2026年深度学习工程师试卷及答案.docxVIP

2026年深度学习工程师试卷及答案

一、单项选择题（共10题，每题1分，共10分）

下列归一化技术中，专门针对大模型训练推理做了优化、完全移除均值计算步骤进一步降低算力开销的是

A.层归一化会对输入特征同时做均值和方差调整

B.RMSNorm仅对输入特征做均方根缩放操作

C.批量归一化不需要依赖批次数据统计结果

D.组归一化的效果完全不受分组数量的影响

答案：B

解析：正确选项B的依据是RMSNorm是近年千亿参数大模型普遍采用的归一化方案，移除了均值中心化计算步骤，减少了近一半的归一化计算量，完全适配大模型的算力优化需求。错误选项A表述的是原生层归一化的特性，并非专门优化的轻量方案；错误选项C批量归一化必须依赖同批次的样本统计结果才能正常工作，单样本推理时效果会明显下降；错误选项D组归一化的分组数量直接影响特征的统计粒度，分组不合理会导致精度大幅降低。

以下关于低秩适配（LoRA）技术的核心原理描述正确的是

A.直接修改预训练模型的全部权重参数实现适配

B.仅在Transformer的注意力层权重旁插入极小的低秩矩阵实现微调

C.微调过程需要占用和全参数微调相同大小的显存

D.微调得到的适配权重体积远大于原预训练模型权重

答案：B

解析：正确选项B是LoRA的核心定义，仅在注意力的查询、值映射层旁插入两个维度极低的小矩阵，训练时冻结原模型所有权重，只训练新增的