大模型LLM ACA - ACP认证考试真题冲刺演练二答案参考

目录

[一、大模型LLM ACA - ACP认证考试](#一、大模型LLM ACA - ACP认证考试)

[二、大模型LLM ACA - ACP认证考试真题冲刺演练一](#二、大模型LLM ACA - ACP认证考试真题冲刺演练一)

[（一）单选题：50 题 × 1 分 = 50 分](#（一）单选题：50 题 × 1 分 = 50 分)

[1. 正确答案: D](#1. 正确答案: D)

[2. 正确答案: C](#2. 正确答案: C)

[3. 正确答案: C](#3. 正确答案: C)

[4. 正确答案: A](#4. 正确答案: A)

[5. 正确答案: C](#5. 正确答案: C)

[6. 正确答案: D](#6. 正确答案: D)

[7. 正确答案: C](#7. 正确答案: C)

[8. 正确答案: D](#8. 正确答案: D)

[9. 正确答案: C](#9. 正确答案: C)

[10. 正确答案: A](#10. 正确答案: A)

[11. 正确答案: D](#11. 正确答案: D)

[12. 正确答案: C](#12. 正确答案: C)

[13. 正确答案: B](#13. 正确答案: B)

[14. 正确答案: B](#14. 正确答案: B)

[15. 正确答案: C](#15. 正确答案: C)

[16. 正确答案: C](#16. 正确答案: C)

[17. 正确答案: C](#17. 正确答案: C)

[18. 正确答案: C](#18. 正确答案: C)

[19. 正确答案: B](#19. 正确答案: B)

[20. 正确答案: C](#20. 正确答案: C)

[21. 正确答案: B](#21. 正确答案: B)

[22. 正确答案: D](#22. 正确答案: D)

[23. 正确答案: D](#23. 正确答案: D)

[24. 正确答案: D](#24. 正确答案: D)

[25. 正确答案: B](#25. 正确答案: B)

[26. 正确答案: B](#26. 正确答案: B)

[27. 正确答案: A](#27. 正确答案: A)

[28. 正确答案: D](#28. 正确答案: D)

[29. 正确答案: B](#29. 正确答案: B)

[30. 正确答案: D](#30. 正确答案: D)

[31. 正确答案: C](#31. 正确答案: C)

[32. 正确答案: C](#32. 正确答案: C)

[33. 正确答案: A](#33. 正确答案: A)

[34. 正确答案: B](#34. 正确答案: B)

[35. 正确答案: D](#35. 正确答案: D)

[36. 正确答案: B](#36. 正确答案: B)

[37. 正确答案: B](#37. 正确答案: B)

[38. 正确答案: D](#38. 正确答案: D)

[39. 正确答案: B](#39. 正确答案: B)

[40. 正确答案: D](#40. 正确答案: D)

[41. 正确答案: D](#41. 正确答案: D)

[42. 正确答案: D](#42. 正确答案: D)

[43. 正确答案: D](#43. 正确答案: D)

[44. 正确答案: B](#44. 正确答案: B)

[45. 正确答案: C](#45. 正确答案: C)

[46. 正确答案: C](#46. 正确答案: C)

[47. 正确答案: C](#47. 正确答案: C)

[48. 正确答案: A](#48. 正确答案: A)

[49. 正确答案: A](#49. 正确答案: A)

[50. 正确答案: B](#50. 正确答案: B)

[（二）多选题：25 题 × 2 分 = 50 分](#（二）多选题：25 题 × 2 分 = 50 分)

[1. 正确答案: ABC](#1. 正确答案: ABC)

[2. 正确答案: ABC](#2. 正确答案: ABC)

[3. 正确答案: AB](#3. 正确答案: AB)

[4. 正确答案: ABD](#4. 正确答案: ABD)

[5. 正确答案: ABD](#5. 正确答案: ABD)

[6. 正确答案: ABD](#6. 正确答案: ABD)

[7. 正确答案: ABCD](#7. 正确答案: ABCD)

[8. 正确答案: ADE](#8. 正确答案: ADE)

[9. 正确答案: ACD](#9. 正确答案: ACD)

[10. 正确答案: AB](#10. 正确答案: AB)

[11. 正确答案: BC](#11. 正确答案: BC)

[12. 正确答案: AD](#12. 正确答案: AD)

[13. 正确答案: BC](#13. 正确答案: BC)

[14. 正确答案: BC](#14. 正确答案: BC)

[15. 正确答案: AD](#15. 正确答案: AD)

[16. 正确答案: ABCD](#16. 正确答案: ABCD)

[17. 正确答案: ABCDEF](#17. 正确答案: ABCDEF)

[18. 正确答案: AB](#18. 正确答案: AB)

[19. 正确答案: ABC](#19. 正确答案: ABC)

[20. 正确答案: ABD](#20. 正确答案: ABD)

[21. 正确答案: AC](#21. 正确答案: AC)

[22. 正确答案: BDE](#22. 正确答案: BDE)

[23. 正确答案: ABD](#23. 正确答案: ABD)

[24. 正确答案: CDE](#24. 正确答案: CDE)

[25. 正确答案: ABCE](#25. 正确答案: ABCE)

---

一、大模型LLM ACA - ACP认证考试

探索未来智能的钥匙------ACA-ACP大模型工程师认证专栏导读 （含十套模拟真题和真题精选）

请认真阅读考试须知后，准备好相关资料开始进行防作弊验证。验证通过后将正式开始考试。

答题开始即开始计时，中途不可暂停，如超时则自动提交

1、考试共 (75) 道题，总分100分，及格分数80分。

2、考试需在（120分钟）内交卷，过程中无法暂停，请提前安排好时间；如未及时交卷，则本次考试作废

3、推荐使用 Chrome 浏览器（版本：73及以上的正式版本），或Firefox浏览器（版本：66及以上的正式版本)

4、开始答题前会进行身份验证，需要您拍摄并上传身份证人像面照片，并按照系统要求开启摄像头进行面部识别

5、考试过程中请保持摄像头开启并对准面部，系统会不定时进行抓拍，并与身份证照片做对比，如发现作弊行为，您的考试成绩将作废

6、考试过程中，系统将判断您的浏览器状态，如发现最小化浏览器、切换标签页、窗口缩小或扩大等行为，以及弹出广告弹窗，将会给出警告。如果次数过多您的考试成绩将作废

7、考试前请关闭即时通信软件以及其他可能会有弹窗的软件，以免影响您的考试

**祝大家一次上岸，顺利拿证！**未来在云赛道上，越走越宽、越走越远 ✨

二、大模型LLM ACA - ACP认证考试真题冲刺演练一

（一）单选题 ：50 题 × 1 分 = 50 分

1. 正确答案: D

大模型处理输入文本的常规流水线是：先将原始文本进行分词/子词化并映射为token ID（Tokenize），随后通过嵌入层将token ID转换为向量（计算Embedding），经过Transformer等网络计算得到输出的logits，最后对候选token计算概率。各选项分析：

• A. 计算候选 Token 概率：这是在模型前向计算结束后用于生成下一个token的步骤，不是第一步，错误。

• B. Token 可量化：量化是模型参数压缩/推理优化手段，与输入文本处理流程的第一步无关，错误。

• C. 计算 Embedding 后的向量：这是在得到token ID之后的下一步，而不是处理原始文本的第一步，错误。

• D. 对输入文本进行分词（Tokenize）：通常的首要步骤是将原始文本切分并编码为token ID，正确。

2. 正确答案: C

目标是从冗长课程文本中提炼关键信息并用于创建PPT脚本。

选项C明确要求"提取关键信息""生成简洁的PPT脚本大纲""突出重点内容""控制在5个要点以内"，对任务的结构、输出形式与长度都有清晰约束，最契合需求。

• A"用更少的字概括这段文字"偏向一般性缩写总结，未指定PPT脚本的结构与要点数量，无法保证输出适配PPT。

• B"缩短这段文字"仅是压缩长度，不强调关键点提炼与PPT脚本格式，目标不匹配。

• D"把这段文字变成PPT"过于笼统，缺少对关键信息提炼、结构化大纲及要点数量的约束，容易产生冗长或不聚焦的结果。

综上，C最合适。

3. 正确答案: C

题干描述"训练损失快速震荡甚至开始上升"，这是优化过程不稳定、可能发散的典型信号，常见原因包括学习率过高、梯度爆炸、数据/标签问题、正则或混合精度配置不当等。这意味着模型没有有效收敛，故更符合"训练失败"。

