一、单选题

1、LLM 在线推理要压 KV-Cache 显存、提高长序列 decode 吞吐，常用做法是 {{ select(1) }}

• 每步 decode 后对 K、V 做 PCA 再写回缓存
• 用 FlashAttention 把部分注意力当场重算，从而不再存 KV
• 把 KV-Cache 切成固定长度的页再按页管理（Paged Attention）
• 按单个 token 对 KV 做 LRU 淘汰

2、一批零件不合格率为 $0.005$。任取 $400$ 件，不合格件数 $Y$ 通常近似为哪种分布？ {{ select(2) }}

• 均匀分布
• 泊松分布
• 伯努利分布
• 正态分布

3、RLHF 里过度优化奖励模型会出现奖励黑客。下列哪项不属于这类现象？ {{ select(3) }}

• 为拿高分把回答写得很长，因为奖励模型把“更长”当成“更好”
• 不知道答案时仍编造听起来合理的内容，以显得有帮助
• 面对预训练没见过的新领域问题，给不出正确回答
• 多轮对话后风格和价值取向逐渐偏离 SFT，与常见人类偏好不一致

4、某群体中年龄落在 $20$–$29$ 岁的比例为 $0.3$，其余年龄为 $0.7$。两个年龄段里女性比例都是 $0.55$。随机遇到一名女性，她属于 $20$–$29$ 岁的后验概率是 {{ select(4) }}

• $0.55$
• $0.7$
• $0.3$
• $0.15$

5、NLP 流水线里 Tokenizer 做的是 {{ select(5) }}

• 把句子译成英文
• 把文本映射成整数 ID 序列
• 把文本直接变成浮点向量
• 把句子译成中文