大模型是哪些核心要素结合的产物？
大数据+大算力+强算法
强算法+高水平人才+充足资金
大数据+通用人工智能理论+云计算
大算力+互联网+开源社区
下列哪一项被明确列为大模型的核心要素？
海量数据
海量CPU资源
高效的存储设备
广泛的应用场景
当前绝大多数大语言模型（如GPT、LLaMA）所依赖的最核心的底层算法架构是？
循环神经网络（RNN）
Transformer
积神经网络（CNN）
决策树
19. 大模型能够从互联网海量无标签数据中自主学习通用知识，主要依赖于哪种学习范式？
有监督学习
自监督学习
强化学习
半监督学习
“信息茧房”风险，其形成的主要机制是什么？
模型训练数据过于多样化
人类对生成内容进行过度干预
模型使用自身生成的内容进行迭代学习
模型缺乏互联网接入能力
19. 以下关于大模型下一步发展方向的陈述中，哪一项的描述是错误的？
Sense & Action：未来需要给大模型装上“感官”和“四肢”，使其能与现实世界交互，从而最大化其价值。
持续降低算力要求：其发展路径是从需要上万张A100专业显卡，逐步降低到可使用消费级显卡，乃至在手机、IOT设备上运行。
行业竞争格局：受数据飞轮效应影响，未来最可能出现的局面是多个主要模型并存，共同瓜分市场。
行业价值分布：基础模型将占据整个行业价值链的最大部分，其价值占比远超其他环节
大模型的创造是一个分阶段的过程。请将以下三个核心阶段，按照其发生的正确顺序进行排序。 1. 强化学习对齐 2. 监督微调 3. 预训练 正确的顺序应该是：
A. 1 → 2 → 3
B. 3 → 1 → 2
C. 2 → 3 → 1
D. 3 → 2 → 1
LangChain 框架的核心理念是？
专注于提升单一大模型的内部算法效率。
为各种不同的语言大模型提供一套通用的接口。
取代所有大模型，成为一个新的、更强大的模型。
将大模型的开源版本与闭源版本进行融合。
在对大模型进行综合能力评估时，下列哪一项描述最准确地概括了评估框架的核心维度？
主要评估其生成内容的事实准确性、学习新知识的速度以及解决数学问题的能力。
重点考察其避免事实错误和拒绝不良请求的能力、上下文学习与快速适应能力、以及逻辑推理与任务分解能力。
核心在于评估其参数规模大小、训练数据集的广度以及API调用的响应延迟。
关键在于衡量其多模态生成质量、代码编写能力以及在不同语言间的翻译准确度。
用“鹦鹉学舌”和“乌鸦推理”来比喻传统模型与大模型。以下关于这两种比喻所揭示的核心差异，描述最准确的是？
“鹦鹉学舌”强调大模型强大的记忆能力，而“乌鸦推理”强调传统模型对新环境的快速适应能力。
“鹦鹉学舌”比喻传统模型机械地模仿数据关系但不理解含义，而“乌鸦推理”比喻大模型能基于理解进行逻辑推演和学习。
“鹦鹉学舌”指代模型需要海量计算资源，而“乌鸦推理”指代模型结构精巧高效。
“鹦鹉学舌”说明模型具备多模态处理能力，而“乌鸦推理”说明模型专精于文本处理。
AI Agent 能够实现自然的交互方式，主要得益于其底层技术是什么？
专家系统
图像识别模型
大语言模型
传统检索技术
根据AI Agent的工作流程，下列哪一项最准确地描述了其核心运作机制？
一次性接收指令，完成预设任务后停止工作。
通过“感知（Perception）-思考（Brain）-行动（Action）”的循环，与环境持续交互。
完全依赖云端大数据进行实时计算，无需记忆功能。
其核心是模仿人类的外形，以便更好地进行物理交互。.