• A 过拟合：典型表现是训练损失持续下降、验证损失上升；训练损失不会出现明显上升或强烈震荡作为主要特征，因此不符。

• B 训练成功：训练损失应整体下降并趋于稳定，显然不符。

• C 训练失败：与"损失震荡或上升、难以收敛/发散"的现象一致，最贴切。

• D 欠拟合：通常表现为训练损失下降缓慢且维持在较高水平，或学习不足；不以明显震荡和上升为主特征。

4. 正确答案: A

早停法的核心目的是在验证集指标不再提升时提前终止训练，从而防止模型在训练集上继续拟合噪声而出现过拟合。

• 选项A：正确。微调阶段数据量相对有限、模型表达能力强，容易过拟合，早停法通过监控验证集表现来抑制过拟合。

• 选项B：不正确。eval_step设得太大只会使得评估不够频繁，可能延迟发现过拟合，但并不是导致过拟合的根因；过拟合源于训练时间过长、模型容量与数据不匹配等。早停法的动机也不是因为eval_step太大。

• 选项C：不正确。学习率太小导致收敛缓慢，这与采用早停法的初衷无关；早停无法解决学习率过小的问题，甚至可能因进展慢而更早停止。

• 选项D：不正确。轮次过少导致欠拟合与早停法无关；早停通常更早停止训练以防过拟合，不是为了解决轮次过少的问题。

5. 正确答案: C

流式输出（streaming）指的是在模型生成内容的同时，按块或按Token即时将结果推送给用户。其核心优势是缩短用户的感知等待时间，提升交互的流畅性与响应速度。

• A. 降低模型推理错误率：错误率主要与模型架构、训练数据与推理策略有关，流式输出不改变推理质量，只改变呈现方式，因此不成立。

• B. 避免使用额度拘紧：额度（配额、速率限制）由平台策略或计费规则决定，流式与否不直接影响额度使用，故不成立。

• C. 提升用户体验的响应速度：流式将部分结果先行展示，用户更快看到输出，显著改善感知速度与体验，这是流式的主要优势，正确。

• D. 减少服务器计算资源消耗：流式输出不会减少模型计算量，甚至可能增加网络与连接管理开销，因此不成立。

6. 正确答案: D

A错误：top_p是生成时的采样参数，与硬件资源（如CPU核心数）无关。

B错误：文本长度通常由max_tokens、停止符(stop)等控制，top_p不会直接限制生成长度。

C错误：输出格式由提示词、系统设定或解析逻辑决定，top_p不影响格式。

D正确：top_p为核采样参数，设为0.9时表示仅从累计概率达到90%的候选词集合中进行随机采样；该集合大小随分布而变，并非固定数量。

7. 正确答案: C

题干强调医疗问答系统的"幻觉"问题，优先策略应侧重于为模型提供可依赖的事实依据并进行领域适配。逐项分析如下：

• A. 降低 LoRA 秩值 + 增大学习率：降低秩值会减少可表达能力，增大学习率可能带来不稳定训练和过度更新，二者都不直接针对幻觉的根源（缺乏事实支撑），反而可能增加错误输出风险。

• B. 增加训练 epoch + 提高相似度阈值：增加 epoch 可能导致过拟合但不一定减少幻觉；提高检索相似度阈值虽可减少低质量召回，但会显著降低召回率，导致缺少上下文时模型更易"编造"，对幻觉的抑制效果不稳定且依赖具体实现与数据分布。

• C. RAG 增强知识库 + LoRA 微调领域数据：RAG通过检索权威医疗知识（指南、论文、药典等）为生成提供事实 grounding，是降低幻觉的公认有效路径；同时用领域数据进行LoRA微调可让模型更好理解医学术语与问答风格，从而提升准确性与可靠性。这是面向医疗场景最直接、有效的组合策略。

• D. 更换主参微调 + 减少 batch_size：更换为全参微调不等于减少幻觉，反而可能在缺少外部知识支持下学到数据噪声；减少 batch_size只是优化细节，无法从根本上解决事实支撑不足的问题。

综上，C 是最优先、最有效的幻觉缓解组合。

8. 正确答案: D

A：并行处理能力的不足主要影响吞吐量与响应速度，不会系统性地导致模型在工具选择上出现偏差，因此不是导致"经常调用错误工具"的主要原因。

B：网络延迟导致超时通常会引发调用失败或重试，而非选择错误的工具。除非有特殊的降级逻辑（例如超时后自动改用其他工具），但题干未提及，且这并非常见的最可能原因。

C：内存泄漏会影响系统稳定性与资源占用，可能造成崩溃或性能下降，但不直接影响大模型的工具选择逻辑。错误选择更多源于理解与提示设计问题，而非运行时内存问题。

D：工具函数的名称、描述、用途、触发条件不清晰是业界常见的根因。当工具说明含糊或边界不明确、缺少示例与负例时，模型难以区分何时用哪个工具，容易产生误选。因此这是最可能的原因。

9. 正确答案: C

• 选项A错误：大模型的停止不仅由最大生成长度（阈值）决定，更常见的是遇到特殊结束标记（如EOS/stop token）即停止。只强调长度阈值不完整。

• 选项B错误：模型在推理时会根据EOS/stop token或长度上限自动结束，不需要用户手动打断（虽然用户可以主动中断，但并非必要条件）。

• 选项C正确：主流解码流程的停止条件包括达到最大生成长度阈值，或生成到特殊结束标记（如EOS/stop token、配置的stop sequences）。

• 选项D错误：通用LLM并不会因为"内容与输入主题无关"而自动停止，相关性检测并非标准停止条件；即便某些系统外部可能有额外守护/过滤逻辑，这不是模型本身的通用停止机制。

10. 正确答案: A

A 正确。多轮对话下同指消解和省略频繁出现，业界常用"查询重写/问题重写（Condense/Rewrite）"将历史对话与当前问题总结成一个独立、完整的查询，再用该新查询进行向量检索，这是典型的 Conversational RAG 适配方式。

B 不合适。让大模型直接判断哪些文本段相关属于重排序或筛选环节，且无法在检索前覆盖全量语料，不解决多轮问答中查询语义不完整的问题。

C 不理想。把历史对话整体作为检索输入会引入噪声、稀释语义且受向量化长度限制，通常效果不稳定；正确做法是从历史中抽取必要信息并重写为清晰查询。

D 是单轮检索的常规做法，无法处理多轮对话中的指代与省略问题，不能适配多轮场景。

11. 正确答案: D

A 错：是否一次性输出与"只需关注营销表达"无关，这不是限制输出方式的合理理由。

B 不当：大模型可能漏错是模型能力问题，而不是一次性输出所有结果的直接原因；即使漏错也可以分批或一次输出，二者不构成因果。

C 错：内容错误当然需要处理，这与输出策略无关。

D 对：一次性输出所有审阅结果会造成信息量过大、认知负荷高，难以逐条理解与落实，分批输出更利于清晰、可执行的审阅流程，因此选择 D。

12. 正确答案: C

本题考查多Agent系统的适用场景和优势特点。

C选项正确，因为大型物流仓库的自动化管理涉及复杂的分布式协调问题，需要同时调度上千台机器人进行协作，这正是多Agent系统的典型应用场景。多Agent系统能够实现分布式处理、并行作业和智能协调，相比单Agent系统具有更高的效率和更好的容错性。

A选项错误，因为简单的垃圾分类机器人功能单一，任务固定，采用单Agent系统即可高效完成，无需多Agent的复杂架构。

B选项错误，因为单一目标的军事侦察任务通常由专门的无人机独立完成，不需要多个智能体之间的协作，单Agent系统更适合此类专一性强的任务。

13. 正确答案: B

题目要求新增自助预定自习室，需要实时查询并完成预定，这本质上是对接动态的内部资源与事务型操作，必须具备调用后端服务的能力并能与现有问答机器人集成。

• A. 在模型系统消息中提供大量备用数据：错误。系统消息是静态的，受上下文长度限制，无法反映实时可用性与预定结果，也不具备执行预定的能力，维护成本高且易过期。

• B. 使用一个专门的 Agent 调用内部预定 API：正确。通过工具/函数调用或插件的方式让模型在需要时调用内部预定与查询接口，可实时获取可用教室并完成预定，满足事务一致性、安全与审计需求，且易与现有问答流程无缝集成。

• C. 仅通过提示让模型推测当前可用教室：错误。模型无法凭空推断实时资源状态，会产生幻觉，且无法实际提交预定请求。

• D. 在 Prompt 中写死可预约教室列表：错误。列表是静态的，不包含时段与占用情况，无法进行实际预定操作，信息很快过时，不可扩展。

14. 正确答案: B

题干明确指出"减少切片数量，每个切片包含 2-3 页内容"，这意味着每个切片变得更大，容易跨越多个主题，导致召回时一个切片中混入与查询只部分相关甚至不相关的内容，回答阶段也更可能引用无关段落。这正是"切片过大，且主题混杂"的典型问题。因此B是根因。

• A 文档内没有标题：缺少标题会影响结构化与分块质量，但题目关键在于切片从页级扩大到2-3页，导致跨主题混装。即使有标题，过大的切片仍然会包含多主题，与题干现象的因果不一致。

