PAGE20 生成式人工智能基礎(chǔ) 作業(yè)集與參考答案 PAGE21第1第1章作業(yè)集與參考答案作業(yè)集與參考答案第1章人工智能基礎(chǔ)1.最初，“計算機(jī)（Computer）”這個詞指的是（）。A.計算的機(jī)器 B.做計算的人 C.電腦 D.計算桌2.被譽為世界上第一臺通用電子數(shù)字計算機(jī)的是（）。A.Ada B.Colossus C.ENIAC D.SSEM3.被譽為“AI之父”的科學(xué)大師是（）。A.愛因斯坦 B.馮·諾伊曼 C.錢學(xué)森 D.圖靈4.所謂大數(shù)據(jù)，狹義上可以定義為（）。A.用現(xiàn)有的一般技術(shù)難以管理的大量數(shù)據(jù)的集合B.隨著互聯(lián)網(wǎng)的發(fā)展，在我們身邊產(chǎn)生的大量數(shù)據(jù)C.隨著硬件和軟件技術(shù)的發(fā)展，數(shù)據(jù)的存儲、處理成本大幅下降，從而促進(jìn)數(shù)據(jù)大量產(chǎn)生D.隨著云計算的興起而產(chǎn)生的大量數(shù)據(jù)5.所謂“用現(xiàn)有的一般技術(shù)難以管理”，例如是指（）。A.由于數(shù)據(jù)量的增大，導(dǎo)致對非結(jié)構(gòu)化數(shù)據(jù)的查詢產(chǎn)生了數(shù)據(jù)丟失B.用目前企業(yè)數(shù)據(jù)庫占據(jù)主流地位的關(guān)系型數(shù)據(jù)庫無法進(jìn)行管理的、具有復(fù)雜結(jié)構(gòu)的數(shù)據(jù)C.分布式處理系統(tǒng)無法承擔(dān)如此巨大的數(shù)據(jù)量D.數(shù)據(jù)太少無法適應(yīng)現(xiàn)有的數(shù)據(jù)庫處理條件6.大數(shù)據(jù)的定義是一個被故意設(shè)計成主觀性的定義，即并不定義大于一個特定數(shù)字的TB才叫大數(shù)據(jù)。隨著技術(shù)的不斷發(fā)展，符合大數(shù)據(jù)標(biāo)準(zhǔn)的數(shù)據(jù)集容量（）。A.穩(wěn)定不變 B.略有精簡 C.也會增長 D.大幅壓縮7.可以用3個特征相結(jié)合來定義大數(shù)據(jù)：即（）。A.數(shù)量、種類和速度 B.龐大容量、極快速度和種類豐富的數(shù)據(jù)C.數(shù)量、速度和價值 D.豐富的數(shù)據(jù)、極快的速度、極大的能量8.實際上，大多數(shù)的大數(shù)據(jù)都是（）的。A.結(jié)構(gòu)化 B.非結(jié)構(gòu)化 C.半結(jié)構(gòu)化 D.非結(jié)構(gòu)化或半結(jié)構(gòu)化9.（）已經(jīng)成為了一種商業(yè)資本，一項重要的經(jīng)濟(jì)投入，可以創(chuàng)造新的經(jīng)濟(jì)利益。A.能源 B.數(shù)據(jù) C.財物 D.環(huán)境10.今天，（）是人們獲得新的認(rèn)知、創(chuàng)造新的價值的源泉，它還是改變市場、組織機(jī)構(gòu)，以及政府與公民關(guān)系的方法。A.大數(shù)據(jù) B.算法 C.程序 D.傳感器 11.作為計算機(jī)科學(xué)的一個分支，人工智能的英文縮寫是（）。A.CPU B.BI C.AI D.DI12.下列關(guān)于AI的說法正確的是（）。=1\*GB3①AI是關(guān)于知識的學(xué)科——怎樣表示知識以及怎樣獲得知識并使用知識的科學(xué)=2\*GB3②AI就是研究如何使計算機(jī)去做過去只有人才能做的智能工作=3\*GB3③自1946年以來，AI學(xué)科經(jīng)過多年的發(fā)展，已經(jīng)趨于成熟，得到充分應(yīng)用=4\*GB3④AI不是人的智能，但能像人那樣思考，甚至也可能超過人的智能A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④13.AI是典型的（）學(xué)科，研究的內(nèi)容集中在機(jī)器學(xué)習(xí)、NLP、計算機(jī)視覺、機(jī)器人學(xué)、自動推理和知識表示等六大方向。A.交叉 B.工程 C.自然 D.心智14.大數(shù)據(jù)是（）發(fā)展的綜合結(jié)果，其相關(guān)技術(shù)緊緊圍繞數(shù)據(jù)展開，包括數(shù)據(jù)的采集、整理、傳輸、存儲、安全、分析、呈現(xiàn)和應(yīng)用等，價值主要體現(xiàn)在分析和應(yīng)用上。=1\*GB3①物聯(lián)網(wǎng) =2\*GB3②數(shù)值計算 =3\*GB3③Web =4\*GB3④信息系統(tǒng)A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=4\*GB3④15.大數(shù)據(jù)和AI雖然關(guān)注點不同，但是卻有密切的聯(lián)系。比如（）就是數(shù)據(jù)分析的常用方式。A.具象分析 B.機(jī)器視覺 C.人機(jī)交互 D.機(jī)器學(xué)習(xí)16.傳統(tǒng)（）是一種通過經(jīng)驗（數(shù)據(jù)）自動改進(jìn)的計算機(jī)技術(shù)，而無需明確編程指令。它依賴算法構(gòu)建數(shù)學(xué)模型，模型從歷史數(shù)據(jù)中學(xué)習(xí)，并用于對未來事件進(jìn)行預(yù)測或決策。A.深度學(xué)習(xí) B.機(jī)器學(xué)習(xí) C.遷移學(xué)習(xí) D.強(qiáng)化學(xué)習(xí)17.在傳統(tǒng)機(jī)器學(xué)習(xí)中，（）使用標(biāo)記的數(shù)據(jù)集訓(xùn)練模型，其目標(biāo)是最小化預(yù)測值與真實標(biāo)簽之間的誤差，例如分類問題（如垃圾郵件檢測）、回歸問題（如房價預(yù)測）。A.監(jiān)督學(xué)習(xí) B.深度學(xué)習(xí) C.無監(jiān)督學(xué)習(xí) D.強(qiáng)化學(xué)習(xí)18.（）是機(jī)器學(xué)習(xí)的一個子集，特別指那些基于多層神經(jīng)網(wǎng)絡(luò)架構(gòu)的學(xué)習(xí)方法。它能夠自動從原始數(shù)據(jù)中提取高層次的抽象特征，減少了對人工設(shè)計特征的需求。A.監(jiān)督學(xué)習(xí) B.深度學(xué)習(xí) C.無監(jiān)督學(xué)習(xí) D.強(qiáng)化學(xué)習(xí)19.深度學(xué)習(xí)的核心技術(shù)是通過多層神經(jīng)網(wǎng)絡(luò)自動從大量數(shù)據(jù)中學(xué)習(xí)特征表示，從而實現(xiàn)對復(fù)雜模式的識別和預(yù)測。它主要特點包括（）。=1\*GB3①自動特征學(xué)習(xí) =2\*GB3②大數(shù)據(jù)驅(qū)動 =3\*GB3③可解釋性 =4\*GB3④高性能計算資源A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④20.機(jī)器學(xué)習(xí)和深度學(xué)習(xí)都是推動現(xiàn)代AI發(fā)展的關(guān)鍵技術(shù)，雖然各自有其獨特的特性和應(yīng)用場景，但在很多情況下是相輔相成的。對于大型復(fù)雜任務(wù)，（）則顯示出更大的潛力。