粤公网安备44200102446416号 ·
意见反馈 ·
zsweiluo@163.com
真题解析 · 免费诊断 · 知识点精讲 · GESP 刷题 · CSP-J 刷题 · CSP-S 刷题 · NOIP 刷题 · AI 伴学 · 帮助中心
真题来源：中国计算机学会（CCF）CCF-GESP / CSP / NOIP 认证试题；本页解析由 OI伴学提供。
| 题号 | 题型 | 答案 | 考点 | 解题思路 |
|---|---|---|---|---|
| 第 1 题 | 选择题 | A | — | 这题考的是大模型预训练的核心机制。拿到题先别想代码，直接回忆 Masked Language Model（掩码语言模型）的原始设计动机：它通过随机遮住一部分词，让模型去猜被遮住的词… |
| 第 2 题 | 选择题 | C | — | 这题其实考的是提示词工程的核心原理。拿到题先别纠结模型内部怎么算，直接对比两个提示词：小明的太宽泛，小华的加了角色、受众、字数、剧情和风格。命题人就是看你有没有意识到‘约束’能帮模… |
| 第 3 题 | 选择题 | C | — | 这题考的是Transformer架构里哪个部件负责长距离依赖。拿到题先排除那些只管局部或辅助训练的选项，直接锁定自注意力机制，因为它是唯一能动态计算任意两个词之间关联的核心组件。 |
| 第 4 题 | 选择题 | B | — | 这道题考查大模型微调的核心目的，拿到题先想：预训练是学通用知识，微调是学怎么听话，直接看选项里哪个在讲‘理解指令’和‘输出风格’。 |
| 第 5 题 | 选择题 | C | — | 这题考的是大模型社会偏见的根源。别被那些花哨的架构术语绕晕，直接抓住核心：模型本质上是数据的统计拟合器。拿到题先想，偏见是‘生来就有’的还是‘后天学来’的？从数据流向的角度切入，对… |
| 第 6 题 | 选择题 | C | — | 这题考的是大模型架构，GPT 系列这种生成式模型只用解码器，别被‘编码器’‘编码器 解码器’这些词绕晕，直接抓住‘生成’这个动作对应的结构。 |
| 第 7 题 | 选择题 | B | — | 这题考的是指令微调的数据形态，拿到题先想‘指令微调’要干嘛——让模型学会按人类指令生成回答，那训练数据自然得是成对的（指令/问题 + 期望输出）监督样本，选B。 |
| 第 8 题 | 选择题 | B | — | 这题考的是生成式模型解码策略的对比。拿到题先别急着选，把‘贪心’和‘束’这两个词在脑海里过一遍：贪心是每一步都挑概率最高的词，束搜索是同时保留几条最可能的路径。命题人喜欢用‘绝对’… |
| 第 9 题 | 选择题 | C | — | 这题考的是大模型‘人类对齐’（Human Alignment）的核心定义。拿到题先想：‘对齐’在AI领域特指让模型行为符合人类偏好，而不是单纯追求数学正确或能力超越，所以直接锁定‘… |
| 第 10 题 | 选择题 | B | — | 这题考的是大模型推理模式背后的逻辑价值。别被‘长文本’迷惑，要抓住‘思考过程’本身的作用：它让每一步推导都暴露在光天化日之下，从而提升逻辑的可解释性和可靠性。 |
| 第 11 题 | 选择题 | C | — | 这题考的是AI智能体角色配置文件的本质定义。别被那些‘限制知识’‘无法改变’的极端描述带偏，记住核心：它通过初始系统指令确立智能体的身份、行为准则和对话风格，是定义‘我是谁’的关键… |
| 第 12 题 | 选择题 | B | — | 这题其实考的是对 Pass@K 指标定义的理解，K 指的是生成代码的数量，而不是题目数量。拿到题先看清 K 和 n 分别代表什么，再看 Pass@K 到底衡量的是‘单个方案的通过率… |
| 第 13 题 | 选择题 | A | — | 别被‘系统评测’这四个字吓住，直接想：评测是为了用，不是为了管机房。选项里哪项跟‘模型好不好用、安不安全、会不会胡说’无关，那就是答案。 |
| 第 14 题 | 选择题 | D | — | 这题其实就考 Transformer 最核心的那一步：不管你是编码器还是解码器，自注意力机制里的 Q、K、V 从来都不是凭空变出来的，它们都是同一个输入向量分别乘上三组不同的权重矩… |
| 第 15 题 | 选择题 | D | — | 这题考的是对测试时间拓展（TTS）概念边界的精准把握。拿到题先想：TTS 的核心特征是‘在推理阶段’通过某种机制让模型‘变强’，而训练阶段的常规操作不属于此列。 |
| 第 16 题 | 选择题 | C | — | 这道题考查的是大整数分解的算法原理。拿到题先想：一个数能不能被分解，关键看它有没有比它小的因子。所以直接从2开始试除，一直除到根号n，只要发现能整除就立刻停下——因为最小的因子一定… |
| 第 17 题 | 选择题 | A | — | 这题考的是大语言模型的核心特征，直接看选项里哪个描述跟‘大模型’的真实训练方式对不上。大模型都是海量数据训练出来的，A 选项说‘仅在特定领域小规模数据上训练’，这明显是错的，选 A… |
| 第 18 题 | 选择题 | B | — | 这题其实是个陷阱，考的是你对强化学习推理优化本质的理解。别被'完全丧失能力'这种吓人的选项带偏，直接抓住核心矛盾：推理路径搜索空间巨大，导致训练不稳定和效率低下。 |
| 第 19 题 | 选择题 | C | — | 这题考的是语言模型的核心指标——困惑度（Perplexity）。拿到题先别想代码，直接回忆定义：它衡量模型对未知文本的平均预测不确定性，值越小表示预测越准。 |
| 第 20 题 | 选择题 | B | — | 这题考监督与无监督学习的本质区别，核心就是看数据有没有标签。拿到题先想：模型是不是靠‘老师给的答案’来学？有标签就是监督，没标签就是无监督。用这个标准去筛选项，B 直接命中定义。 |
| 第 21 题 | 阅读程序 | BA | — | 这题考的是 RAG 流程里那几个关键步骤的代码实现，核心就是搞清 tokenizer 怎么用、嵌入模型怎么前向、句向量怎么池化、检索器怎么调、生成结果怎么切。拿到空位先看上下文变量… |
| 第 22 题 | 阅读程序 | DCB | — | 这题本质是考察大模型微调的工程落地细节，核心在于理解 HuggingFace 生态的 API 规范、显存管理机制以及 LoRA 的数学原理。拿到题先别急着填代码，先算算显存够不够，… |
建议按「限时做 → 对答案 → 读常见错误」三步走。先按考试的真实节奏做完，再回来看每一题的解析；尤其是"常见错误"那一段——它对应的是命题人反复设置的陷阱，读完能直接迁移到同类题上。
想做限时模考，可在 OI伴学 平台切换考试模式；错题会自动归集，并按考点推荐同类练习。
粤公网安备44200102446416号 ·
意见反馈 ·
zsweiluo@163.com