• B 切片过大，且主题混杂：与题干描述直接对应。大切片覆盖多个主题，召回匹配命中片段时把大量无关内容一并带入，增加回答中夹杂无关信息的概率，是根本原因。

• C 切片过短，信息量不足：与题干相反。题干是切片变大而非变小，信息量过少导致无关信息并不符合现象。

• D 大模型出现故障：属于泛化理由，且无法解释由于切片策略变化而出现的系统性无关信息增加。并非根本原因。

15. 正确答案: C

C正确。上下文缓存（如KV缓存/continuation/context caching）在多轮对话中复用已处理的历史上下文，避免重复预填充计算，既不改变模型权重因而基本不影响生成质量，又能显著降低计算量与计费token数，提升响应速度。

A批处理Batch API主要提升吞吐，适合批量独立请求，通常不能降低单一会话的延迟与成本，甚至可能增加等待时间。

B并行调用可提升并发或做候选并行探索，但对单条对话回合往往无法减少成本（甚至增加），质量也不一定更好，且会引入合并开销。

D量化模型可降成本提速，但存在精度/质量退化风险，"保障生成内容质量"的前提不稳妥，因此不如C契合题意。

16. 正确答案: C

温度参数通过对模型输出的logits做缩放来影响采样分布：p_i ∝ softmax(logit_i / T)。当T升高（>1）时，各候选的概率被"拉平"，差距缩小，随机性增大；当T降低（<1）时，分布更尖锐，随机性降低。

• A：错误。T越高，概率差距并不会变大，反而变小（分布更平缓）；随机性增加的原因是更均匀而不是差距更大。

• B：错误。将logits除以正数T不会改变它们的相对排序，softmax对logits是单调的，因此低概率候选不会"超过"原本更高概率的候选，但两者概率会更接近。

• C：正确。T越高，候选Token的概率越接近，分布更均匀，随机性更高。

• D：错误。技术报告、代码等需要更高确定性的场景通常应使用较低的温度以减少随机性。

17. 正确答案: C

题中分类类别是在 prompt_template 的【任务要求】部分显式列出的：请假政策，福利待遇，绩效考核，工作职责，开发规范。若新增"入职流程"，必须在该部分加入该类别，确保模型按新的类别集合进行分类。由于 get_purpose 函数可能还包含与类别相关的后处理或校验逻辑（尽管当前展示的代码只拼接 prompt），在一般情况下也需要检查并可能更新该逻辑以支持新类别。因此 C 正确。

• A 错：仅修改用户 query 列表不会改变模型的类别集合，无法让模型识别新增类别。

• B 错：输出格式不需要变，仍是 {"purpose": ..., "query": ...}。

• D 错：题中未出现 Q_S_Line，且新增类别的定义不在调用层，而在 prompt 的任务要求中。

18. 正确答案: C

题干问的是在微调数据准备阶段，用于将文本拆分为单词或词汇单元的操作。

• C 分词(Tokenization)：将文本切分为模型可处理的最小单元（token），在现代大模型中通常是子词或字节级单元，这是题干所述操作，正确。

• A 文本翻译：将文本从一种语言转换为另一种语言，不是拆分文本。

• B 数据去重：在数据预处理中用于去除重复样本，避免过拟合和分布偏差，不涉及拆分文本。

• D 文本摘要：对文本进行压缩提炼，生成更短的内容，不是拆分文本。

因此正确答案是C。

19. 正确答案: B

该场景中，工程师依据语义相似度（通常来自向量检索或嵌入相似度）判断回答"看起来像"问题，而业务负责人指出回答存在事实或细节错误，说明相似并不等于正确。这直接指向纯粹的向量相似度无法衡量业务正确性，因此B正确。

• A（词法分析不完善）：分歧不在于词法层面的解析或分词问题，而在于语义相似与事实正确性之间的差异，故不相关。

• C（检索速度过慢）：与速度无关，争议聚焦在准确性和正确性，而非性能指标。

• D（大模型对中文支持度不足）：题干没有体现语言支持导致的误解或生成错误，而是评价标准不同（相似度 vs 正确性），故不相关。

20. 正确答案: C

问题的本质是用户 query"法务接口人"信息不具备足够的上下文（缺少部门约束），检索阶段会匹配到其他部门的法务接口人信息。最有效的方案是利用用户画像（如员工所属部门）来做上下文增强，直接将部门信息注入到检索条件或通过 query 改写来加以约束，从源头上减少歧义。逐项分析如下：

• A 增加召回片段数量：只会带来更多无关部门的候选片段，噪声增加，排序不变则更容易干扰，不能从根本上解决"错部门"的问题。

• B 减少召回片段数量：盲目减少可能直接把正确部门的信息召回掉，靠运气更大，无法系统性修正方向性错误。

• C 结合读取的员工部门信息，对 query 进行改写：通过将"法务接口人"改写为"【员工所属部门】的法务接口人"，或在检索器中增加部门字段过滤，是最直接、有效且可解释的优化方法，符合 RAG 中的上下文增强/属性过滤最佳实践。

• D 对用户 query 重复检索 3 次后返回结果：重复检索不改变检索信号与排序逻辑，通常会返回相同或相近结果，几乎无助于纠偏。

因此，C 为最优。

21. 正确答案: B

在RAG应用的排查顺序中，首先应确认知识库是否包含并覆盖用户问题所需的内容（数据覆盖与质量）。用户反馈"关于疾病症状的回答总是不正确"呈现系统性错误，更像是知识源缺失或覆盖不足导致模型无据可依而产生错误或幻觉，因此应先检查知识源/知识库是否包含规范、全面的疾病症状信息。

A涉及检索质量与embedding的区分能力，如果知识本身缺失，即使提升检索也无法得到正确答案，属于次级排查。

C计算资源与答案正确性关系不大，更多影响速度和稳定性。

D是生成阶段的能力检查，也应在确认有正确检索到的上下文后再看模型是否能依据上下文作答，因此不应作为第一步。

综上，B是首先应检查的环节。

22. 正确答案: D

• A. 准确率：可以在每个批次上计算，但作为训练信号不连续且不可导，通常不是每个训练步的主要优化指标。更多用于整体评估或周期性监控。

• B. 训练时间：是过程开销的度量，不反映模型对该批次数据的预测好坏，不能衡量模型表现。

• C. 测试误差：基于测试集的评估，不在每个训练批次上计算，也不用于反向传播优化。

• D. 损失函数：在每个训练批次上计算，量化模型当前预测与目标的偏差，是训练中用于衡量和优化模型表现的核心标准。

23. 正确答案: D

本题考查思维链（CoT）提示技术的应用领域特点。

D选项正确，因为思维链技术强调逐步推理和逻辑分解过程，而情感表达与艺术创作主要依赖直觉、创意和主观感受，缺乏可分解的逻辑步骤，所以CoT技术在此领域的应用不够直接。

A选项错误，因为编程问题解决具有明确的逻辑步骤和推理过程，非常适合思维链技术应用。

B选项错误，因为逻辑推理与论证本身就是思维链技术的核心应用场景，能够有效展示推理过程。

C选项错误，因为复杂决策支持需要系统性的分析步骤，思维链技术可以提供清晰的决策路径。

24. 正确答案: D

• A. 增加 embedding 维度：仅改变向量维度不会自动补全或扩展用户意图，只是可能提升表示能力，无法从"张伟 部门"推导出更完整的查询。故不适合。

• B. 多步查询（MultiStepQuery）：多步查询用于将复杂问题分解或进行链式检索，适合需要中间推理的场景。但面对过于简短、意图不明确的关键词，它并不能自动补全用户意图，且缺乏足够信息发起有效的多步检索。故不最合适。

• C. 使用 HyDE 生成假想文档：HyDE通过生成假想答案文档来提升召回，适用于短查询的检索增强。但它偏向生成用于检索的伪文档，存在引入虚构内容的风险，并不直接进行意图改写或补全，更像检索优化而非查询意图扩展。故不最合适。

• D. 问题改写（Question Rewriting）：将简短关键词改写为完整自然语言问题（如把"张伟 部门"改写为"张伟属于哪个部门？"），是直接的查询扩展策略，能更清晰表达用户意图，提升后续检索与回答质量。最符合题意。

25. 正确答案: B

本题考查智能会议助手技术选型的合理性分析。

选项B正确，因为该组合完整覆盖了题目要求的技术流程：语音转文本服务完成会议录音到文字的转换，文本生成模型实现重点标注摘要的自动生成，cosyvoice-v1语音合成将摘要内容转换为语音播报，技术栈匹配需求且逻辑清晰。

