对话记忆看上下文窗口大小
扫码进入小程序随时随地练习
模型剪枝（Pruning）技术通过移除不重要的神经元，可以显著减少模型参数数量，但不会影响模型推理速度。
在大模型中，增加注意力头（Attention Heads）的数量一定会提高模型性能
人类反馈强化学习（RLHF）技术的主要作用是提高大模型的生成速度
在大模型评估中，困惑度（Perplexity）是衡量模型生成多样性的指标
提示工程不影响模型底层参数
模型API调用无需考虑伦理问题
模型透明度与性能始终正相关
模型安全仅需考虑技术因素
大模型训练必须使用FP32精度
多模态大模型只能处理文本数据
为了提高加载速度和练习体验，每3000道题目分为一段，请选择您要练习的分段：
请选择您要练习的章节，系统将加载该章节下的所有题目：
请设置各类题型的数量和分值，系统将随机抽取题目生成试卷：
提示：非会员最多300题，会员最多1000题
以下是您的考试记录，点击可查看详情：