A.弱AI B.強(qiáng)AI C.傳統(tǒng)機(jī)器學(xué)習(xí) D.深度學(xué)習(xí)第2章生成式AI與AIGC1.在任何現(xiàn)有或想象中的未來計算機(jī)系統(tǒng)中，存儲數(shù)千個單詞的所有可能序列都是（）：與之相比，這些序列的數(shù)量使得宇宙中的原子數(shù)量都看起來是微不足道的。A.不確定的 B.不現(xiàn)實的 C.可行的 D.隨機(jī)存在的2.1981年，內(nèi)德·布洛克構(gòu)建了一個“Blockhead”假說——假定科學(xué)家們通過編程，預(yù)先設(shè)定好了近乎所有問題的答案。這樣的系統(tǒng)被人認(rèn)為是（）智能的標(biāo)準(zhǔn)。A.等同于 B.接近于 C.不符合 D.符合3.人們在評估LLM時存在一個關(guān)鍵問題：它的訓(xùn)練集中可能包含了評估時使用的測試問題，這被稱為“（）”，這些是應(yīng)該在評估前予以排除的問題。A.數(shù)據(jù)污染 B.數(shù)據(jù)挖掘 C.典型數(shù)據(jù) D.標(biāo)準(zhǔn)數(shù)據(jù)4.研究指出，LLM不僅可以簡單地復(fù)述其提示的或訓(xùn)練集的大部分內(nèi)容，它們還能夠靈活地融合來自訓(xùn)練集的內(nèi)容，產(chǎn)生（）。A.數(shù)據(jù)污染 B.測試數(shù)據(jù) C.標(biāo)準(zhǔn)答案 D.新的輸出5.NLP是一門研究如何讓計算機(jī)理解、生成和分析人類自然語言的學(xué)科，它是AI和計算機(jī)科學(xué)的重要分支。它的發(fā)展經(jīng)歷了（）等方法的轉(zhuǎn)變。=1\*GB3①基于規(guī)則 =2\*GB3②統(tǒng)計 =3\*GB3③科學(xué)計算 =4\*GB3④深度學(xué)習(xí)A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④6.隨著技術(shù)的不斷進(jìn)步，新的研究方向和應(yīng)用場景也在不斷涌現(xiàn)。NLP研究的主要內(nèi)容大致可以分為（）、語義分析、自然語言生成和語音識別等幾個方面。=1\*GB3①段落疊加 =2\*GB3②文本預(yù)處理 =3\*GB3③詞法分析 =4\*GB3④句法分析A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=1\*GB3①=3\*GB3③=4\*GB3④7.所謂（）是指理解文本的深層含義，包括情感分析（判斷文本的情感傾向）、主題抽?。ㄗR別文本的主題內(nèi)容）、篇章理解（理解長篇文本的連貫性和邏輯關(guān)系）等。A.對話系統(tǒng) B.句法分析 C.語義分析 D.詞法分析8.所謂（）是指構(gòu)建能夠與人類進(jìn)行自然對話的系統(tǒng)，包括聊天機(jī)器人、語音助手等，涉及對話管理、上下文理解、自然語言生成等技術(shù)。A.對話系統(tǒng) B.句法分析 C.語義分析 D.詞法分析9.早期的NLP系統(tǒng)依賴于手工編寫的（）來解析和理解語言，它們基于語言學(xué)理論，試圖直接編碼語法和語義，但這種方法難以擴(kuò)展到大規(guī)模文本和處理語言的靈活性。A.數(shù)組 B.語法 C.函數(shù) D.規(guī)則10.隨著數(shù)據(jù)量的增長和計算能力的提升，（）方法開始主導(dǎo)NLP領(lǐng)域，這些方法利用概率模型來處理語言，能夠更好地處理語言的變異性，但仍然有局限性。A.哲學(xué) B.統(tǒng)計 C.規(guī)則 D.程序11.深度學(xué)習(xí)對NLP領(lǐng)域產(chǎn)生了深遠(yuǎn)的影響，徹底改變了人們處理、理解和生成人類語言的方式。影響的幾個關(guān)鍵點包括（）以及機(jī)器翻譯、命名實體識別與信息抽取等。=1\*GB3①提升理解能力 =2\*GB3②文本生成與創(chuàng)意寫作=3\*GB3③詞嵌入與表征學(xué)習(xí) =4\*GB3④情緒表達(dá)與語音分解A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④12.盡管NLP任務(wù)常面臨（）挑戰(zhàn)，深度學(xué)習(xí)模型通過學(xué)習(xí)更高級別的抽象特征，能在一定程度上緩解這一問題，尤其是在少數(shù)族裔語言、專業(yè)領(lǐng)域術(shù)語等方面。A.數(shù)據(jù)稀疏性 B.結(jié)構(gòu)復(fù)雜性 C.數(shù)據(jù)冗余性 D.遞歸層次性13.源自（），LLM是近年來AI領(lǐng)域的一項重要進(jìn)展，是基于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和語言處理技術(shù)的先進(jìn)AI模型。它具有復(fù)雜結(jié)構(gòu)，其參數(shù)數(shù)量可達(dá)到甚至數(shù)萬億之多。A.AGI B.GAI C.Java D.NLP14.LLM的核心優(yōu)勢在于能夠（）以及一定程度的創(chuàng)造性表達(dá)，這使得它們在處理自然語言時更為靈活和準(zhǔn)確，還能在一定程度上展現(xiàn)邏輯思維、推理能力和創(chuàng)造性。=1\*GB3①捕捉語言細(xì)微差別 =2\*GB3②專業(yè)應(yīng)用的語言模型=3\*GB3③對語言泛化理解 =4\*GB3④上下文敏感的生成A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③15.LLM的“大”主要有（）兩層含義。它們使得模型能夠?qū)W習(xí)和表示語言中細(xì)微且非常復(fù)雜的模式，并且訓(xùn)練數(shù)據(jù)一般來自互聯(lián)網(wǎng)、書籍、新聞等各種來源。=1\*GB3①模型的參數(shù)數(shù)量 =2\*GB3②模型參數(shù)的精確度=3\*GB3③訓(xùn)練數(shù)據(jù)的規(guī)模 =4\*GB3④訓(xùn)練數(shù)據(jù)的維度A.=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3② C.=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③16.除了采用深度學(xué)習(xí)架構(gòu)，模型“大”而“通用”之外，LLM的核心特征還包括（）。=1\*GB3①無監(jiān)督預(yù)訓(xùn)練 =2\*GB3②生成與理解并重=3\*GB3③持續(xù)學(xué)習(xí)與適應(yīng)性 =4\*GB3④計算精度高誤差小A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④17.（）AI是一種專注于學(xué)習(xí)輸入數(shù)據(jù)與輸出標(biāo)簽之間映射關(guān)系的AI方法。它主要關(guān)注如何從給定的輸入中準(zhǔn)確地預(yù)測或分類輸出。A.判別式 B.條件式 C.生成式 D.邏輯式18.（）AI是一種基于機(jī)器學(xué)習(xí)的方法，它通過學(xué)習(xí)大量數(shù)據(jù)，能夠生成與原始數(shù)據(jù)相似的全新內(nèi)容。這種技術(shù)可以應(yīng)用于多個領(lǐng)域，如NLP、圖像生成、音頻合成等。