A选项错误，因为包含了Qwen-VL视频理解和ComfyUI文生图等与会议录音处理无关的技术，偏离了核心需求。

C选项错误，因为MoviePy视频剪辑和ComfyUI生成摘要图表不符合会议录音转文字及语音播报的核心功能要求，技术选型不匹配

26. 正确答案: B

在典型的多轮对话 RAG 流水线中：1) Query 改写（或问题凝练/上下文化）通常由大模型完成，以把当前用户问题与对话历史整合为适合检索的查询；2) 检索由向量数据库/搜索引擎执行，不属于大模型本身参与的步骤；3) 生成由大模型基于检索到的文档完成。因此，大模型参与的是 Query 改写步骤和生成步骤。

各选项分析：

A 包含检索但缺失生成，且检索一般不由大模型直接执行，错误；

B 包含 Query 改写与生成，符合实际，正确；

C 将检索也算作大模型参与，不准确，错误；

D 只包含生成，忽略了多轮场景中常用的 Query 改写，错误。

27. 正确答案: A

本题考查温度参数（temperature）在AI模型输出控制中的作用机制。

A选项正确，因为temperature=0.1是一个较低的温度值，它会使模型的输出概率分布更加尖锐，倾向于选择概率最高的token，从而减少随机性，使输出结果更加确定和一致。

B选项错误，因为低温度值实际上会降低输出的创造性，而不是增加创造性。

C选项错误，因为temperature=0.1会减少输出的多样性，使模型更可能产生相似的输出结果，而不是增加多样性。

28. 正确答案: D

题目要求"自动屏蔽违规评论，且同时处理文字、图片"，核心在于自动化与多模态（文本+图片）的联合理解。

逐项分析：

• A：延迟显示并依赖人工审核既不自动化，又仅针对"AI生成内容"，忽略大量用户原创内容，且大量延迟会严重影响用户体验与平台时效性，不合理。

• B：文本用关键词过滤有一定作用但极易被变体、同义词、谐音、跨语种规避；更关键的是，图片并不能用"关键词库"直接过滤（除非做OCR再走关键词，但仍难识别图像本身的违规意象、上下文和组合语境），对图像/图文混合的违规识别能力非常有限。

• C：让用户自行打标签并不能识别违规，依赖用户自觉且容易被恶意规避，也不属于自动化识别手段，只会增加上传摩擦并降低体验。

• D：多模态模型能同时理解文本与图像，并识别二者组合带来的违规语境（如文本与图片相互补充形成辱骂、色情、仇恨、煽动等），符合"自动"与"同时处理文字、图片"的要求，是更合理的技术方案（具体模型名称可替换为任一可靠的多模态审核模型）。

因此原答案D更合理。

29. 正确答案: B

题干要求"公式化、格式固定"的输出，并强调控制输出一致性、避免因随机性导致风格变化。实现这一点的常规做法是降低随机性来源：

• 低 temperature：temperature 越低，采样越接近贪婪解码（temperature≈0 时趋于确定性），从而减少输出在措辞和结构上的波动。

• 固定 seed：在采用采样策略时，固定随机种子可复现同一输出（前提是同一模型与设置、同一实现），进一步提升一致性。逐项分析：

• A. 调高 temperature 并增加 presence_penalty：二者都会增加多样性和探索性（presence_penalty鼓励引入新token、降低重复），与"固定格式、一致性"目标相反，错误。

• B. 将 temperature 调低并设置固定 seed：降低随机性、提升可复现性，最符合题意，正确。

• C. 将 temperature_top_k 调高：无论称为 top_k 还是"temperature_top_k"，调高可选候选集合范围通常会增加采样多样性，导致输出更不稳定，错误。

• D. 将 temperature 调高：提高温度会增加随机性，输出更不稳定，错误。

因此，B 为最合适的做法。

30. 正确答案: D

微调的本质是在保留预训练权重的基础上，用特定任务数据继续训练模型并评估其表现。具体分析如下：

• A：评估微调后模型的表现是微调流程中的必要步骤，用于验证和选择最佳超参数与训练策略，正确，应包括。

• B：选择或设计特定任务的数据集是微调的前置准备工作，正确，应包括。

• C：使用特定任务数据对预训练模型进行再训练（继续训练）即为微调的核心过程，正确，应包括。

• D：对预训练模型的所有参数进行随机初始化意味着丢弃预训练成果，变成从零开始训练，不属于微调的基本步骤。需要注意的是，微调时可能会对新增的任务头（如分类层）进行随机初始化，但并非"所有参数"。

因此 D 不包括在微调基本步骤中。

31. 正确答案: C

• A. 根据玩家情绪调整对话语气：当前已有较成熟的情绪识别与情感计算方案（语音情感识别、面部表情分析）以及TTS情感韵律控制与LLM风格控制。虽然情绪识别存在噪声与文化偏差，但在游戏场景中用于粗粒度调节（如更热情、平静、安抚）已可用，技术难度中等。

• B. 识别语音指令执行简单任务：ASR（自动语音识别）和指令解析已相当成熟，游戏中映射到有限的命令集合更易实现，鲁棒性和实时性也能满足，技术难度较低。

• C. 实时生成符合角色设定的剧情分支：这不仅要求语言流畅，更要求长期一致性（人物性格、世界观、因果关系）、剧情约束（任务依赖、世界状态更新、冲突与伏笔回收）、安全与可控性（避免不当内容与破坏设定）、以及在低延迟与有限算力下的稳定输出。当前LLM在长期记忆、一致性、可控生成与复杂叙事规划上仍有显著瓶颈，工业级可用性需要大量策划规则、检校与工具链支持，难度最高。

• D. 通过动作捕捉复现预设舞蹈动作：动作捕捉、骨骼绑定、重定向与清理是成熟管线，广泛用于影视与游戏。即使无实时MoCap，也可用现成动作库或AI驱动的动作生成/重定向，难度较低。

综合：C在叙事一致性、可控性与系统集成方面挑战远高于其它选项，因此原答案C正确。

32. 正确答案: C

A：正确。微调数据集应根据评测结果持续迭代优化（清洗、补充薄弱场景、调整分布），形成闭环提升效果。

B：正确。训练集应尽量覆盖任务的主要与长尾场景，以提高模型在不同场景下的泛化能力。

C：错误。测试集内容不得包含在训练集中，否则会产生数据泄漏，评估结果失真，无法客观反映模型泛化能力。

D：正确。高质量、准确且与任务强相关的数据是微调效果的基础。

综上，错误的是C。

33. 正确答案: A

需求是只在特定领域问题时参考内部知识库，其他情况下不用，因此关键在于"是否启用 RAG 的判定"和"在对话上下文中高质量检索"。

• A：正确。通过意图识别（分类器或规则）判断该轮是否需要 RAG，再结合多轮对话的查询改写（利用历史上下文生成更好的检索查询），既满足按需使用知识库，又提升检索质量，正对问题。

• B：不佳。虽然实现 RAG通常需要文档加载、切分、向量化、索引存储等，但题目核心是"何时用、不用"而非"如何从零搭建RAG"。这属于实现细节且不直击需求重点。

• C：错误。每一轮都检索内部知识库与需求冲突（用户希望非特定领域问题不参考知识库）。同时会增加不必要成本并可能引入噪声。

• D：错误。要求用户额外输入文本段违背易用性，也不符合"自动在特定领域时参考内部知识"的期望，应由系统自动决定并检索。

34. 正确答案: B

完整性+明确性+效率

B最合适。生成课程脚本需要明确的范围、结构与目标说明，详细描述课程目标与需要涵盖的主题（如变量、数据类型、运算符、控制流）能最大程度减少歧义，促使模型产出完整、连贯且符合需求的脚本。

• A：虽然给出"Python 基础课程脚本"的关键词并附带示例代码，但缺乏明确的课程目标与模块化要求，容易使模型围绕示例展开而忽略系统化的课程结构，不如B清晰。

• C：将主题拆成多条请求会割裂上下文，难以保证整体连贯性与统一风格，且不利于生成一个整体的课程脚本。

• D：仅给出"Python"过于笼统，信息不足，难以产出符合预期的课程脚本。

35. 正确答案: D

题干已指出两个核心问题：1) 检索召回文档质量低；2) 生成模块对复杂医学术语理解不足。这是RAG系统质量的根因层面问题。逐项分析如下：

• A（增加计算资源提升推理速度）：主要改善延迟与吞吐，不直接提升检索相关性或生成准确性，无法解决文档质量与术语理解这两个关键痛点，因此无效。

• B（针对每个用户逐一调整生成结果）：属于事后、逐个样本的人工微调，成本高、不可扩展，且无法从系统层面解决检索与理解能力不足的问题，难以持续改进整体质量。

• C（修改prompt模板）：Prompt工程可在一定程度上规范输出格式或引导引用来源，但当检索文档本身质量差、模型缺乏医学术语理解时，单靠Prompt难以根治问题，提升有限。

