2025年大模型训练过程可解释性习题(含答案与解析).docx

2025年大模型训练过程可解释性习题(含答案与解析).docx

2025年大模型训练过程可解释性习题(含答案与解析)

一、单选题(共15题)

1.在大模型训练过程中,以下哪种方法可以显著提高模型的可解释性?

A.模型压缩

B.模型并行化

C.可解释AI技术

D.分布式训练

2.在使用LoRA进行参数高效微调时,以下哪个参数决定了调整的幅度?

A.学习率

B.微调步数

C.调整因子

D.初始参数

3.在持续预训练策略中,以下哪种方法有助于模型在特定任务上的泛化能力?

A.预训练任务多样化

B.预训练数据增强

C.预训练模型结构优化

D.预训练参数冻结

4.针对对抗性攻击防御,以下哪种技术可以有效提升模型的鲁棒性?

A.数

文档评论(0)

1亿VIP精品文档

相关文档