1、某投研组用单样本 t 检验，检查一只债券基金最近 30 个交易日的日均净值是否与理论净值 10.01 存在显著差异。原假设 μ=10.01，备择假设 μ≠10.01。软件输出如下：

One Sample t-test

data: sample
t = 0.47014, df = 29, p-value = 0.6418
alternative hypothesis: true mean is not equal to 10.01
95 percent confidence interval:
 9.995933 10.032464
sample estimates:
mean of x
 10.0142

根据上述结果，下列结论正确的是？ {{ select(1) }}

• p 值大于 0.05，该基金的日均净值与理论净值存在显著差异
• p 值小于 0.05，该基金的日均净值与理论净值无显著差异
• p 值大于 0.05，该基金的日均净值与理论净值无显著差异
• p 值小于 0.05，该基金的日均净值与理论净值存在显著差异

2、将序列（8，10，9，12，15，20）散列存储到下标从 0 开始的一维数组中。散列函数为 H(key)=(key×2) MOD 8，冲突用线性探测再散列处理，装填因子按 0.8 取表长。等概率情况下，查找成功的平均查找长度为（） {{ select(2) }}

• 7/6
• 3/2
• 10/6
• 11/6

3、预测集共 9 个样本。真实类别为 A,A,A,A,B,B,B,C,C，模型预测为 A,A,B,C,B,B,C,B,C。该次预测的 macro-F1 约为（） {{ select(3) }}

• 0.5720
• 0.6110
• 0.5460
• 0.5670

4、LSTM 单元里，遗忘门、输入门和输出门使用 Sigmoid，细胞状态更新与隐状态输出使用 tanh。这两种激活函数的主要作用分别是（） {{ select(4) }}

• Sigmoid 在饱和时容易造成梯度消失，tanh 用来控制信息是否通过
• Sigmoid 产生 0～1 之间的值作为门控，tanh 用于细胞状态与输出上的数值变换
• Sigmoid 负责输出和状态上的数值变换，tanh 产生 0～1 之间的值作为门控
• Sigmoid 控制信息流动方向，tanh 用来抵消门控带来的梯度消失

5、下面关于大模型预训练目标的说法，错误的是（） {{ select(5) }}

• BERT 使用掩码语言模型（MLM）时，会将一部分 token 随机替换为 [MASK]
• GPT 使用自回归目标，根据当前 token 去预测它的前一个 token
• 下游阶段一般需要根据具体任务设计文本格式，再完成相应任务
• MLM 能同时利用左右上下文，因此更适合学习双向编码表示

6、已知一组关键字为（24，32，35，40，43，6，12，11），哈希函数为 H(key)=key MOD 13，采用线性探测法处理冲突。等概率情况下，查找成功的平均查找长度为（） {{ select(6) }}

• 3/2
• 1.0
• 8/7
• 11/8

7、下面关于稀疏注意力（Sparse Attention）的说法，错误的是（） {{ select(7) }}

• 稀疏注意力通过限制注意力计算模式来降低计算量并节省内存
• 稀疏注意力可以缓解多层传播问题，从而增强模型获得长距离依赖的能力
• BigBird 结合局部窗口、全局 token 和随机注意力，以补足长距离依赖
• Longformer 采用滑动窗口注意力，并可对少量 token 做全局注意

8、希望在大规模无标注图像上做视觉预训练，以增强模型对图像语义的抽象能力。下列哪类预训练任务最有助于学习图像语义？ {{ select(8) }}

• 掩码图像建模，按像素重建被遮挡区域
• 自编码器，把输入压缩后再原样重构
• 对比学习，拉近语义相近样本、推开语义不同样本
• 只在封闭类别标注集上做图像分类

9、有两个栈 S1、S2。S1 容量为 2，S2 容量为 1。四个元素 A、B、C、D 必须从 S1 入栈；S1 满后须先出栈才能继续入栈，且 S1 的出栈元素进入 S2；S2 满则从 S2 出栈作为最终输出。则最终出栈顺序为（） {{ select(9) }}

• ABCD
• DCBA
• BACD
• BCDA

10、一棵二叉树的先序遍历为 ABDCEGF，中序遍历为 DBAECFG。该二叉树的后序遍历为（） {{ select(10) }}

• BDEFGCA
• DBEGFCA
• DBEFGCA
• DEBFGCA