A.判別式 B.條件式 C.生成式 D.邏輯式19.為了更全面地了解生成式AI領(lǐng)域，分析該技術(shù)的價值鏈，考慮將其分為（）和基礎(chǔ)設(shè)施層四個相互關(guān)聯(lián)的層，其中每一層在整個過程中都發(fā)揮著獨特作用。=1\*GB3①共享層 =2\*GB3②應(yīng)用層 =3\*GB3③平臺層 =4\*GB3④模型層A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④20.AIGC是指利用（）等方法，自動生成各種形式的內(nèi)容，如文本、圖像、音頻、視頻等。其核心優(yōu)勢在于其能夠基于大量的數(shù)據(jù)學(xué)習(xí)模式，自動創(chuàng)作新的內(nèi)容。=1\*GB3①AI技術(shù) =2\*GB3②機(jī)器學(xué)習(xí) =3\*GB3③思維科學(xué) =4\*GB3④深度學(xué)習(xí)A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④第3章大語言模型技術(shù)1.基于深度學(xué)習(xí)技術(shù)，特別是（）網(wǎng)絡(luò)架構(gòu)的廣泛應(yīng)用，LLM通過學(xué)習(xí)海量文本數(shù)據(jù)，模仿人類語言的復(fù)雜性，極大提升了AI技術(shù)的能力。A.Transformer B.AlexNet C.VGGNet D.GoogleNet2.LLM使得機(jī)器能夠更準(zhǔn)確地（）自然語言，其工作原理涉及復(fù)雜的數(shù)學(xué)模型、優(yōu)化算法以及對倫理和社會影響的深刻考量。=1\*GB3①理解 =2\*GB3②生成 =3\*GB3③交互 =4\*GB3④迭代A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④3.LLM容易吸收訓(xùn)練數(shù)據(jù)中的偏見，因此在數(shù)據(jù)選擇和模型使用上需要特別注意（）問題，努力減少偏見和歧視。隨著技術(shù)的發(fā)展，LLM也在不斷進(jìn)化。A.收集 B.倫理 C.技術(shù) D.計算4.在語言模型中，“tokens”是指單詞、單詞部分（稱為子詞）或字符轉(zhuǎn)換成的數(shù)字列表。每個單詞或單詞部分都被映射到一個特定的數(shù)字表示，稱為（）（token）。A.元素 B.機(jī)會 C.分量 D.詞元5.LLM的訓(xùn)練需要極高的計算資源，包括大量的（）以及相應(yīng)的能源消耗，這也是其發(fā)展的一個重要考量因素。A.GPU和SPU B.CPU或TPU C.GPU或TPU D.CPU或APU6.最常見的LLM商業(yè)系統(tǒng)是在數(shù)千臺強(qiáng)大處理器上同時訓(xùn)練數(shù)周，耗資達(dá)數(shù)百萬美元。這些程序通常被稱為“（）”，它具有廣泛的適用性和長期使用壽命。A.基礎(chǔ)模型 B.專業(yè)模型 C.行業(yè)模型 D.計算模型7.LLM使用（）技術(shù)將文本中的每個詞匯轉(zhuǎn)化為高維向量，確保模型可以處理連續(xù)的符號序列。這些向量不僅編碼了詞匯本身的含義，還考慮了語境下的潛在關(guān)聯(lián)。A.段嵌入 B.預(yù)微調(diào) C.預(yù)訓(xùn)練 D.詞嵌入8.對于生成任務(wù)（如文本創(chuàng)作、對話系統(tǒng)），模型根據(jù)給定的初始文本或上下文，生成連續(xù)的、有邏輯的（）。這通常通過采樣技術(shù)）實現(xiàn)，確保生成的文本既符合語法又具有連貫性。A.數(shù)字序列 B.文本序列 C.文本數(shù)組 D.數(shù)值函數(shù)9.（）的目標(biāo)通常是為了學(xué)習(xí)語言的普遍規(guī)律，以此來預(yù)測給定序列中缺失的單詞或預(yù)測序列的下一個單詞。模型通過大規(guī)模的通用文本數(shù)據(jù)來學(xué)習(xí)語言的基本結(jié)構(gòu)和常識。A.預(yù)訓(xùn)練 B.文本序列 C.文本數(shù)組 D.數(shù)值函數(shù)10.在（）階段，模型可以在特定任務(wù)上，在更小、帶有標(biāo)簽的數(shù)據(jù)集上進(jìn)行進(jìn)一步的訓(xùn)練，使模型適應(yīng)特定的語言理解和生成任務(wù)。這個數(shù)據(jù)集通常針對某個特定任務(wù)或領(lǐng)域。A.規(guī)劃 B.輸入 C.部署 D.微調(diào)11.（）是一種深度學(xué)習(xí)模型，它通過兩個神經(jīng)網(wǎng)絡(luò)的相互博弈來訓(xùn)練，生成器和判別器這兩個網(wǎng)絡(luò)通過對抗過程共同進(jìn)化，目的是能夠創(chuàng)造出幾乎無法與真實數(shù)據(jù)區(qū)分的假數(shù)據(jù)。A.NETs B.VAEs C.GANs D.LLMs12.（）是一種生成模型，它結(jié)合了自動編碼器和貝葉斯推斷的思想。它不僅能夠?qū)W習(xí)數(shù)據(jù)的壓縮表示（即編碼），還能通過引入概率分布來生成新的樣本。A.NETs B.VAEs C.GANs D.LLMs13.流模型是一類生成模型，主要應(yīng)用于需要精確概率估計和高效采樣的領(lǐng)域，如（）和音頻合成以及一些特定的NLP任務(wù)中。=1\*GB3①密度估計 =2\*GB3②復(fù)雜計算 =3\*GB3③異常檢測 =4\*GB3④圖像生成A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④14.通過引入流模型，可以實現(xiàn)更高效的并行化生成，同時保持生成文本的質(zhì)量。例如流模型可以用于學(xué)習(xí)字符級或詞級的語言分布，從而支持快速且多樣化的（）。A.文本生成 B.對話系統(tǒng) C.風(fēng)格轉(zhuǎn)換 D.主題建模15.語言模型起源于（）。輸入一段音頻數(shù)據(jù)，系統(tǒng)通常會生成多個句子作為候選，而判斷哪個句子更合理，就需要用語言模型對候選句子進(jìn)行排序。A.波形識別 B.生物識別 C.語音識別 D.模式識別16.所謂（），是指LLM在回答問題或提示時，實際上并不查閱其訓(xùn)練時接觸到的所有詞序列，也就是它們通常只訪問那些信息的統(tǒng)計摘要，于是出現(xiàn)了“胡說八道”。A.障礙 B.幻覺 C.不足 D.缺陷17.LLM的幻覺分為事實性幻覺和忠實性幻覺。所謂忠實性幻覺，是指模型生成的內(nèi)容產(chǎn)生的不一致現(xiàn)象。它可以分為（）3類。=1\*GB3①三觀不一致 =2\*GB3②指令不一致 =3\*GB3③上下文不一致 =4\*GB3④邏輯不一致A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④18.LLM采用的數(shù)據(jù)是致使它產(chǎn)生幻覺的一大原因，其中包括數(shù)據(jù)缺陷、數(shù)據(jù)中捕獲的事實知識的利用率較低等因素。其中，數(shù)據(jù)缺陷分為（）。=1\*GB3①知識邊界 =2\*GB3②數(shù)量不足 =3\*GB3③錯誤信息 =4\*GB3④偏見A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④19.所謂（）是指：不能過于迷信依靠AI模型自身能力解決問題。