一、通用技术 · 单选题

1、某推理服务在回答简短问题时延迟正常；当提示词要求模型输出较长的逐步推理过程时，首个 token 的等待时间变化不大，但后续生成速度明显变慢，总耗时随输出长度增长。此时应优先优化哪个环节？ {{ select(1) }}

• 优先加速预填充，把提示词编码和输入 token 的并行计算再压一档
• 先改向量库的切分方式和召回条数，认为延迟主要来自检索
• 优化解码阶段的逐 token 计算、KV Cache 访问与连续批处理
• 回头做训练数据清洗、学习率调度和检查点保存

2、大语言模型生成文本时，保持各词元的 logits 不变且最高得分词元唯一，将采样温度由 1 调整为 0.5。以下说法正确的是？ {{ select(2) }}

• 各词元概率按相同比例缩小后再归一化，分布形状保持不变
• 分布更集中，最高分词元概率上升，且该词元仍然是最高分
• 只有生成速度降低，词元概率分布和采样结果均不会变化
• 分布更平坦，低分词元概率上升，最高分词元仍然不变

3、将 30、20、40、10、25、22 依次插入一棵初始为空的 AVL 树。完成全部必要的旋转后，最终根节点的值是多少？ {{ select(3) }}

• 30
• 20
• 22
• 25

4、不加入位置编码时，若重新排列输入的 token，关于编码器中的全连接自注意力与解码器中的因果自注意力，下列判断正确的是？ {{ select(4) }}

• 两者均为置换不变，重排输入不会改变输出内容
• 前者保持置换等变，后者通常不保持这一性质
• 两者均保持置换等变，因果掩码不会改变这一性质
• 前者不保持置换等变，后者仍会随输入同步重排

5、使用同一批用户的曝光日志比较模型 A 和模型 B。每个用户可能产生多次曝光，现需估计两个模型指标差的置信区间。以下哪种重采样方式更合适？ {{ select(5) }}

• 将每次曝光视为独立样本，分别重采样 A、B 结果后再比较指标均值
• 将用户随机分成两半，一半只计算 A，另一半只计算 B，再比较指标
• 保留全部曝光不重采样，按曝光数直接使用独立同分布的正态近似
• 按用户成组重采样，并在每次抽样后重算 A、B 指标差

6、一个使用旋转位置编码（RoPE）的模型从 8K 上下文扩展到 64K。直接使用原训练配置后，短文本表现基本不变，但长文本中相隔很远的 token 更容易出现位置关系混淆。以下判断最严谨的是？ {{ select(6) }}

• 保持位置频率不变，重点增加解码并行度与批处理规模以改善长距离位置关系
• 扩大 KV Cache 容量后，主要用短文本基准确认上下文扩展是否成功
• 比较不同 RoPE 缩放配置在长上下文和远距离依赖上的表现，必要时补充长上下文训练
• 保持原 RoPE 配置，将超过 8K 的位置编号映射回已有位置区间进行复用

二、通用技术 · 多选题

7、关于预训练（PT）、监督微调（SFT）和基于反馈的强化学习阶段，以下哪些说法正确？ {{ multiselect(7) }}

• 预训练可通过大规模语料学习语言规律和通用表示
• SFT 只修改推理时的提示词，不会更新模型参数
• 强化学习阶段可利用奖励或偏好信号优化模型行为
• SFT 通常使用输入与目标输出样本调整模型参数

8、一个检索模块维护非降序数组 [1,2,2,2,5,7]，下标从 0 开始。定义 lower(x) 为第一个值大于等于 x 的元素下标；若不存在则返回数组长度 6。模块准备利用查找结果之差统计数组中值落在闭区间 [L,R] 中的元素数量。按照上述查找规则和区间统计要求，以下哪些判断正确？ {{ multiselect(8) }}

• 统计闭区间 [2,5] 时，lower(6)-lower(2) 返回 4，正好覆盖三个 2 和一个 5
• 当 R 是整数类型最大值时，仍可先计算 R+1 再调用 lower，溢出可以忽略
• 对当前数组，lower(2) 返回 1，因为下标 1 是第一个值不小于 2 的位置
• 对当前数组，lower(6) 的结果为 6，因为数组中没有等于 6 的元素，应返回数组长度