• D（基于用户反馈建立多维评测并针对性优化）：这是系统性、可持续的优化思路。通过从用户反馈中抽取常见问题，构建多维指标（如准确性、相关性、忠实度、可解释性）进行诊断，能定位到检索与生成两个环节的具体瓶颈，从而开展针对性优化：例如改进语料与索引、采用医疗领域专用嵌入与混合检索、重排序与过滤、同义词与术语标准化（UMLS等），以及在生成端采用医学领域模型/微调、术语对齐、引用依据与校准不确定性等。该策略直接作用于问题根因，最有效。

36. 正确答案: B

正确的交互顺序应为：system（先设定助手行为）→ user（给出请求）→ assistant（根据前文作答）。

• A：assistant→user→system，顺序错误，system 不应在最后。

• B：system→user→assistant，顺序正确，符合推荐使用方式。

• C：user→assistant→system，system 放在最后，错误。

• D：user→system→assistant，system 在 user 之后，不符合规范/最佳实践。

故原答案 B 正确。

37. 正确答案: B

题目强调在模糊订票请求时主动追问必要信息（如时间、地点）。

• A：仅要求根据已有信息回答或订票，没有规定遇到信息不完整时必须追问，无法保证主动补全关键信息，不符合目标。

• B：明确针对订票问题设定触发条件（信息不完整时追问），并明确必需的关键字段（出发地、目的地、时间）及完成条件（直到信息完整），同时对非订票问题保持正常回答。可操作性和约束性强，最贴合需求。

• C：要求每次回复后都追加问题，属于过度约束，即使信息已完整也会继续追问，且示例问题泛泛，用户体验差，不如B有效。

• D：有"信息不完整则询问"的原则，但缺少需要收集的具体关键字段及完成条件，容易造成遗漏或过早停下，执行效果不如B稳定。

综合来看，B最符合"在信息不完整时主动、有效地补齐必要信息"的目标。

38. 正确答案: D

关键词匹配（尤其是多关键词、前缀匹配或快速判断某字符串是否为某个关键词/是否以某关键词为前缀）常用字典树（Trie），其查询复杂度与待匹配串长度L有关，通常为O(L)，且与关键词数量关系不大。并可扩展为Aho-Corasick自动机实现多模式高效匹配。

各选项分析如下：

• A. 栈：栈是后进先出（LIFO）结构，适合表达式求值、递归模拟等，不提供高效的查找或前缀匹配能力，用于关键词匹配需要线性遍历，效率低。

• B. 数组：数组只能按索引或线性扫描访问。若将关键词存入数组，未排序时查询为O(n)；即使排序后用二分查找，精确匹配可达O(log n)，但前缀匹配、多关键词同时匹配仍不高效，且不直接支持按字符逐步匹配。

• C. 链表：只能顺序遍历，查询为O(n)，比数组更不利于随机访问和查找，不适合高效关键词匹配。

• D. 字典树（Trie）：以字符为层级组织关键词，支持按字符逐步匹配，查询复杂度通常为O(L)，非常适合前缀匹配和多关键词查找；可结合Aho-Corasick实现多模式串的线性时间匹配。因此D最合适。

字典树：匹配关键词 "cat" 只需依次比较 c→a→t，路径唯一，数组/链表：需遍历所有关键词逐个比较

39. 正确答案: B

题目要求系统在用户提出预约医生时，能主动追问缺失的必要信息（如科室、时间）。

• 选项A（笼统描述医疗系统背景）：仅提供背景信息，缺乏对交互行为的明确指令，无法保证系统在缺信息时主动追问。

• 选项B（明确要求对预约类问题缺科室/时间时主动追问并澄清）：直接、具体地规定触发条件与行为（当缺信息时主动继续追问），与目标高度一致，是最有效的提示词。

• 选项C（告诉用户需要哪些信息，但不主动追问）：仅告知信息需求而不执行追问动作，无法实现"主动追问"的交互目标，效果不达标。

• 选项D（若用户请求不是完成预约则主动询问）：触发条件错误，可能在非预约场景中过度追问，而在真正需要补充预约信息时不一定触发，偏离需求。

综上，B最能实现所需效果，原答案正确。

40. 正确答案: D

• A 文本标准化：指对文本进行小写化、去除标点、分词等预处理，与将分类标签转换为数字无关。

• B 词嵌入（Word Embedding）：将词语映射到连续向量空间，用于表示特征（输入文本），不是用于将类别标签转为数字。

• C 特征缩放：对数值特征进行归一化或标准化，作用于特征而非分类标签。

• D 标签编码（Label Encoding）：将分类任务中的离散类别标签映射为整数（或进一步独热编码），正是题目所述"将标签转化为模型可理解的数字形式"。因此D正确。

将类别标签转换为数字，是分类任务的标准预处理步骤

41. 正确答案: D

本题考查LLM提示词中角色分配对模型输出影响的特点。

A选项正确，因为分配角色后模型会从指定角色的专业视角来分析和完成任务，提供更符合角色身份的回答。

选项B正确，因为角色设定会自然改变模型输出的语气和风格，使其符合特定角色的语言特点。

选项C正确，因为模型在角色扮演时会努力保持与设定角色的一致性，维持角色的特征和行为模式。

D选项错误，因为即使分配了角色，模型仍然需要基于原始输入内容进行回应，不能完全脱离原始问题或指令的核心要求，角色只是改变了处理方式而非内容来源。所以正确答案是D。

42. 正确答案: D

本题考查预训练模型的基本概念和训练流程相关知识点。

A选项正确，因为预训练阶段确实需要模型学习大量不同种类的语料数据，从而掌握语言的统计规律和通用知识基础。

B选项正确，因为监督微调(SFT)阶段确实能让模型根据人类指令完成特定领域对话，但有时仍可能偏离人类偏好。

C选项正确，因为在RLHF阶段，模型通过分析人类评分反馈来优化输出，使其更符合人类偏好。

D选项错误，因为预训练模型需要在多样化、大规模的数据集上训练才能获得良好泛化能力，仅靠单一领域数据无法实现有效泛化。注意预训练是大模型开发的基础环节，需要丰富的语料支撑。

43. 正确答案: D

问题描述为使用 LoRA 微调时训练损失波动剧烈，常见原因是学习率偏大、梯度不稳定或优化器超参数不合适。降低学习率是最直接、最常见且有效的稳定手段。

• A. 继续训练，无须调整：当出现剧烈震荡时，继续训练往往不会自行收敛，可能持续震荡甚至发散，不是推荐做法。

• B. 把 batch_size 从16调到4：减小 batch 会增大梯度噪声，通常会使损失更不稳定；若要稳则应增大 batch 或使用梯度累积。

• C. 将 lora_rank 从8提升到32：增大 rank 会增加可训练参数与模型容量，不会直接降低震荡，反而可能使优化更不稳定或更易过拟合。

• D. 将学习率降低至原来的 10 分之一：当损失波动剧烈时，常见且有效的手段是降低学习率（配合 warmup、学习率调度、梯度裁剪也常见）。因此 D 是合理选择。

44. 正确答案: B

题目询问在发现机器人输出包含不安全信息时，哪种做法不推荐。逐项分析如下：

• A. 记录不安全信息用于后续模型改进和安全策略优化：合理做法，有助于定位问题和提升系统安全性，但应注意合规与隐私保护（如脱敏、访问控制）。整体上是推荐的。

• B. 直接将原始输出返回给用户：不推荐。这样会将不安全内容暴露给用户，违反安全规范与内容合规要求，可能导致伤害或违法风险。

• C. 过滤掉不安全信息，返回剩余安全内容：推荐。通过内容审核和过滤，仅输出合规信息，既满足用户需求又降低风险。

• D. 向用户返回提示信息，告知其输出内容存在风险：推荐。透明地提示风险，有助于安全引导与期望管理，也符合负责任输出原则。

因此，不推荐的做法是 B，原答案正确。直接返回不安全信息可能造成伦理/法律风险如传播有害内容

45. 正确答案: C

需求包含三类强耦合要素（交通、景点行程、住宿）与全局约束（时间协调、地点顺序、总预算上限）。合理的系统设计应支持并行探索、全局一致性校验与迭代修正。

• A：主 Agent 拆分后子 Agent 独立执行，最终仅基于模板汇总，缺少跨模块的全局一致性与约束校验（时间冲突、预算超标、地理可达性等）。容易出现交通到达时间与酒店入住、景点开放时间不匹配，或分项选择叠加后超预算的问题，且无明确回溯/调整机制，不合理。