頂流AI模型的水平雖然高，但它們掌握的世界知識其實僅僅是人類文明史里極少數(shù)意義重大的知識。A.邏輯單元 B.復(fù)雜系統(tǒng) C.長尾知識 D.專用模塊20.除了數(shù)據(jù)，訓(xùn)練過程也會使LLM產(chǎn)生幻覺，問題主要存在于（）。研究人員根據(jù)致幻原因，總結(jié)了減輕幻覺現(xiàn)象的方法。=1\*GB3①對齊階段 =2\*GB3②預(yù)訓(xùn)練階段 =3\*GB3③策劃階段 =4\*GB3④推理過程A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④第4章提示工程與技巧1.LLM正在發(fā)展成為AI的一項基礎(chǔ)設(shè)施。對一般用戶來說，掌握用好LLM的技術(shù)更加重要。用好LLM的兩個層次是（）。=1\*GB3①掌握提示工程 =2\*GB3②執(zhí)行LLM的預(yù)訓(xùn)練任務(wù)=3\*GB3③做好LLM的微調(diào) =4\*GB3④嚴(yán)格測試LLM技術(shù)產(chǎn)品A.=1\*GB3①=3\*GB3③ B.=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3② D.=3\*GB3③=4\*GB3④2.選擇（），這取決于應(yīng)用項目的具體要求、可用資源和期望的結(jié)果。每種方法都有其獨特的優(yōu)勢和局限性。=1\*GB3①質(zhì)量工程 =2\*GB3②提示工程 =3\*GB3③微調(diào)工程 =4\*GB3④檢索增強(qiáng)生成方法A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③3.“（）”是促使LLM取得更好結(jié)果的藝術(shù)和科學(xué)。這些LLM可用于所有類型的語言任務(wù)，從起草電子郵件和文檔到總結(jié)或分類文本都能適用。A.質(zhì)量工程 B.提示工程 C.微調(diào)工程 D.檢索工程4.在提示工程中，（）是指構(gòu)造問題或指令的方式，目的是最大化模型的響應(yīng)質(zhì)量。這包括選擇合適的詞匯、句式結(jié)構(gòu)，甚至創(chuàng)造上下文環(huán)境，以激發(fā)模型展示其最佳性能。A.領(lǐng)域知識嵌入 B.減少偏見與提高一致性C.提示優(yōu)化與迭代 D.設(shè)計有效提示5.在提示工程中，（）是指為提高模型在特定領(lǐng)域的表現(xiàn)，提示工程可能會融入該領(lǐng)域的專業(yè)知識。這有助于模型更好地理解和生成與該領(lǐng)域相關(guān)的高質(zhì)量內(nèi)容。A.領(lǐng)域知識嵌入 B.減少偏見與提高一致性C.提示優(yōu)化與迭代 D.設(shè)計有效提示6.在提示工程中，（）是指通過不同的提示策略，評估模型輸出質(zhì)量，并據(jù)此調(diào)整提示以達(dá)到最優(yōu)效果。這可能包括A/B測試、迭代改進(jìn)以及使用工具來尋找最有效的提示形式。A.領(lǐng)域知識嵌入 B.減少偏見與提高一致性C.提示優(yōu)化與迭代 D.設(shè)計有效提示7.在提示工程中，（）是指由于大語言模型可能繼承訓(xùn)練數(shù)據(jù)中的偏見，為此需要減少偏見提示，確保模型輸出的一致性和可預(yù)測性。這可能涉及制定公平性原則。A.領(lǐng)域知識嵌入 B.減少偏見與提高一致性C.提示優(yōu)化與迭代 D.設(shè)計有效提示8.（）扮演著至關(guān)重要的角色，它是用戶與AI模型交互的橋梁，更是一種全新的“編程語言”，用戶通過它來指導(dǎo)AI模型產(chǎn)生特定的輸出，執(zhí)行各種任務(wù)。A.編程 B.檢索 C.微調(diào) D.提示9.作為通用人工時代的“軟件工程”，提示工程涉及到如何（）提示內(nèi)容，以確保AI模型能夠準(zhǔn)確、高效地執(zhí)行用戶的指令。=1\*GB3①設(shè)計 =2\*GB3②優(yōu)化 =3\*GB3③管理 =4\*GB3④計算A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④10.一個完整提示的構(gòu)成應(yīng)該包含（）以及有助于理解的例子和期望的輸出格式描述。=1\*GB3①清晰的指示 =2\*GB3②相關(guān)上下文 =3\*GB3③明確的輸入 =4\*GB3④可視化描述A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④11.提示調(diào)優(yōu)是一個人與機(jī)器協(xié)同的過程，需要（），以實現(xiàn)最佳交互效果。=1\*GB3①明確需求 =2\*GB3②自動編程 =3\*GB3③注重細(xì)節(jié) =4\*GB3④應(yīng)用技巧A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④12.研究人員發(fā)現(xiàn)，LLM提供的結(jié)果在很大程度上取決于給出的（）。所以，雖然解釋清楚一項任務(wù)似乎很簡單，但簡單的調(diào)整會極大影響用戶收到的模型輸出。A.圖片分辨率 B.詞匯數(shù)量 C.質(zhì)量指標(biāo) D.具體提示13.提示工程從根本上來說是不斷做實驗改變提示內(nèi)容，以了解提示的變化對模型生成內(nèi)容的影響，因此不需要高級的技術(shù)背景，而只需一點（）好奇心和創(chuàng)造力即可。=1\*GB3①好奇心 =2\*GB3②忍耐力 =3\*GB3③創(chuàng)造力 =4\*GB3④執(zhí)行力A.=1\*GB3①=3\*GB3③ B.=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3② D.=3\*GB3③=4\*GB3④14.由于提示工程的效果很大程度上取決于模型的原始學(xué)習(xí)水平，所以它可能并不總能提供你需要的最新或最具體的信息。當(dāng)你處理的是（），而不需要太多細(xì)節(jié)時，提示工程最好用。=1\*GB3①精確答案 =2\*GB3②一般性主題 =3\*GB3③快速答案 =4\*GB3④豐富細(xì)節(jié)A.=1\*GB3①=3\*GB3③ B.=2\*GB3②=4\*GB3④ C.=2\*GB3②=3\*GB3③ D.=1\*GB3①=4\*GB3④15.（）提示是一種注重和引導(dǎo)逐步推理的方法。通過將多步驟問題分解為若干中間步驟，構(gòu)建一系列有序、相互關(guān)聯(lián)的思考步驟，使模型能夠解決復(fù)雜推理任務(wù)。A.生成知識 B.思維樹 C.自一致 D.思維鏈16.（）提示是一種強(qiáng)調(diào)知識生成的方法，通過構(gòu)建特定的提示語句，引導(dǎo)模型從已有的知識庫中提取、整合并生成新的、有用的知識或信息內(nèi)容。A.生成知識 B.思維樹 C.自一致 D.思維鏈17.（）提示是一種建立在CoT基礎(chǔ)上的提示技術(shù)，這種方法旨在為LLM提供多種推理路徑，然后在生成的響應(yīng)中選擇最一致的答案。與CoT結(jié)合使用時，這種方法會更強(qiáng)大。A.生成知識 B.思維樹 C.自一致 D.思維鏈18.（）提示是一個超越CoT的激勵框架，鼓勵模型探索多種想法作為使用LLM解決更廣泛問題的中間步驟。將復(fù)雜思維過程通過樹狀結(jié)構(gòu)清晰展現(xiàn)，逐級分解主題或問題。A.生成知識 B.思維樹 C.自一致 D.