1、预训练大模型时改用 AdamW 而不用 Adam，相对后者最关键的差异是（） {{ select(1) }}

• 优化器状态占用的显存明显下降
• 权重衰减与自适应参数更新解耦
• 反向传播时梯度更平稳
• 原生支持混合精度

2、将关键字 $8,15,27,41,19,83,91,72,58,46,33$ 依次插入初始为空的大根堆 $H$，得到的 $H$ 是（） {{ select(2) }}

• 91,83,72,58,46,41,15,33,27,19,8
• 91,72,83,46,58,15,41,8,27,19,33
• 91,83,58,72,46,15,41,8,27,19,33
• 91,72,83,58,46,15,41,8,27,19,33

3、一般图上做精确推断（边缘化/条件边缘化）时，Junction Tree（或变量消元）常说“树宽较小时才划算”。其时间/空间代价的主导因素应理解为（） {{ select(3) }}

• 原图顶点数 $n$ 决定多项式主项，树宽只改常数因子
• 边数 $m$ 才是主导项，树宽只决定消息条数
• 复杂度随三角化后最大团规模（即树宽）指数增长
• 势函数归一化成概率后即可避开指数爆炸

4、为不同网络挑选优化器时，下列说法错误的是（） {{ select(4) }}

• 相对 SGD 与 RMSprop，Adam 在各类网络上收敛都最好
• RMSprop 较适合轻量网络，收敛偏快
• 稀疏数据宜用学习率可自适应的算法
• SGD 通常要比自适应方法训更长时间

5、栈 $S_1$、$S_2$ 中存整数，队列 $Q$ 中存操作符。函数 $\mathrm{Fun}()$ 依次执行：

1. 从 $S_1$、$S_2$ 各弹出一个操作数 $a$、$b$；
2. 从 $Q$ 弹出一个操作符 $\mathrm{op}$；
3. 计算 $a\ \mathrm{op}\ b$；
4. 将结果压入 $S_1$。

已知 $S_1$ 自底向顶为 $3,5,7,14$（$14$ 在栈顶），$S_2$ 自底向顶为 $8,6,4,3$（$3$ 在栈顶），$Q$ 自队头向队尾为 $-,+,\&,*$（$*$ 在队尾）。调用 $3$ 次 $\mathrm{Fun}()$ 后，$S_1$ 栈顶是（） {{ select(5) }}

• 15
• 6
• 11
• 9