• B：单 Agent 顺序调用 API、在代码中写预算分配规则，能显式控制预算，但容易形成单点复杂逻辑：

1. 顺序决策导致"早期选择锁死"，后续冲突（如住宿与交通时间不匹配）需要大量回溯；

2. 预算分配规则刚性，难以在动态价格/可用性下优化全局；

3. 无并行探索，效率较低；

4. 维护成本高、可扩展性差。虽然可行，但面对多约束优化场景并非更为合理的方案。

• C：多 Agent，规划 Agent 进行任务拆分并注入全局约束（含预算上限与优先级），子 Agent 并行拉取候选方案，汇总/校验 Agent 做全局一致性检查（时间、地点衔接、预算约束等），并可与规划 Agent 迭代调参（如在交通与住宿间重新分配预算、调整出行时间窗）。该架构兼顾效率（并行）、可扩展性（增加新约束/服务更容易）、以及全局优化与冲突消解，更符合题目强调的预算控制与多要素协调需求。

• D：固定工作流（交通->景点->住宿）顺序执行，且未明确预算与冲突校验机制，容易产生局部最优和后续冲突；同时描述里"基于模板汇总子 Agent 执行结果"与工作流方式有表述不一致的问题，整体欠妥。

综上，C 在结构上自然承载全局约束（含预算）的协调与冲突消解，并行提升效率，是更为合理的设计。

46. 正确答案: C

题干是面向公众上线应用商店的"AI 法律助手"，属于面向中国境内公众提供的生成式人工智能服务。根据《生成式人工智能服务管理暂行办法》（2023年8月15日施行）以及《互联网信息服务算法推荐管理规定》《互联网信息服务深度合成管理规定》等，向公众提供生成式/深度合成类服务前，应按规定完成向网信部门的算法备案（以及相应的安全评估、生成内容标识等要求）。各大应用商店在实务中也会把算法备案编号作为上架审核的关键材料之一。因此C为最关键、且必须在上线前完成的合规步骤。

• A 错：等保属于网络安全等级保护制度。是否"三级"取决于系统重要性与影响等级，很多互联网应用仅需完成等保备案或达二级，不必然是"三级认证"，且通常不是上线前的"最关键"硬性前置条件。

• B 错：建立用户投诉赔偿基金并非现行法规的强制要求，不是上线前必须办理的法定合规步骤。

• D 错：为AI生成内容单独申请知识产权保护既非必需，也不属于上线前的合规前置条件，且AI生成物的权利属性在现行法下并无统一的"必须申请"路径。

综上，C为正确选项。

47. 正确答案: C

本题考查大模型微调项目中不同角色在调研和业务可行性研究阶段的重要性。

C选项正确，因为在调研和业务可行性研究阶段，最关键的是理解业务需求、评估业务价值和可行性，业务工作者能够提供关键的业务领域知识，指导数据集构建方向和评估标准，这对项目成功至关重要。

A选项错误，因为数据工程师的工作主要在项目实施阶段，调研阶段数据预处理工作尚未开始。

B选项错误，因为机器学习工程师虽然重要，但在业务可行性研究阶段，业务理解和需求分析比技术实现更为关键。

48. 正确答案: A

本题考查大模型安全合规风险识别的知识点。

A选项正确，因为大模型在训练和使用过程中可能接触到大量包含个人信息的数据，如姓名、身份证号、联系方式等敏感信息，存在个人信息泄露和滥用的风险，这是数据安全合规的核心关注点。

B选项错误，因为数据存储成本风险主要涉及经济层面的考量，不属于安全合规范畴。

C选项错误，因为数据压缩风险通常指数据完整性或质量损失问题，与安全合规风险无直接关联。

49. 正确答案: A

A: 正确。输入数据应当明确其含义、类型、来源、约束以及在任务中的具体用途，以确保模型或系统能正确理解和使用数据。

B: 错误。输入数据常常会影响输出的内容甚至格式（例如用户在输入中要求特定输出结构），因此不能说不影响输出格式。

C: 错误。输入数据是否可选取决于具体任务；很多场景下输入数据是必需的，不能笼统认为可选。

D: 错误。输入数据不仅用于生成样例，还用于实际推理、测试、评估等多个环节。

E: 错误。输入数据需要说明以避免歧义，确保使用者和系统对数据的理解一致。

F: 错误。使用模糊的引导词会导致不明确的行为或结果，应当采用清晰且具体的描述来定义输入数据的作用。

50. 正确答案: B

将文档拆分为更小的分块通常用于提升检索、索引与处理效率，尤其在内容较长、主题多样时能显著提高相关性匹配与上下文连贯性。各选项分析如下：

• A（文档格式简单，例如纯文本文件）：格式简单与否并不决定是否需要分块。分块主要取决于内容长度与主题结构，而非文件格式。因此该选项不足以成为"最适合"的理由。

• B（文档内容包含多个主题，信息量较大）：这是最典型、最适合分块的场景。多主题、大信息量的文档通过分块可按主题或逻辑结构拆分，提升检索精度、减少上下文干扰，并适应模型的上下文长度限制。

• C（文档内容非常简短，总共只有几句话）：内容很短时无需分块，拆分反而会打破完整语义，增加管理成本且无性能收益。

• D（文档内容高度相关，主题单一）：单一主题通常不需要细分，除非文档极其冗长。相较于多主题且信息量大的情况，分块的收益更小，因此不是"最适合"的场景。

分块的核心目的是提高信息检索的精准度。多主题文档拆分后，可确保每块聚焦单一主题，避免检索时返回无关内容

（二）多选题 ：25 题 × 2 分 = 50 分

1. 正确答案: ABC

逐项分析：

• 选项A（视频编辑时是否设置了正确的时间轴）：与故障3"AI解说语音与动画动作不同步"直接相关。时间轴/轨道对齐、锚点/关键帧与音频的对齐错误，是最常见的音画不同步原因之一，也是视频编辑环节需要优先排查的要点。它对故障1影响不大，但作为多模态管线中的核心编辑环节，确属重点检查对象。

• 选项B（图像理解模型可能缺少对特定场景的训练数据）：与故障2"无法识别冲浪板等特定物体"高度契合。目标检测/分割模型类别覆盖不足、特定场景（如海滩/冲浪）训练样本缺乏或分布偏差，都会导致识别失败，是需要优先检查的模型与数据问题。

• 选项C（仅使用了文生图模型来生成完整视频）：与故障1"系统返回静态图片而非视频"直接对应。如果管线误用文生图（Text-to-Image）而非文生视频（Text-to-Video）或未进行帧序列合成与视频编解码，返回静态图像是典型结果，因此是关键检查点。

• 选项D（语音合成模型采样率不合适导致视频音画不同步）：虽然采样率不匹配可能导致播放速度差异、进而引发音画不同步，但相对而言这是音频处理层面的细节性问题，且现代播放器/管线常有自动重采样与适配。题干描述的是"解说语音与动画动作不同步"，更常见且更直接的原因是时间轴/轨道对齐与对时策略问题（选项A），因此D不如A具备"重点检查"的优先级。

综上，ABC分别对应三个故障的主要技术环节，属于更合理、全面的重点排查集合。

2. 正确答案: ABC

本题考查自定义提示词模板中约束大模型行为的注意事项。

A选项正确，因为根据上下文信息而非先验知识来回答问题是重要的行为约束，可以避免模型基于训练数据中的先验知识产生幻觉或不准确的回答。

选项B正确，因为提醒用户问题触及安全红线是必要的约束措施，有助于防止模型输出不当内容。

C选项正确，因为只回答用户的问题而不输出其他信息可以确保模型行为的专注性和可控性，避免不必要的信息泄露。

D选项错误，因为增加模型的训练数据不属于提示词模板的行为约束范畴，而是模型训练阶段的工作，与提示词模板的设计无关。

3. 正确答案: AB

A: 邀请具备领域知识的助教参与提示词共创与审核，能有效校正内容准确性，并为回答提供合适的结构和教学策略，这是在专业知识不足情境下最稳妥、最有效的改进路径。

B: 通过让大模型扮演"机器学习教授"来生成更结构化、面向学生认知水平的提示词，是一种有效的元提示策略，即便对领域不熟，也能产出更优的提示草稿，再由人类专家迭代优化。

C: 在自己专业理解有限的情况下，基于个人理解去强行规定结构，容易把误解固化到提示词中，反而不利于改进质量，风险较高。

D: 虽然避免引入错误信息的原则是对的，但"保持提示词简单"并不等于更好的提示设计。对教学型任务，清晰、具体、结构化的约束往往比"简单"更重要；过度追求简单会导致指令欠规范、信息不足，降低输出质量。

