基本信息
文件名称:2025年自然语言推理可解释性研究(含答案与解析).docx
文件大小:14.51 KB
总页数:10 页
更新时间:2025-09-06
总字数:约7.16千字
文档摘要
2025年自然语言推理可解释性研究(含答案与解析)
一、单选题(共15题)
1.在自然语言推理(NLR)中,以下哪项技术主要用于提高模型的解释性?
A.知识蒸馏
B.对抗性攻击防御
C.评估指标体系(困惑度/准确率)
D.可解释AI
2.在自然语言推理模型中,以下哪项技术可以减少模型对特定领域知识的依赖?
A.持续预训练策略
B.云边端协同部署
C.特征工程自动化
D.联邦学习隐私保护
3.以下哪项技术可以用于检测自然语言推理模型中的偏见?
A.模型量化(INT8/FP16)
B.伦理安全风险
C.偏见检测
D.内容安全过滤
4.在自然语言推理模型训练过程中