基本信息
文件名称:2025年大模型推理不确定性来源分层可视化框架跨模型迁移效率平台测试答案及解析.docx
文件大小:15.56 KB
总页数:8 页
更新时间:2025-09-26
总字数:约7.64千字
文档摘要

2025年大模型推理不确定性来源分层可视化框架跨模型迁移效率平台测试答案及解析

一、单选题(共15题)

1.以下哪项技术通常用于降低大模型推理时的计算复杂度?

A.知识蒸馏

B.模型并行

C.结构剪枝

D.神经架构搜索

答案:C

解析:结构剪枝通过移除模型中不重要的神经元或连接,降低模型复杂度,从而减少推理时的计算量。参考《深度学习模型压缩技术白皮书》2025版3.2节。

2.在构建跨模型迁移效率平台时,以下哪种方法可以有效地提高模型迁移的准确性?

A.动态神经网络

B.特征工程自动化

C.联邦学习隐私保护

D.云边端协同部署

答案:B

解析:特征工程自动化可以通