基础题库
探索各种基础编程概念和问题解决技巧
请登录后使用状态筛选
简单单选题
在收集人类偏好数据以训练奖励模型时，相比于直接给单个回答打分（Scoring），采用“两两比较并排序（Ranking/Pairwise Comparison）”的主要优势是：
在收集人类偏好数据以训练奖励模型时，相比于直接给单个回答打分（Scoring），采用“两两比较并排序（Ranking/Pairwise Comparison）”的主要优势是：
正确率: 100%已完成: 2人LMCC大模型认证人类对齐人类偏好数据收集——排序
简单单选题
人类反馈数据中常存在长度偏见（Length Bias），这指的是：
人类反馈数据中常存在长度偏见（Length Bias），这指的是：
正确率: 100%已完成: 2人LMCC大模型认证人类对齐人类偏好数据收集——排序
中等单选题
DPO 算法在对齐大模型时，相比于传统的 RLHF（基于 PPO 算法），其最核心的改变是：
DPO 算法在对齐大模型时，相比于传统的 RLHF（基于 PPO 算法），其最核心的改变是：
正确率: 100%已完成: 2人LMCC大模型认证人类对齐非强化学习训练的对齐方法
中等单选题
关于 DPO 的变种算法，下列描述正确的是：
关于 DPO 的变种算法，下列描述正确的是：
正确率: 100%已完成: 2人LMCC大模型认证人类对齐非强化学习训练的对齐方法
中等单选题
关于打分式、对比式（两两比较）和排序式（列表排序）损失的逻辑，以下说法正确的是：
关于打分式、对比式（两两比较）和排序式（列表排序）损失的逻辑，以下说法正确的是：
正确率: 100%已完成: 2人LMCC大模型认证人类对齐奖励模型训练
中等单选题
奖励模型训练中存在“奖励欺骗（Reward Hacking）”现象，这反映了奖励模型在泛化能力上的什么局限性？
奖励模型训练中存在“奖励欺骗（Reward Hacking）”现象，这反映了奖励模型在泛化能力上的什么局限性？
正确率: 100%已完成: 2人LMCC大模型认证人类对齐奖励模型训练
简单单选题
大模型的幻觉可以分为“内在幻觉”和“外在幻觉”。关于“外在幻觉（Extrinsic Hallucination）”，下列描述准确的是：
大模型的幻觉可以分为“内在幻觉”和“外在幻觉”。关于“外在幻觉（Extrinsic Hallucination）”，下列描述准确的是：
正确率: 25%已完成: 1人LMCC大模型认证人类对齐幻象
简单单选题
在实际应用中，为了缓解大模型的幻觉问题，以下哪种技术手段被证明是最直接有效的“外挂知识库”方案？
在实际应用中，为了缓解大模型的幻觉问题，以下哪种技术手段被证明是最直接有效的“外挂知识库”方案？
正确率: 100%已完成: 2人LMCC大模型认证人类对齐幻象
简单单选题
关于语言模型的解码方法，下列说法正确的是：
关于语言模型的解码方法，下列说法正确的是：
正确率: 100%已完成: 2人LMCC大模型认证解码与部署解码方法
简单单选题
关于束搜索的超参数调优，下列描述正确的是：
关于束搜索的超参数调优，下列描述正确的是：
正确率: 100%已完成: 2人LMCC大模型认证解码与部署解码方法