2025年低资源NLP领域适配习题（含答案与解析）.docx

2025年低资源NLP领域适配习题（含答案与解析）

一、单选题（共15题）

1.以下哪项技术是用于减少低资源NLP模型参数量的常用方法？

A.知识蒸馏

B.模型剪枝

C.参数高效微调（LoRA/QLoRA）

D.数据增强

答案：C

解析：参数高效微调（LoRA/QLoRA）通过仅微调模型的一小部分参数来优化模型，从而在保持模型性能的同时减少参数量，适用于低资源环境。参考《低资源NLP模型优化指南》2025版3.2节。

2.在低资源NLP任务中，以下哪种方法可以有效提高模型对未知数据的泛化能力？

A.模型并行策略

B.分布式训练框架

C.持续预训练策略

D.云边端协同