2026年人工智能工程师新纲刷题试题及答案.docxVIP

2026年人工智能工程师新纲刷题试题及答案

1.单项选择题

（1）大语言模型微调阶段，针对参数规模超过70B的模型，在消费级多卡GPU集群上最常用的高效微调方法是以下哪一项？

A.全参数微调

B.低秩适配（LoRA）

C.前缀调优（PrefixTuning）

D.量化低秩适配（QLoRA）

参考答案与解析：正确答案为D。全参数微调需要更新全部模型参数，70B模型即使采用FP16格式存储，仅参数就需要至少140GB显存空间，即使多卡消费级GPU也很难承载，排除A选项；LoRA仅更新额外添加的低秩矩阵参数，不需要更新原模型参数，但原模型本身仍需要以半精度格式存储，70B半精度模型至少需要两块48GB显存才能完整加载，对消费级集群门槛较高，排除B选项；前缀调优仅优化输入层的连续前缀向量，参数量虽小，但收敛稳定性差，最终任务效果普遍弱于低秩类微调方法，不是当前大模型微调的主流选择，排除C选项；QLoRA将原模型以4位量化格式存储，仅微调额外添加的低秩矩阵，70B规模模型可以单张24GB消费级GPU完成加载微调，大幅降低了大模型微调的硬件门槛，是当前消费级集群上70B以上大模型微调的首选方案，因此D选项正确。

（2）以下哪个指标最适合评估多模态大模型生成图文一致性的能力？

A.BLEU

B.CIDEr

C.CLIPScore

D.MAP

参考答案与解析：正确答案为C。BLE