因此D不如A、B有助于实质性改进提示词设计。

4. 正确答案: ABD

A：句子窗口切片或滑动窗口检索能在切片边界处引入相邻句子/窗口的上下文，减少因硬切片导致的语义断裂，是直接针对"上下文遗漏、片段化"问题的有效方法。

B：增大 chunk_overlap 可以让相邻切片有更多重叠内容，缓解边界信息丢失、提升上下文连续性；尽管会增加冗余与开销，但总体是合理有效的改进。

C：将整份文档直接拼接进提示通常不现实：容易超出上下文长度限制、引入大量无关噪声、降低模型聚焦能力与推理效率，因此一般不被视为合理改进（除非文档极小）。

D：适当调大 Top-K（如从 Top3 到 Top5）能提升召回覆盖面，更可能包含缺失的上下文片段，配合重排序或压缩策略可有效缓解片段化问题，属于合理改进。

综上，ABD 正确，C 不推荐。

5. 正确答案: ABD

题干问题在于相关内容被拆分到不同切片，导致上下文不连贯。需通过切片与检索策略改进，以把相邻语义整合到同一上下文中。

• A（对）：滑动窗口增加重叠能缓解切片边界造成的信息割裂，让相邻段落在同一或重叠的切片中被检索到，从而提升答案的上下文完整性与准确度。

• B（对）：摘要式/语义导向的切片（如按主题/段落结构切分）能生成语义更完整的块，减少把紧密相关段落切开带来的上下文丢失，有助于检索到更完整的信息。

• C（错）：temperature影响生成阶段的随机性与多样性，与检索与切片无关；提高temperature通常降低确定性与事实性，不会解决上下文不连贯的问题，反而可能削弱准确性。

• D（对）：适当增大切片大小（或采用自适应大小）能覆盖更完整的段落范围，使相邻相关内容更可能一起被检索到，从而提升答案的连贯性与准确性。

6. 正确答案: ABD

A: 过滤用户提问、拦截诱导性问题是典型的输入侧安全与合规措施，可有效阻断请求直接索取或诱导泄露隐私信息的场景，因此属于有效的防泄露手段。

B: 在流式返回内容时进行实时敏感信息检测与过滤，是输出侧的动态审查与脱敏措施，能在生成过程中及时拦截PII泄漏，属于强有效手段。

C: 增加知识库内容的多样性与隐私防护并无直接关联，不会从根本上减少隐私信息的出现与召回；甚至可能扩大检索面，从而增加不确定性，属于不可靠且非标准的隐私保护措施。

D: 对教育知识库进行脱敏/去标识化是源头治理，能从数据层面移除或匿名化个人隐私信息，是防止泄露的核心做法。

7. 正确答案: ABCD

A 正确：微调通常需要一定规模且高质量的训练数据，样本量直接影响模型的泛化与稳定性。数据不足时，微调往往性价比低，甚至会过拟合，即便采用PEFT/LoRA等方法，也需要考虑最低可行数据规模与质量。

B 正确：如果问题主要是知识检索、动态更新或长尾事实，RAG往往更合适、更经济，也便于持续维护与更新，避免把易变知识"刻"进模型参数。微调前应优先评估RAG能否满足需求。

C 正确：很多需求可以通过提示词工程、系统提示、思维链、少样本示例、工具/函数调用等达到目标，无需微调。先做提示优化通常成本更低、迭代更快，应在微调前评估其可行性与效果。

D 正确：微调需要显著的计算与工程成本（GPU/集群资源、训练时长、监控与评估、存储与部署复杂度、能耗与预算等）。在决策前必须评估成本与收益比，以及后续维护成本。

8. 正确答案: ADE

本题考查AI模型幻觉风险在不同应用场景中的影响程度。

A选项正确，因为医疗诊断涉及患者生命安全，任何虚假或错误信息都可能导致严重后果，必须严格防范幻觉风险。

C选项正确，因为法律合同具有法律约束力，自动生成的错误条款可能引发法律纠纷和经济损失，对准确性要求极高。

D选项正确，因为教育领域的历史知识问答直接影响学生学习，传播错误历史信息会误导学生认知，影响教育质量。

B选项错误，因为社交媒体趋势预测主要涉及数据分析和趋势判断，即使出现一定偏差也不会造成严重危害，风险相对较低，所以不需要过度防范幻觉风险。

9. 正确答案: ACD

本题考查AI模型幻觉风险在不同应用场景中的影响程度。

A选项正确，因为医疗诊断涉及患者生命安全，任何虚假或错误信息都可能导致严重后果，必须严格防范幻觉风险。

C选项正确，因为法律合同具有法律约束力，自动生成的错误条款可能引发法律纠纷和经济损失，对准确性要求极高。

D选项正确，因为教育领域的历史知识问答直接影响学生学习，传播错误历史信息会误导学生认知，影响教育质量。

B选项错误，因为社交媒体趋势预测主要涉及数据分析和趋势判断，即使出现一定偏差也不会造成严重危害，风险相对较低，所以不需要过度防范幻觉风险。

10. 正确答案: AB

本题考查百炼平台上用于构建复杂业务流程应用的工具选择。

A选项正确，因为可视化工作流工具能够通过图形化界面设计和管理复杂的业务流程，支持拖拽式操作和流程节点配置，适合处理多步骤、条件分支的复杂业务场景。

B选项正确，因为智能体编排功能可以协调多个AI智能体协同工作，实现复杂任务的自动化处理和流程管控。

C选项错误，因为LlamaIndex组件主要用于数据索引和检索，不直接适用于复杂业务流程构建。

D选项错误，因为自然语言处理模型虽然重要，但主要解决文本理解和生成问题，无法独立支撑复杂业务流程的应用构建需求。

11. 正确答案: BC

本题考查大模型问答工作流程中涉及推理过程的关键阶段。

选项B正确，因为大模型推理是核心的计算过程，模型根据输入的向量表示进行前向传播计算，生成预测结果。

选项C正确，因为输出Token阶段需要模型基于前面的计算结果逐个生成输出序列中的token，这属于推理过程的一部分。

选项A错误，因为Token向量化是将输入文本转换为数字向量的预处理步骤，不涉及模型的推理计算。

选项D错误，因为输出文本是最终的展示形式，是将输出的token序列转换为人类可读的文本，不属于推理过程本身。

12. 正确答案: AD

A. 更换效果更好的 embedding 模型：正确。更强的嵌入模型通常在语义对齐上更好，能提升相似样本对的向量相似度，从而改善检索效果。

B. 将索引保存到本地并在运行时加载：错误。索引的存放位置或加载方式对向量相似度的计算无直接影响，主要影响的是部署和延迟，而非相似度质量。

C. 减少向量数据库的存储容量：错误。减少存储容量（例如删除数据、降低精度）不会提升相似度，反而可能降低召回或引入量化误差。

D. 通过对比学习让相关文本对的向量相似度更高：正确。使用对比学习/蒸馏/监督微调可在领域数据上优化嵌入，使正样本对更相近、负样本对更分离，从而直接提高相似文本对的向量相似度。

13. 正确答案: BC

欠拟合通常指模型对训练集本身都拟合不足（训练误差偏高），常见成因是模型容量不足、训练不充分或正则化过强。针对每个选项：

• A 增加训练数据量：更多数据主要用于缓解过拟合、提升泛化。对欠拟合（训练集都没学好）而言，单纯增加数据并不增加模型容量或训练强度，通常不能直接降低训练误差，甚至在训练预算不变时可能加剧欠拟合（同样参数/轮次分摊到更多样本，单位样本学习更少）。只有在数据质量或覆盖存在严重问题、导致模型难以学习有效模式时，提升数据质量或更具代表性的数据才可能帮助，但这属于数据质量改进而非"量"本身的常规解法。因此 A不应作为欠拟合的首选或标准解法。

• B 增加训练集迭代次数（epoch）：训练更久一般能继续降低训练误差，是缓解欠拟合的直接有效措施。

• C 增加 lora_rank 值：LoRA 的 rank 越高，可训练的低秩适配矩阵容量越大，提升模型在微调阶段的表达能力，能学习更复杂的模式，是对欠拟合（容量不足）的针对性方案。

• D 学习率增加一倍：学习率过大可能导致震荡或跳过最优解，欠拟合并非通过盲目升高学习率来解决。若确有学习率过小导致收敛过慢的情况，也需谨慎调参（如调整预热、使用合适的调度），而不是简单加倍。总体而言不属于标准的欠拟合解决方案。

综上，针对欠拟合的合理选择为 B、C；A更偏向解决过拟合或数据覆盖不足问题，D不宜作为通用解法。

14. 正确答案: BC

逐项分析：

• A：通过政策强制用户使用英语并将其他语言转人工，不是技术上的多语言合规检查方案，无法形成可扩展的自动化多语言检测能力，且体验与覆盖性较差。因此不符合题意。

• B：建立多语言同义词/变体词库（含谐音、缩写、俗称等）可直接提升对跨语言、隐晦表达的召回，对多语言环境尤为关键，能弥补纯关键词或直接翻译策略在变体表达上的盲点，是有效方案之一。

• C：采用跨语言语义理解模型（如多语预训练模型）从意图层面识别违规内容，不依赖表面词形匹配，具备语言迁移与鲁棒性，是提升多语言合规检测能力的核心手段之一。

• D：将非英语内容翻译成英语再用单语规则可在一定程度上统一处理流程，但对多语言中的谐音、缩写、混写、文化语境等易在翻译中丢失或被误译，导致规则失效；对低资源语言或新兴俚语更不稳定。相较于B与C，D的有效性与稳定性不足，不能作为本题最佳两项。