思維鏈19.（）是一種策略，其基本思想是，不直接要求模型生成答案，而是先給模型一個“提示”或者“模板”，使其理解所需完成的任務(wù)類型和格式，然后在此基礎(chǔ)上生成答案。A.語境學(xué)習(xí) B.自主學(xué)習(xí) C.自一致 D.提示學(xué)習(xí)20.（）是指模型在處理輸入時，能夠基于上下文信息做出更加合理和準(zhǔn)確的響應(yīng)。LLM通過深度學(xué)習(xí)機(jī)制，能夠捕捉詞語間依賴關(guān)系和長距離上下文聯(lián)系。A.語境學(xué)習(xí) B.自主學(xué)習(xí) C.自一致 D.提示學(xué)習(xí)第5章文本生成技術(shù)1.典型的語言模型方法主要是（）。雖然LLM的參數(shù)量巨大，通過有監(jiān)督微調(diào)和強(qiáng)化學(xué)習(xí)能夠完成非常多的任務(wù)，但其基礎(chǔ)理論仍然離不開對語言的建模。=1\*GB3①面向?qū)ο蠓椒?=2\*GB3②統(tǒng)計語言模型 =3\*GB3③基于規(guī)則方法 =4\*GB3④循環(huán)神經(jīng)網(wǎng)絡(luò)A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③2.（）的文本生成方法依賴于預(yù)定義的語法規(guī)則和模式來構(gòu)造句子或段落。它通過編程設(shè)定具體的規(guī)則，規(guī)定如何組合詞匯、短語和句子結(jié)構(gòu)以生成符合語法和邏輯的文本。A.統(tǒng)計語言模型 B.基于規(guī)則方法 C.循環(huán)神經(jīng)網(wǎng)絡(luò) D.Transformer模型3.（）是指基于概率分布來預(yù)測下一個詞的概率的文本生成方法，它通過分析大量文本數(shù)據(jù)來估計詞或短語序列出現(xiàn)的概率，這類模型通常使用n元模型。A.統(tǒng)計語言模型 B.基于規(guī)則方法 C.循環(huán)神經(jīng)網(wǎng)絡(luò) D.Transformer模型4.（）是一種專門設(shè)計用于處理序列數(shù)據(jù)的強(qiáng)大的神經(jīng)網(wǎng)絡(luò)工具，能夠捕捉時間序列中的時間依賴關(guān)系，它特別適用于文本生成任務(wù)，廣泛應(yīng)用于NLP、語音識別等領(lǐng)域。A.統(tǒng)計語言模型 B.基于規(guī)則方法 C.循環(huán)神經(jīng)網(wǎng)絡(luò) D.Transformer模型5.（）是一種在NLP領(lǐng)域中被廣泛使用的深度學(xué)習(xí)模型，它的主要特點是使用了“自注意力”機(jī)制，允許模型在處理序列數(shù)據(jù)時考慮到序列中所有元素的上下文關(guān)系。A.統(tǒng)計語言模型 B.基于規(guī)則方法 C.循環(huán)神經(jīng)網(wǎng)絡(luò) D.Transformer模型6.Transformer模型首先被應(yīng)用于（）的神經(jīng)網(wǎng)絡(luò)模型架構(gòu)，目標(biāo)是從源語言轉(zhuǎn)換到目標(biāo)語言，它完成了對源語言序列和目標(biāo)語言序列全局依賴的建模。A.文本摘要 B.機(jī)器翻譯 C.詩歌生成 D.對話系統(tǒng)7.當(dāng)一個Transformer模型對一句話進(jìn)行處理時，它會一次查看所有單詞，并為每對單詞計算一個“（）”，它確定句子中每個單詞應(yīng)該對其他每個單詞的解釋產(chǎn)生多大影響。A.注意分?jǐn)?shù) B.自注意力 C.位置編碼 D.對話規(guī)則8.為了解決序列信息中詞語順序的問題，Transformer模型引入了（）機(jī)制，利用詞嵌入來表達(dá)語言中的復(fù)雜概念。A.注意分?jǐn)?shù) B.自注意力 C.位置編碼 D.對話規(guī)則9.在Transformer中，每個單詞都被表示為一個高維向量，而這些向量在表示空間中的位置反映了單詞之間的（）。A.注意力機(jī)制 B.高維表示 C.句法關(guān)系 D.語義關(guān)系10.“（）”實際上就是將人的感知方式、注意力的行為應(yīng)用在機(jī)器上，讓機(jī)器學(xué)會去感知數(shù)據(jù)中的重要和不重要的部分，核心目的是希望機(jī)器能注意到當(dāng)前任務(wù)的關(guān)鍵信息。A.注意力機(jī)制 B.高維表示 C.句法關(guān)系 D.語義關(guān)系11.對模型的每一個輸入項，它可能是圖片中的不同部分，或者是語句中的某個單詞，分配一個（），它的數(shù)量代表了我們希望模型對該部分的關(guān)注程度。A.數(shù)量 B.權(quán)重 C.顏色 D.質(zhì)量12.（）是Transformer的核心部件，通過計算輸入序列中每個位置的單詞與其他所有位置單詞的相關(guān)性，來實現(xiàn)對整個句子的全局建模。而多頭自注意力擴(kuò)展了這一機(jī)制。A.數(shù)量 B.權(quán)重 C.自注意力 D.質(zhì)量13.所謂（），可以理解為是一個多層感知機(jī)，即一個包含了多個隱藏層的神經(jīng)網(wǎng)絡(luò)，其中層與層之間是全連接的，相鄰兩層的任意兩個節(jié)點都有連接。A.自注意力機(jī)制 B.編碼器-解碼器C.Transformer結(jié)構(gòu) D.前饋神經(jīng)網(wǎng)絡(luò)14.混合模型是指將不同類型的生成模型結(jié)合起來，取長補(bǔ)短，以達(dá)到更好的性能。隨著硬件性能的提升和算法的不斷優(yōu)化，文本生成技術(shù)正朝著（）等幾個方向發(fā)展。=1\*GB3①更大規(guī)模的預(yù)訓(xùn)練模型 =2\*GB3②簡單、細(xì)致的推理方法=3\*GB3③多模態(tài)融合 =4\*GB3④倫理和社會影響的關(guān)注A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④15.（）旨在從較長的文本中提取關(guān)鍵信息以生成概括內(nèi)容。應(yīng)用深度學(xué)習(xí)方法，這項技術(shù)已經(jīng)取得顯著進(jìn)步，能夠處理各種類型的文檔，并在多個應(yīng)用場景中表現(xiàn)出色。A.翻譯任務(wù) B.文本摘要 C.詩歌生成 D.簡單對話系統(tǒng)16.文本摘要在壓縮文本內(nèi)容的同時，要保留原文的核心信息和主要觀點，它應(yīng)該具有（）等特點。=1\*GB3①簡潔性 =2\*GB3②連貫性 =3\*GB3③完整性 =4\*GB3④準(zhǔn)確性A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④17.（）要求機(jī)器不僅能夠生成語法正確的句子，還要捕捉到作品特有的韻律、節(jié)奏、情感以及詩意。它不僅是技術(shù)上的挑戰(zhàn)，也是對美學(xué)和技術(shù)結(jié)合的一次探索。A.翻譯任務(wù) B.文本摘要 C.詩歌生成 D.簡單對話系統(tǒng)18.（）旨在通過計算機(jī)程序?qū)崿F(xiàn)人機(jī)之間的自然對話。其核心任務(wù)是從用戶輸入中理解意圖，并根據(jù)上下文生成合適的回復(fù)。A.翻譯任務(wù) B.文本摘要 C.詩歌生成 D.簡單對話系統(tǒng)19.簡單對話系統(tǒng)不僅是技術(shù)上的創(chuàng)新，也為人們的生活帶來了極大的便利。