9、比较两个可调用工具的 Agent 方案，希望判断新方案是否在真实任务上稳定提升。以下哪些评测设计合理？ {{ multiselect(9) }}

• 除任务成功率外，同时记录工具调用正确性、执行延迟和运行成本
• 自动裁判多次评分较一致时，无需人工抽检即可作为最终评价标准
• 在同一批任务和相同工具版本下运行方案，并按任务配对比较结果
• 分别在最终测试集上挑选两个方案的最佳提示词，再比较最高得分

10、关于 Bagging、Boosting 和决策树，以下哪些说法正确？ {{ multiselect(10) }}

• 只要继续增加决策树深度，训练误差和泛化误差都会同步持续下降
• Bagging 通常基于重采样数据并行训练多个基模型，再聚合预测结果
• Boosting 通常顺序训练多个基学习器，使后续模型重点修正已有错误
• 决策树每次选择纯度提升最大的划分，都能保证测试误差持续下降

11、团队为文档问答系统升级 Embedding 模型，并使用近似最近邻索引进行召回。若希望检索结果稳定且便于评估，以下哪些做法合理？ {{ multiselect(11) }}

• 先召回候选文档，再按需要使用更精细的模型进行重排
• 把内积作为余弦相似度的实现时，不再统一查询和文档的归一化流程
• 查询和文档使用兼容的模型版本及相同的向量处理方式
• 新旧模型维度一致时，先保留旧文档向量并只更新查询向量进行评估

12、准备将长序列模型中的全量注意力（full attention）替换为线性注意力（linear attention）。在评估该方案时，以下哪些判断合理？ {{ multiselect(12) }}

• 全量注意力显式建模 token 两两交互时，计算或存储开销通常随序列长度平方增长
• 沿用相同 Q/K/V 投影后，可直接按全量注意力的效果基线评估，无需重测排序关系
• 部分线性注意力通过核映射或状态累积重排计算，可降低长序列开销
• 若任务依赖精确远距离匹配，应单独验证替换后的召回和长程依赖能力

三、方向卷 · 单选题（自然语言处理卷）

13、某 RAG 问答系统升级后，离线评测显示 Recall@5 从 0.62 升至 0.88，重排 nDCG@5 从 0.71 升至 0.84，但答案忠实度仍为 0.54，且大量回答包含检索片段中不存在的断言。下一步最应优先改进哪个环节？ {{ select(13) }}

• 继续扩大召回 top-k，并把更多候选片段写入上下文
• 约束生成仅使用证据，并对无依据问题拒答
• 更换 Embedding 模型，并重新训练检索与重排索引
• 增大文档切片长度，并取消重叠以减少重复上下文

14、知识库每天全量更新一次，Embedding 模型保持不变。更新期间要求线上查询不中断，并且一次查询不能同时召回新旧版本的文档片段。以下哪种索引更新方案更合适？ {{ select(14) }}

• 在线逐条删除旧向量，删除完成后再写入新向量
• 先用新语料继续预训练模型，再保留原有检索索引
• 离线构建新版本索引，校验后原子切换检索别名
• 把新旧文档同时追加到当前索引，由生成模型自行去重

四、方向卷 · 多选题（自然语言处理卷）

15、某对话语言模型完成偏好后训练，相对训练前模型进行同分布盲测时，后训练模型的胜率为 62%，无差别水平为 50%，该胜率的 95% 置信区间为 [58%，66%]；事实问答得分保持 71 分，分布外良性请求的拒答率从 4% 升至 13%。根据这些结果，可以得出哪些结论？ {{ multiselect(15) }}

• 拒答率变化应纳入后训练收益与代价评估
• 现有结果支持将偏好收益外推到分布外任务
• 该偏好集上的胜率提升具有统计支持
• 事实得分不变更可能由评测集难度不足造成

16、某命名实体识别模型对句子中的每个 token 输出 BIO 标签的发射分数。第二个位置的最高发射标签是 O，但加入线性链 CRF 后，维特比解码选择了 I-ORG，使完整路径成为合法的 B-ORG、I-ORG。以下判断正确的有哪些？ {{ multiselect(16) }}

• 路径总分同时包含发射分数与标签转移分数
• 线性链 CRF 采用逐位置归一化计算序列条件概率
• 维特比先固定逐位置最高标签再计算路径转移分数
• 调整转移分数可改变路径而无需重算编码表示