(AIGC)人工智能训练师(高级)考试题库.docxVIP

(AIGC)人工智能训练师(高级)考试题库

一、单项选择题（共20道，每题2分，总计40分）

1.在基于大语言模型的AIGC生产场景中，以下哪种标注方法最适合为RLHF（人类反馈强化学习）构建偏好排序数据集？

A.二元配对偏好标注

B.单样本5分制打分标注

C.实体链接标注

D.序列标注

答案：A

考点解析：RLHF第一阶段的偏好数据集核心要求是输出结果的相对排序一致性，二元配对偏好标注将同一prompt生成的2-4个不同回复两两对比，由标注员选择更符合人类价值观、需求的优质回复，可有效规避单样本打分场景下不同标注员的主观打分尺度偏差，是当前工业界主流的RLHF偏好数据集构建方案，单样本打分标注仅适合初筛阶段的样本粗分类，实体链接、序列标注属于传统NLP任务标注方法，不适用偏好排序场景。

2.以下关于大语言模型LoRA（低秩适配）微调的技术特性描述错误的是？

A.仅在模型注意力层的Q、V投影矩阵旁插入低秩分解矩阵，完全冻结主干模型参数

B.微调产生的适配器参数量仅为全参数微调的0.1%-1%级别

C.最终导出的LoRA适配器权重文件大小通常仅为几十MB到几百MB区间

D.完成LoRA微调后必须将适配器权重与主干模型权重合并才能进行推理部署

答案：D

考点解析：当前主流大模型推理框架如vLLM、TextGenerationInference均支持LoRA适配器