其中的技術(shù)組件主要是（）和知識庫/數(shù)據(jù)庫。=1\*GB3①自然語言理解 =2\*GB3②翻譯器源代碼 =3\*GB3③對話管理器 =4\*GB3④自然語言生成A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④20.通過利用深度學(xué)習(xí)模型的強(qiáng)大表示能力和生成能力，現(xiàn)代翻譯系統(tǒng)能夠提供更準(zhǔn)確、流暢且自然的翻譯結(jié)果。其主要技術(shù)內(nèi)容包括（）以及后編輯與人機(jī)協(xié)作等。=1\*GB3①神經(jīng)機(jī)器翻譯 =2\*GB3②單模態(tài)轉(zhuǎn)換 =3\*GB3③多模型融合 =4\*GB3④低資源語言支持A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④第6章圖像生成技術(shù)1.生成式AI能夠創(chuàng)造出逼真且富有創(chuàng)意的圖像內(nèi)容，這些技術(shù)改變藝術(shù)的（）等的工作方式，還為科學(xué)研究提供了新的工具。=1\*GB3①創(chuàng)作 =2\*GB3②設(shè)計 =3\*GB3③編程 =4\*GB3④娛樂A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④2.可以使用（）模型，通過學(xué)習(xí)輸入數(shù)據(jù)的概率分布來生成新樣本。編碼器將圖像映射到潛在空間做參數(shù)化分布，解碼器從潛在空間中采樣重構(gòu)原始圖像。A.DNNs B.GANs C.CNNs D.VAEs3.可以使用（）模型，其中的神經(jīng)網(wǎng)絡(luò)生成器嘗試創(chuàng)建看起來真實的假圖像，而神經(jīng)網(wǎng)絡(luò)判別器則試圖區(qū)分真、假圖像，兩者在訓(xùn)練過程中不斷優(yōu)化。A.DNNs B.GANs C.CNNs D.VAEs4.（）是一類生成式模型，它通過逐步向數(shù)據(jù)添加噪聲，然后學(xué)習(xí)逆轉(zhuǎn)這個過程來生成新的樣本或者恢復(fù)原始圖像，其特點是生成的圖像質(zhì)量和多樣性都非常出色。A.聚攏模型 B.同步模型 C.擴(kuò)散模型 D.自回歸模型5.（）是一類用于處理時間序列數(shù)據(jù)和序列生成任務(wù)的統(tǒng)計模型，其核心思想是逐像素地預(yù)測下一個像素的概率分布，從而逐步構(gòu)建完整的圖像。A.聚攏模型 B.同步模型 C.擴(kuò)散模型 D.自回歸模型6.在圖像生成技術(shù)中，（）等模型分別以高分辨率圖像生成、大規(guī)模數(shù)據(jù)集上的卓越表現(xiàn)以及根據(jù)文本描述創(chuàng)造多樣化圖像的能力而聞名。=1\*GB3①OpenGAN =2\*GB3②StyleGAN =3\*GB3③BigGAN =4\*GB3④DALL-EA.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④7.在圖像生成技術(shù)中，（）是指利用圖像生成技術(shù)快速生成概念圖、紋理、圖案等，激發(fā)靈感并加速創(chuàng)作過程，幫助藝術(shù)家探索新的創(chuàng)意方向，嘗試不同風(fēng)格的表現(xiàn)形式。A.影視特效制作 B.創(chuàng)意輔助 C.數(shù)據(jù)增強(qiáng) D.虛擬角色設(shè)計8.在圖像生成技術(shù)中，（）是指為訓(xùn)練機(jī)器學(xué)習(xí)模型提供更多樣化的數(shù)據(jù)集，尤其是針對特殊病例、自動駕駛等，提高模型的魯棒性和泛化能力。A.影視特效制作 B.創(chuàng)意輔助 C.數(shù)據(jù)增強(qiáng) D.虛擬角色設(shè)計9.（）用于創(chuàng)建游戲角色、電影角色或其他數(shù)字人物的形象，確保每個角色都有獨特的外觀和個性，創(chuàng)建更加豐富和互動的游戲環(huán)境。A.影視特效制作 B.創(chuàng)意輔助 C.數(shù)據(jù)增強(qiáng) D.虛擬角色設(shè)計10.（）是指快速生成高質(zhì)量的特效鏡頭、虛擬場景、視覺效果和場景氛圍，減少實際拍攝（如背景合成、特效制作等）的成本和難度，節(jié)省后期制作時間。A.影視特效制作 B.創(chuàng)意輔助 C.數(shù)據(jù)增強(qiáng) D.虛擬角色設(shè)計11.圖像風(fēng)格遷移技術(shù)結(jié)合了內(nèi)容圖像的結(jié)構(gòu)信息和風(fēng)格圖像的（）特征，廣泛應(yīng)用于藝術(shù)創(chuàng)作、設(shè)計和個人化內(nèi)容生成等領(lǐng)域。=1\*GB3①紋理 =2\*GB3②代碼 =3\*GB3③顏色 =4\*GB3④筆觸A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④12.圖像風(fēng)格遷移通常利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）提?。ǎ┑母呒壧卣骱鸵恍┘y理特征，并在其中找到平衡以創(chuàng)造視覺上和諧的結(jié)果。A.原始圖像 B.目標(biāo)圖像 C.風(fēng)格圖像 D.內(nèi)容圖像13.（）是指從低分辨率圖像中恢復(fù)出高分辨率圖像。這項技術(shù)廣泛應(yīng)用于醫(yī)療影像、衛(wèi)星遙感、視頻處理、監(jiān)控系統(tǒng)以及消費級電子產(chǎn)品等多個領(lǐng)域。A.圖像風(fēng)格遷移 B.醫(yī)療影像合成C.超分辨率重建 D.視頻生成14.超分辨率重建的傳統(tǒng)方法主要包括基于（）的技術(shù)，通過數(shù)學(xué)模型和算法處理低分辨率圖像，以估計并生成更高分辨率的圖像細(xì)節(jié)。=1\*GB3①插值 =2\*GB3②重構(gòu) =3\*GB3③多幀融合 =4\*GB3④細(xì)節(jié)重疊A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④15.深度學(xué)習(xí)的發(fā)展使基于學(xué)習(xí)的超分辨率重建方法取得了顯著進(jìn)展，主要分為（）和基于注意力網(wǎng)絡(luò)等幾類。=1\*GB3①基于自然神經(jīng)網(wǎng)絡(luò) =2\*GB3②基于卷積神經(jīng)網(wǎng)絡(luò)=3\*GB3③基于遞歸網(wǎng)絡(luò) =4\*GB3④基于生成對抗網(wǎng)絡(luò)A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④16.（）是一個復(fù)雜且多樣的領(lǐng)域，它從給定的數(shù)據(jù)（如單張圖像、文本描述、關(guān)鍵幀等）創(chuàng)建連續(xù)的視頻幀序列，這些幀之間具有時間上的連貫性和空間上的合理性。A.圖像風(fēng)格遷移 B.醫(yī)療影像合成C.超分辨率重建 D.視頻生成17.（）是從現(xiàn)有醫(yī)學(xué)圖像數(shù)據(jù)中學(xué)習(xí)特征，進(jìn)而生成新的或增強(qiáng)的醫(yī)學(xué)影像，以提高診斷準(zhǔn)確性、減少輻射暴露、優(yōu)化治療方案。A.