖关系的子任务：子任务A（故障检测）、子任务B（根因定位）、子任务C（配置修复）、子任务D（业务验证）。任务规则与奖惩机制如下：

1. 任务依赖约束：子任务必须按顺序执行（A-B-C-D）。只有当前一个子任务成功完成后，才能执行下一个子任务；如果某个子任务执行失败，则后续所有子任务立即被跳过，不再执行。

2. 基础奖惩规则：

• 子任务A：成功完成获得奖励 $RA=5$，失败则获得惩罚 $PA=-RA/2$；
• 子任务B：成功完成获得奖励 $RB=8$，失败则获得惩罚 $PB=-RB/4$；
• 子任务C：成功完成获得奖励 $RC=12$，失败则获得惩罚 $PC=-RC/3$；
• 子任务D：成功完成获得奖励 $RD=16$，失败则获得惩罚 $PD=-RD/4$。

3. 级联惩罚规则：若某个子任务失败，除了该子任务的基础失败惩罚外，还会为当前失败子任务追加一个额外的惩罚，称为“级联惩罚”。级联惩罚的数值等于后续所有被跳过的子任务的基础奖励的平均值，并以负值形式累加到总奖励中。

注意：被跳过的子任务本身不获得任何奖励或惩罚，仅失败子任务会触发级联惩罚。

已知该Agent在一次执行中，成功完成了子任务A，子任务B执行失败，因此子任务C和D被跳过。请计算此次执行获得的总奖励值（ ）

{{ select(3) }}

• $-4$
• $-11$
• $-25$
• $3$

4、已知离散单词x的嵌入向量为 $v_x=[2,3]^T$，单词y的嵌入向量为 $v_y=[4,1]^T$，采用欧氏距离计算两者的相似度（距离越小，相似度越高），则欧氏距离为（ ）

{{ select(4) }}

• $\sqrt{5}$
• $\sqrt{13}$
• $\sqrt{10}$
• $\sqrt{8}$

5、某单个人工神经元：输入 $x=2$，权重 $w=1$，偏置 $b=0$，激活函数为恒等变换 $y=wx+b$，损失函数 $L=\frac{1}{2}(y-t)^2$，标签 $t=5$。使用反向传播计算 $\frac{\partial L}{\partial w}$ 结果为（ ）

{{ select(5) }}

• $-3$
• $3$
• $-6$
• $6$