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