关于“子任务分解”策略，下列哪种方法的核心思想是“生成多种解题思路，并通过投票选出最佳答案”以提升准确性？
思维链
思维树
思维图
CoT-SC
在“反思和完善”模块中，ReAct模式的核心循环流程正确的是？
行动 -> 观察 -> 思考
思考 -> 行动 -> 观察
观察 -> 思考 -> 行动
思考 -> 观察 -> 行动
根据“记忆”模块的分类，AI Agent的“短期记忆”最类似于以下哪种描述？
对图片纹理和风格的原始感知
存储在外部向量数据库中的海量知识
受到Transformer上下文窗口限制的、当前任务相关的信息
长期保存的、无需检索即可调用的程序性记忆
“Function Calling” 这种工具使用方式的主要特点是什么？
通过对LLM微调，使其内生地掌握使用特定工具的能力。
让LLM作为中央调度器，自动选择并执行HuggingFace平台上的模型。
调用方通过API向LLM描述可用函数，由LLM根据用户输入智能选择并调用合适的函数。
提供了一个包含53种常用API的工具库，供Agent直接调用。
LLM大模型出来后，为什么它适合作为AI Agent的核心认知系统？
因为它完全取代了人类，无需任何人工干预
因为它在逻辑推理、工具应用、策略规划等方面表现优异，提升了Agent的规划能力
因为它消除了对数据的需求，可以零样本学习所有任务
因为它成本低廉，易于在小规模设备上部署
请根据所学内容，判断下列关于AI Agent未来发展趋势的描述中，哪一项是“错误”的？
某公司开发了一个内部问答系统，员工可以直接提问如“公司最新的差旅报销政策是什么？”，系统通过检索内部的员工手册、财务制度等文档，给出答案。
优化记忆处理机制需解决的核心挑战之一，是历史记忆累积导致召回速率下降，以及难以判断和修正记忆中的错误信息。
提升Function Calling的准确性至关重要，因为目前最高准确率已达86%，这使得Agent能在金融、医疗等高精度要求场景中完全独立地可靠工作。
发展多模态与世界模型是必然方向，因为仅靠语言交互不足以让Agent真正理解现实世界。
以下关于AI Agent应用场景的四个例子中，哪一个例子在应用范式上存在错误或不恰当的表述？
某公司开发了一个内部问答系统，员工可以直接提问如“公司最新的差旅报销政策是什么？”，系统通过检索内部的员工手册、财务制度等文档，快速给出准确的答案。
市场部经理对AI说“帮我分析一下上个季度华东区各产品的销售额，并生成趋势图”，AI将此请求转换为SQL查询语句，从公司数据库中获取数据并自动生成可视化图表
研究人员要求AI“查找三篇关于大模型安全对齐的最新学术论文”，AI便依次调用学术搜索引擎的API进行检索、然后调用文献管理工具的API将结果保存并整理好。
财务部门设计了一个“员工报销审批”流程，AI被设定为完全自主地、无需任何人工确认地审核所有报销单，并根据其自己的判断直接批准或拒绝。
下图面清晰地展示了RAG（检索增强生成）的工作流程。请将以下五个关键步骤，按照其发生的正确逻辑顺序进行排序。1.嵌入与存储 2.文档预处理 3.检索与增强 4.生成答案 5.用户提问
5 → 2 → 1 → 3 → 4
2 → 1 → 5 → 3 → 4
2 → 5 → 1 → 3 → 4
D. 5 → 3 → 1 → 2 → 4
根据材料，企业对外提供AI Agent服务时，可能需要承担什么风险？
技术被竞争对手复制的风险
因AI Agent提供错误信息而导致的法律与赔偿责任
服务器过载的风险
用户隐私绝对零风险
在Basic Reflection架构中，Generator和Reflector的协作方式最接近以下哪种比喻？
流水线生: Generator逐段生成内容，Reflector按顺序审核，提高效率。
左右互搏：Generator生成结果后，Reflector批判性审查并反馈，迭代优化。
主从分工：Reflector主导任务规划，Generator被动执行具体操作。
并行处理：Generator和Reflector同时工作，最终合并双方结果。
若需让AI Agent处理制造业设备监控任务，应扩展哪种数据输入方式？该方式需对接什么外部组件？
音频输入, 增加麦克风阵列，通过ASR转换语音指令。
传感器输入, 连接温度、电压等传感器，实时接收设备数据。
文件上传, 支持设备日志文档上传，解析文本内容。
图片输入, 接入摄像头，通过视觉模型分析设备状态。
相比Basic Reflection，Reflexion架构的核心升级是什么？其“Reviser”模块如何利用外部数据？
引入强化学习：Reviser参考外部数据评估回答可靠性，修正初始结果。
简化流程：Reflector直接调用外部API替代内部反思。
并行执行：Generator和Reflector同时访问外部数据库竞争生成答案。
端到端训练：将外部数据嵌入模型参数以减少检索延迟。
RAG技术通过“检索增强”解决大模型的哪类核心问题？其流程中“向量数据库”的主要作用是什么?
计算速度慢：通过分布式存储加速模型推理过程。
知识局限性：将外部知识转化为向量实现高效检索，补充新知识。
多模态支持：统一文本、图像的向量表示以处理复杂数据。
模型微调成本高：避免重训练，直接插入新参数。