简答题 Vision Transformer（ViT）将整幅图像拆分为______（Patch），再通过Transformer进行图像分类。

简答题 Stable Diffusion的文本编码器采用______语言模型，将文本提示转换为token嵌入向量。

简答题 BERT模型采用______Transformer架构，核心优势是提升上下文理解能力，刷新了多个NLP数据集榜单。

简答题 大模型的“涌现现象”指当模型规模跨过临界值后，突然具备______、思维链（CoT）等微观个体无法解释的能力。

简答题 生成式AI中，______模型通过“去噪”过程实现图像生成，典型代表如Stable Diffusion。

简答题 混合专家模型（MoE）的核心组件包括专家网络、______和随机选择器，通过部分参数参与计算降低资源消耗。

简答题 Transformer架构的核心突破是提出______机制，替代RNN/LSTM，实现并行计算并解决长程依赖问题。

填空题 vLLM框架的核心优化技术是______，通过分页管理KV Cache解决内存瓶颈，吞吐量较Hugging Face Transformers提升14-24倍。

简答题 多模态大模型Sora支持最大______秒、1080p高保真视频生成，其核心技术是将视频压缩为时空块（Spacetime patches）。