综合来看，覆盖变体（B）与语义理解（C）的组合，正如原有解析所述，能显著提升多语言合规检查效果，故答案为BC。

15. 正确答案: AD

本题考查RAG应用中提示词模板设计的合理性。

A选项正确，因为该模板同时包含了检索到的相关内容和用户问题，并明确指示模型结合两者信息进行回答，符合RAG系统的工作原理。

D选项正确，因为该模板以背景信息的形式呈现检索内容，然后提出用户问题，并要求基于背景信息提供答案，逻辑清晰完整。

B选项错误，因为仅包含用户问题而缺少检索到的相关内容，无法体现RAG系统的检索增强特性。

C选项错误，因为只提供了检索到的内容而没有用户问题，缺少查询目标，无法形成完整的RAG问答流程。

16. 正确答案: ABCD

LoRA 的"权重"通常指适配器的容量设置（如 rank r、缩放系数 alpha，以及覆盖的模块范围）。选择这些权重需要综合资源与任务因素：

• A. GPU 显存容量：LoRA 参数量与 rank、所插入的层数量线性相关，显存限制直接约束可选的 r 和精度（fp16/bf16），因此必须考虑。

• B. 训练数据量：数据越多，模型可支撑更大容量的适配器；数据较少时大容量容易过拟合，应选较小的 r 或更强正则化，故需考虑。

• C. 任务复杂度：复杂或分布偏移大的任务通常需要更高的适配器容量（更高 r、覆盖更多模块）以表达足够的变换；简单任务用较小 r 即可，故需考虑。

• D. 基础模型参数量：LoRA 的附加参数规模与基础模型的层维度 d 成正比（如线性层近似增加 ~2*r*d），大模型在相同 r 下引入的额外参数与显存开销更大；同时较大的基础模型往往需要适配器有足够容量才体现效果，因此也需考虑。

综上，ABCD均是影响 LoRA 权重选择的关键因素，原答案正确。

17. 正确答案: ABCDEF

A. 数据增强：通过扩充与多样化训练样本（如同义改写、回译、合成数据）可提升鲁棒性与泛化，若增强不当也可能引入噪声，显著影响微调效果。

B. 计算资源限制：影响批大小、序列长度、模型规模、并行与优化策略；资源不足会限制训练稳定性与超参搜索，导致效果受限。

C. 微调数据的质量和数量：数据质量（干净、标注一致、任务相关）与数量直接决定学习信号强度和分布对齐，影响泛化与过拟合风险。

D. 预训练模型的选择：不同架构、规模、预训练语料与指令调优状态会带来不同的能力与可迁移性，对微调起点与上限影响极大。

E. 微调轮数（epochs）：训练不足会欠拟合，过多可能过拟合或引发灾难性遗忘；需结合验证集与早停策略进行调节。

F. 超参数设置：学习率、warmup、权重衰减、dropout、LoRA/Adapter配置、梯度裁剪、优化器等直接影响收敛速度、稳定性与最终性能。因此以上各项都会影响微调效果。

18. 正确答案: AB

本题考查temperature参数在不同应用场景中的设置原则。

A选项正确，因为生成广告文案需要多样性和创新性，较高的temperature值可以让模型产生更具创意和变化的文案内容。

B选项正确，因为创作诗歌同样需要创造性和多样性，高temperature值有助于生成富有想象力和独特风格的诗句。

C选项错误，因为生成代码需要准确性和一致性，较高的temperature值可能导致代码逻辑混乱或语法错误。

D选项错误，因为提取数据结构需要精确性和稳定性，高temperature值会影响结果的准确性，导致数据提取错误。

19. 正确答案: ABC

A：符合"沉浸式个性化"的核心诉求，基于兴趣与历史记录动态生成讲解，能显著提升吸引力与沉浸感。

B：实时交通与天气的智能路线推荐提升实用性与体验连续性，是AI导游的重要功能。

C：图像识别为照片自动标注并提供背景信息，增强互动与知识获取，提升可玩性与体验质量。

D：为所有游客提供完全相同的语音内容与"个性化"目标相悖，降低沉浸感和差异化，不利于提升产品吸引力与实用性。

综上，正确选择为ABC。

20. 正确答案: ABD

A正确：详细的分步推导（结构化推理、关键步骤与中间结论）是数学微调数据的核心，有助于模型学习稳健的推理过程。

B正确：统一使用LaTeX或Markdown来规范公式与表达，提高可读性与一致性，便于训练与评测。

C不必然正确：高质量强调精细标注、准确性与多样性，数量"多"并非必需条件，少量但高质量的样本也能取得良好效果；大量数据若噪声高反而有害。

D正确：覆盖多种解题思路（代数、几何、构造、反证、数值法等）能提高模型的泛化与鲁棒性。

综上，ABD更符合"应包含的要素"。C 是常见误区，但 "数据质量 > 数据量

21. 正确答案: AC

问题本质是检索阶段的相关性与排序不佳：与"作息/上班时间"相关的片段排名靠后，导致未进入Top-K而未被召回。

• A（更换更优秀的Embedding模型）：正确。更优的向量嵌入能提升语义匹配的质量，使与"上班时间"相关的片段相似度更高，从而更可能进入Top-K。

• B（优化生成阶段提示词）：不太有效。生成阶段提示词主要影响回答风格与信息整合，无法补救未被检索到的正确片段；若关键信息没被召回，再好的提示也难以生成正确答案。

• C（使用重排rerank技术）：正确。用跨编码器或更强的重排模型对初步检索结果进行精排，能显著提高相关片段的排序，确保"作息信息"排到前面并被传给生成模型。

• D（更换更优秀的大模型）：不直接解决。更强的LLM提升生成质量，但若关键信息未被检索到，模型仍缺依据；除非它被专门用于查询重写或重排，但选项描述只是替换生成模型，无法直接改善召回与排序。

22. 正确答案: BDE

本题考查大语言模型RAG应用中基于语义的文档切片方法的核心理念。

B选项正确，因为根据文档结构如标题、段落、列表进行切分能够保持内容的逻辑完整性，符合语义切片的理念。

D选项正确，因为在Chunk中添加上下文信息如标题、父级列表项等有助于保持语义连贯性，提升检索效果。

E选项正确，因为使用机器学习模型进行语义分析并按语义边界切分是语义切片的核心技术手段。

A选项错误，因为固定长度切分忽略了文档的语义结构，不符合语义切片理念。

C选项错误，因为将表格每个单元格独立切分会破坏表格的整体语义关系。

F选项错误，因为虽然代码块切分有其合理性，但标注编程语言不属于语义切片的核心理念范畴。

23. 正确答案: ABD

A: 正确。引入业务专家参与标注能提高测试集标签的质量与一致性，建立更可靠的"金标准"，减少评测偏差，从根源提升评测可信度。

B: 正确。自动化评测往往受提示词与阈值设定影响，若能基于人工标注或真实用户反馈对其进行校准，使判定准则更贴近真实用户判断，可降低系统性高估，提高可信度。

C: 错误。仅提高在现有评测集上的评测频次并不会修复评测本身的偏差或样本分布问题，只会更快地产出"偏高"的分数，不提升评测可信度。

D: 正确。让测试样本的分布贴近线上真实问题分布可降低分布偏移，提高评测的代表性与外部效度，从而提升评测结果对真实场景的可信度。

24. 正确答案: CDE

A 错：输出格式会显著影响大模型的应答，明确格式可提升一致性与可解析性。

B 错：通常应明确不期望输出的内容（如避免多余解释、避免Markdown等），以减少偏离。

C 对：可通过示例（few-shot）提示模型按指定格式与风格输出，效果明显。

D 对：应明确枚举值的范围/集合，避免输出未定义值，便于后续解析与校验。

E 对：应明确输出的内容类型（如JSON、列表、纯文本、字段类型），减少歧义。

F 错：虽然不是绝对必须，但结合样例能更清晰地规定输出格式，通常是推荐做法。

25. 正确答案: ABCE

A：正确。流式输出能在生成的同时向用户呈现部分结果，实时聊天场景可降低首字延迟，提升交互体验。

B：正确。流式能让系统或人工实时观察模型输出，一旦发现不合规或方向不对可立即中断或重试，便于监控与干预。

C：正确。用户先看到初步结果，随后继续补充信息或让模型扩展完善，流式能满足对"先快后全"的体验需求。

D：错误。像翻译单个词这类短小、一次性返回即可的任务，流式带来额外开销且价值有限，非最适合场景。

E：正确。处理长文本往往生成时间长、输出也可能较长，流式可逐步返回内容，降低前端等待、减少超时风险并提升可感知进度。

D 简单任务无实时交互需求，流式反而增加复杂度