圖像風(fēng)格遷移 B.醫(yī)療影像合成C.超分辨率重建 D.視頻生成18.醫(yī)療影像合成的主要方法是利用（）等深度學(xué)習(xí)技術(shù)，從有限的醫(yī)學(xué)圖像數(shù)據(jù)中生成高質(zhì)量、逼真的影像，用于輔助診斷、手術(shù)規(guī)劃及個性化治療。=1\*GB3①生成對抗網(wǎng)絡(luò) =2\*GB3②變分自編碼器 =3\*GB3③線性分析技術(shù) =4\*GB3④卷積神經(jīng)網(wǎng)絡(luò)A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④19.圖像生成技術(shù)面臨的挑戰(zhàn)包括提高生成圖像的（）以及解決潛在的倫理問題，其發(fā)展方向在于增強(qiáng)模型的泛化能力、實現(xiàn)更加精細(xì)的控制和交互性，并探索更多應(yīng)用場景落地。=1\*GB3①經(jīng)濟(jì)性 =2\*GB3②真實性 =3\*GB3③實用性 =4\*GB3④多樣性A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④20.圖像生成技術(shù)的（）是指確保所有開發(fā)和使用的圖像生成工具符合相關(guān)的醫(yī)療法規(guī)和標(biāo)準(zhǔn)，如FDA認(rèn)證、HIPAA合規(guī)等。A.隱私保護(hù) B.倫理影響 C.版權(quán)保護(hù) D.法規(guī)遵從性第7章音頻生成技術(shù)1.音頻生成技術(shù)是利用AI算法，從數(shù)據(jù)中學(xué)習(xí)聲音模式和音樂結(jié)構(gòu)，從而自動創(chuàng)作出高質(zhì)量的音頻片段和音樂作品。它能夠（），得到廣泛應(yīng)用。=1\*GB3①模擬各種樂器的聲音 =2\*GB3②建立新的音頻、視頻流派=3\*GB3③生成旋律和和聲 =4\*GB3④根據(jù)特定風(fēng)格或情感定制音樂A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③2.所謂音頻（Audio），是指所有可以被聽到的聲音信號，包括（）等任何形式的聲音記錄或傳輸。它是一個更廣泛的概念。=1\*GB3①影像 =2\*GB3②語音 =3\*GB3③環(huán)境聲 =4\*GB3④噪音A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④3.所謂音樂（Music）是一種特定類型的音頻，它由一系列有組織的聲音組成，通常包含（）等元素，旨在表達(dá)情感或思想，并能引起聽眾的情感共鳴。=1\*GB3①音符 =2\*GB3②旋律 =3\*GB3③節(jié)奏 =4\*GB3④和聲A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④4.音頻和音樂雖然密切相關(guān)，但它們有著不同的定義和用途，兩者的主要區(qū)別在于（）。=1\*GB3①范圍 =2\*GB3②結(jié)構(gòu)與目的 =3\*GB3③規(guī)模 =4\*GB3④創(chuàng)作過程A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④5.雖然（）本質(zhì)上也是一種音頻，但其獨特的藝術(shù)價值和復(fù)雜的創(chuàng)作過程使其成為了一個獨立且重要的領(lǐng)域。隨著技術(shù)的發(fā)展，兩者之間的界限有時也會變得模糊。A.藝術(shù) B.音樂 C.節(jié)奏 D.符號6.音頻與音樂生成的核心技術(shù)主要包括深度學(xué)習(xí)方法如（），以及基于Transformer的模型，它們能夠從數(shù)據(jù)中學(xué)習(xí)音樂模式并生成新的音頻內(nèi)容。=1\*GB3①生成對抗網(wǎng)絡(luò) =2\*GB3②變分自編碼器 =3\*GB3③循環(huán)神經(jīng)網(wǎng)絡(luò) =4\*GB3④預(yù)定義規(guī)則集A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③7.波形建模技術(shù)使用數(shù)學(xué)模型和深度學(xué)習(xí)算法，直接在音頻信號的（）級別進(jìn)行操作，以捕捉聲音的本質(zhì)細(xì)微特征和復(fù)雜結(jié)構(gòu)，生成高質(zhì)量、逼真、連續(xù)的時間域音頻信號。A.頻率等級 B.振幅大小 C.時域波形 D.相位區(qū)間8.音樂（）是通過算法和數(shù)學(xué)模型自動生成一段具有美感和邏輯連貫性的音符序列。這個過程可以模仿人類作曲家的創(chuàng)作方式，也可以探索全新的音樂表達(dá)形式。A.旋律生成 B.波形建模 C.音頻增強(qiáng) D.語音合成9.（）技術(shù)是將輸入的文本轉(zhuǎn)換成對應(yīng)的人類可聽的自然語言語音信號輸出的過程，極大地提升了人機(jī)交互的自然性和便捷性。這個過程涉及到多個步驟。A.旋律生成 B.波形建模 C.音頻增強(qiáng) D.語音合成10.語音合成技術(shù)從基于統(tǒng)計參數(shù)模型方法，進(jìn)化到直接操作音頻波形生成模型及基于Transformer框架，實現(xiàn)了從文本到自然語音的高質(zhì)量轉(zhuǎn)換。它的文本分析功能主要包括（）。=1\*GB3①詞法分析 =2\*GB3②段落劃分 =3\*GB3③語法解析 =4\*GB3④語義理解A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④11.在語音合成技術(shù)中，（）是從大量真實語音樣本中提取小片段（如音素、音節(jié)），然后根據(jù)需要重新排列這些片段來構(gòu)建新的語音，它可以產(chǎn)生非常自然的聲音。A.拼接合成 B.協(xié)同生成 C.參數(shù)化合成 D.自動學(xué)習(xí)12.在語音合成技術(shù)中，（）是使用數(shù)學(xué)模型描述語音特征（如頻率、振幅、諧波成分），并通過調(diào)整這些參數(shù)來生成所需的聲音波形。其優(yōu)點是靈活性較高。A.拼接合成 B.協(xié)同生成 C.參數(shù)化合成 D.自動學(xué)習(xí)13.語音合成的合成質(zhì)量取決于其（）和語音的一致性，高質(zhì)量的系統(tǒng)能夠生成聽起來像真人發(fā)音且富有表現(xiàn)力的語音。=1\*GB3①自然度 =2\*GB3②清晰度 =3\*GB3③情感表達(dá) =4\*GB3④語速規(guī)劃A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③14.語音合成的（）允許用戶根據(jù)個人偏好調(diào)整語音的音色、語速、音調(diào)和情感表達(dá)，以滿足特定應(yīng)用場景或個體需求。它包括個性化語音和語音克隆等內(nèi)容。A.用戶定制 B.合成質(zhì)量 C.波形建模 D.音頻修復(fù)15.音頻增強(qiáng)與修復(fù)技術(shù)是用于（）的一系列方法，它們在錄音后期處理、廣播、電影制作、語音通信、歷史音頻檔案修復(fù)等領(lǐng)域有著廣泛的應(yīng)用。=1\*GB3①改善音頻質(zhì)量 =2\*GB3②去除噪音 =3\*GB3③恢復(fù)音質(zhì) =4\*GB3④提高生成效率A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④16.