人工智能培训补充课程：大模型理论知识强化-题库1

更新时间：试题数量：购买人数：提供作者：

有效期：个月

章节介绍：共有个章节

收藏

我的练习

我的错题
(0道)

我的收藏
(0道)

我的斩题
(0道)

我的笔记
(0道)

专项练习

顺序练习 练习进度 0 / 0

随机练习 自定义设置练习量

模拟考试 仿真模拟

题型练习 按题型分类练习

易错题 精选高频易错题

学习资料 考试学习相关信息

搜索

题库预览

在大模型训练中，混合精度训练的主要目的是（）

以下哪种分布式训练策略适用于模型参数规模超过单卡GPU内存的场景？（）

AdamW优化算法相比传统Adam的主要改进是（）

Lion优化算法的核心特点是（）

在电网大模型训练中，若面临7×24小时不间断训练需求，优先选择的优化器是（）

预训练数据处理中的“去重处理”主要是为了避免（）

大模型训练中，“预热期学习率调度”的目的是（）

以下哪种数据清洗操作不属于大模型预训练数据处理的核心环节？（）

电力行业大模型训练中，专业语料处理需特别注意（）

分布式训练中的“混合并行”策略是指（）

LoRA技术通过以下哪种方式实现参数高效微调？（）

Adapter技术的核心优势是（）

在电网故障样本不足千条的场景下，优先选择的微调方案是（）

模型压缩中的“量化感知训练”主要是通过（）实现轻量化

将10B参数模型从FP32量化至INT8后，内存占用约减少（）

知识蒸馏中，“师生模型架构”的核心是让小模型学习（）

经量化+蒸馏优化后的1.3B参数模型，在边缘设备上的推理延迟通常可降低（）

当需要同时适配输电、配电、变电不同场景的文本分析时，优先选择的微调技术是（）

模型优化中，“输入-参数-部署”全链路优化的正确流程是（）

提示工程中，“思维链提示”主要激活模型的（）

更多题库