1、馆藏数字化要把封面扫成特征图。某一层用边长为 $r=3$ 的方形卷积核：入通道 $d_{\mathrm{in}}=3$，封面边长 $L=224$，出通道 $d_{\mathrm{out}}=64$，输出特征图仍是 $L\times L\times d_{\mathrm{out}}$。本层不计偏置。该层可训练参数个数是多少？ {{ select(1) }}

• $50176$
• $1728$
• $576$
• $3211264$

2、病案编码与用药审核共用同一段骨干做预训练（两类样本都已清洗）。训练时编码任务的损失平稳下降，审核任务的损失来回抖动。从机制上看，更可能是因为： {{ select(2) }}

• 共享层的学习率设得过高，导致所有任务都不稳定
• 编码侧样本清洗不彻底，梯度被脏数据带偏
• 两个任务在共享层上的梯度方向冲突，又没有做解耦
• 没有给每个任务单独加 Adapter，所以无法同时训练

3、档案室用三根柱子搬匣，规则与汉诺塔相同。下列伪代码中，输入 $k=10$ 时输出的 cnt 是多少？

全局变量 cnt = 0

过程 Carry(fromCol, toCol):
    cnt = cnt + 1

过程 Shift(k, fromCol, viaCol, toCol):
    如果 k == 1:
        Carry(fromCol, toCol)
    否则:
        Shift(k - 1, fromCol, toCol, viaCol)
        Carry(fromCol, toCol)
        Shift(k - 1, viaCol, fromCol, toCol)

输入 k
调用 Shift(k, 'L', 'R', 'M')
输出 cnt

{{ select(3) }}

• $1023$
• $1024$
• $2047$
• $2048$

4、夜巡得到下图三个测点，横轴为时刻 $t$、纵轴为读数 $h$，坐标均为整数。用带截距的直线 $h=\alpha+\beta t$ 去拟合。每次只留 $1$ 个点做验证、其余点训练（留一交叉验证），最终均方误差是多少？

{{ select(4) }}

• $1/4$
• $1/2$
• $3/4$
• $3/2$

5、值班问答助手做监督微调时，既没有打说话人标记，也没有把来访侧 token 从损失里摘掉，整段多轮对话都拿去回传。上线后模型常常把来访原话再复述一遍。更可能的原因是： {{ select(5) }}

• 词表里特殊符号不够，对话分隔符切不出来
• 缺少角色边界和 mask，模型把「复述整段文本」当成了训练目标
• 训练轮数太少，还没学会来访 / 值班级的分工
• 学习率偏高过拟合，靠复读输入来压训练 loss