使用预训练模型不需要任何领域知识。
人工智能通识基础 练习题
共 674 道题,以下仅展示题目与选项,供练习与学习使用。
想边做边批改、自动判分、收藏错题?
前往主站在线练习《人工智能通识基础》,获得完整学习体验。
前往 爱课堂 学习 →
深度学习在语音识别领域也有广泛应用。
目标检测只需要知道图像中有什么物体,不需要知道位置。
深度学习的「端到端」意味着不需要任何人工干预。
批量归一化可以帮助使用更大的学习率。
深度学习模型一旦训练完成就永远适用,不需要更新。
在数据量很少的情况下,迁移学习通常比从零训练效果更好。
GAN的训练比普通神经网络更稳定。
大语言模型(LLM)中的「大」主要指( )
- A训练时间长
- B占用空间大
- C模型参数量巨大
- D数据来源多
GPT中的G代表( )
- AGenerative(生成式)
- BGeneral(通用)
- CGlobal(全局)
- DGradient(梯度)
GPT中的P代表( )
- AProcessing(处理)
- BPre-trained(预训练)
- CPredictive(预测)
- DParallel(并行)
GPT中的T代表( )
- ATraining(训练)
- BText(文本)
- CTransformer
- DToken(标记)
大语言模型的基础架构是( )
- A卷积神经网络
- BTransformer
- C循环神经网络
- D决策树
ChatGPT是基于( )架构构建的
- AGPT
- BBERT
- CCNN
- DRNN
大语言模型的「预训练」阶段主要是( )
- A在标注数据上学习分类
- B在少量数据上学习特定任务
- C在大规模文本上学习语言的通用表示
- D不需要任何数据
大语言模型的「微调」阶段主要是( )
- A与预训练完全相同
- B在特定任务数据上进一步优化模型
- C不需要任何数据
- D只调整一个参数
Token在大语言模型中是指( )
- A文本的最小处理单位
- B一个完整的句子
- C一段话
- D一篇文章
小冯使用ChatGPT写作文,输入提示词后模型逐字生成内容,这种方式称为( )
- A编码
- B解码
- C自回归生成
- D随机采样
以下关于提示词工程(Prompt Engineering)的说法正确的是( )
- A通过优化提示词获得更好的模型输出
- B编写模型训练代码
- C设计模型架构
- D收集训练数据
Prompt(提示词)在大语言模型中的作用是( )
- A训练模型的工具
- B引导模型生成期望的输出
- C评估模型的指标
- D存储模型参数
本页仅提供题目与选项供学习参考,不含答案。如需系统练习、自动判分与错题本,欢迎前往主站《人工智能通识基础》在线练习。