（）是指通過一系列信號處理和機(jī)器學(xué)習(xí)方法，從原始音頻中去除或者顯著降低不需要的背景噪音，同時盡量保持語音或音樂等目標(biāo)信號的清晰度和完整性。A.噪音減少 B.音頻修復(fù) C.等化 D.回聲消除17.（）旨在從音頻信號中去除不必要的回聲，以提高語音清晰度和通話質(zhì)量。有效的回聲消除對于確保通信系統(tǒng)的用戶體驗至關(guān)重要。A.噪音減少 B.音頻修復(fù) C.等化 D.回聲消除18.（）是指通過一系列技術(shù)手段，對受損或質(zhì)量不佳的音頻信號進(jìn)行處理和改進(jìn)，以恢復(fù)其原始狀態(tài)或提升聽覺體驗。A.噪音減少 B.音頻修復(fù) C.等化 D.回聲消除19.（）用于調(diào)整音頻信號的頻率響應(yīng)，以改善音質(zhì)、修正錄音缺陷或適應(yīng)特定播放環(huán)境。通過增強(qiáng)或衰減某些頻率范圍，它可以幫助音頻工程師實現(xiàn)更加平衡和清晰的聲音表現(xiàn)。A.噪音減少 B.音頻修復(fù) C.等化技術(shù) D.回聲消除20.（）是指在不改變音頻音高的前提下，調(diào)整其播放速度的技術(shù)。這意味著可以延長或縮短音頻的持續(xù)時間，同時保持原有的音質(zhì)和音調(diào)不變。A.時間拉伸 B.音高轉(zhuǎn)換 C.用戶交互 D.自動操作第8章多模態(tài)生成技術(shù)1.多模態(tài)生成技術(shù)是利用AI算法來創(chuàng)造涉及兩種或更多種不同數(shù)據(jù)模式，如文本、圖像、音頻、視頻等的內(nèi)容，能夠（）多種信息來源，產(chǎn)生更加豐富和復(fù)雜的內(nèi)容結(jié)果。=1\*GB3①存儲 =2\*GB3②處理 =3\*GB3③理解 =4\*GB3④結(jié)合A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③2.多模態(tài)生成的技術(shù)基礎(chǔ)在于整合和處理不同類型的輸入數(shù)據(jù)，通過深度學(xué)習(xí)模型，如（）等，捕捉跨模態(tài)之間的復(fù)雜關(guān)系，以生成連貫且一致的多類型輸出。=1\*GB3①Transformer =2\*GB3②Music =3\*GB3③GANs =4\*GB3④VAEsA.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④3.在多模態(tài)生成技術(shù)中，（）是一種將不同模態(tài)的數(shù)據(jù)轉(zhuǎn)換成統(tǒng)一的高維向量表示的方法，使得模型能夠理解不同模態(tài)間的關(guān)聯(lián)性，為跨模態(tài)生成和分析打下基礎(chǔ)。A.多模態(tài)嵌入 B.預(yù)訓(xùn)練模型 C.多任務(wù)學(xué)習(xí) D.跨模態(tài)交互學(xué)習(xí)4.在多模態(tài)生成技術(shù)中，（）是指模型通過聯(lián)合訓(xùn)練，學(xué)習(xí)不同模態(tài)之間的相互影響，提高生成內(nèi)容的相關(guān)性和協(xié)調(diào)性，比如根據(jù)文本描述生成匹配的圖像或視頻。A.多模態(tài)嵌入 B.預(yù)訓(xùn)練模型 C.多任務(wù)學(xué)習(xí) D.跨模態(tài)交互學(xué)習(xí)5.在多模態(tài)生成技術(shù)中，（）是在一個模型中同時處理多個生成任務(wù)，每個任務(wù)可能對應(yīng)不同的模態(tài)，這樣模型可以共享知識，提升整體性能。A.多模態(tài)嵌入 B.預(yù)訓(xùn)練模型 C.多任務(wù)學(xué)習(xí) D.跨模態(tài)交互學(xué)習(xí)6.在多模態(tài)生成技術(shù)中，（）是通過在大規(guī)模的數(shù)據(jù)集上進(jìn)行預(yù)訓(xùn)練，模型可以學(xué)到豐富的特征表示，這有助于提高跨模態(tài)任務(wù)的表現(xiàn)。A.多模態(tài)嵌入 B.預(yù)訓(xùn)練模型 C.多任務(wù)學(xué)習(xí) D.跨模態(tài)交互學(xué)習(xí)7.在模型結(jié)構(gòu)融合策略中，（）是指在輸入階段或特征提取之前，直接將所有模態(tài)的數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的向量表示后合并，形成一個聯(lián)合表示，再傳遞給下游任務(wù)。A.中間融合 B.多模態(tài)變化 C.晚期融合 D.早期融合8.在模型結(jié)構(gòu)融合策略中，（）是指先對每個模態(tài)分別進(jìn)行特征提取，然后在中間層（如編碼器的隱藏層）合并這些特征，再繼續(xù)后續(xù)處理，以在某些層次上共享參數(shù)或交互信息。A.中間融合 B.多模態(tài)變換 C.晚期融合 D.早期融合9.在模型結(jié)構(gòu)融合策略中，（）是指對每個模態(tài)獨立進(jìn)行完整處理流程（包括特征提取和預(yù)測），最后在輸出層或決策層結(jié)合各個模態(tài)的結(jié)果。它可避免不同模態(tài)之間的直接沖突。A.中間融合 B.多模態(tài)變換 C.晚期融合 D.早期融合10.選擇合適的融合策略取決于具體的（）。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，越來越多創(chuàng)新性的融合方法不斷涌現(xiàn)，推動了多模態(tài)生成技術(shù)的進(jìn)步。=1\*GB3①應(yīng)用場景 =2\*GB3②可用資源 =3\*GB3③預(yù)期效果 =4\*GB3④開發(fā)語言A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=4\*GB3④11.視覺與文本結(jié)合是指將圖像（或視頻）和文本兩種不同類型的模態(tài)數(shù)據(jù)進(jìn)行融合，以實現(xiàn)更加豐富和復(fù)雜的交互式應(yīng)用。這種結(jié)合可以用于多種場景，如（）等。=1\*GB3①圖像字幕生成 =2\*GB3②邏輯組合生成 =3\*GB3③視覺問答 =4\*GB3④基于文本圖像合成A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④12.（）生成，是指給定一張圖片，自動生成一句或多句描述該圖片內(nèi)容的文字。它結(jié)合了計算機(jī)視覺和NLP的能力，需要理解圖像內(nèi)容與文本信息之間的關(guān)系。A.圖像字幕 B.圖像到文本 C.文本到圖像 D.跨媒體內(nèi)容13.（），即基于腳本或簡短描述文字生成對應(yīng)的完整圖像或視頻，用戶輸入文本描述，模型依據(jù)文字描述生成與之匹配的圖像。A.圖像字幕 B.圖像到文本 C.文本到圖像 D.跨媒體內(nèi)容14.語音識別與合成中的情感傳遞，綜合了（）等多種信息判斷情緒狀態(tài)，不僅轉(zhuǎn)錄語言內(nèi)容，還能捕捉說話人的情感狀態(tài)并反映在合成的語音中。=1\*GB3①語言文本 =2\*GB3②畫面色彩 =3\*GB3③表情符號 =4\*GB3④語音語調(diào)A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=3\