qq_37126193的博客

当你希望使用 Qwen-Max 来生成一个关于“学习率是深度学习中重要的超参数”的插图提示词时，以下哪个选项最佳？在使用 FFmpeg 和 MoviePy 进行音视频处理时，下列哪几项操作是可以实现的？使用基于 Markdown 的工具 Marp 创建演示文稿时，以下哪些做法是推荐的？若想将冗长的课程文本提炼成简洁的 PPT 脚本要点，以下哪种 Prompt 更有效？下列关于大规模语言模型如 GPT 的陈述哪些是正确的？关于当前主流的文生视频模型，以下哪些描述是正确的？

正确命令需指定加载格式(safetensors)和端口号。：函数计算FC提供Serverless GPU服务。：Serverless服务通常按实际调用量计费。：PAI-EAS专为实时推理和自动扩缩设计。：边缘设备处理简单任务，云端处理复杂计算。：云端部署资源动态调整，但管控权较低。：本地部署数据处理在本地，延迟更低。：私有云需投入维护成本且扩展性有限。：百炼专注闭源模型托管和资源管理。：四种均为阿里云官方部署方案。参数指定测试持续时间。

量化通过降低参数精度减少资源消耗，但对精度影响较小（<2%）：训练集loss下降但验证集loss上升是典型过拟合表现。：增大dropout和早停是有效手段，C/D与题意无关。：学习率过大或数据异常是常见原因，增加训练会恶化问题。：ROUGE通过n-gram重叠率计算R/P/F1。：LoRA通过添加额外参数而非修改原权重实现微调。：前三项均为模型压缩技术，D项会增大模型。：PEFT通过参数冻结或低秩分解提升效率。：参数融合可避免运行时额外计算开销。：数据需准确、多样、均衡且可迭代。

Planner Agent负责分析用户输入并将任务分发给其他Agent，起到调度作用。：将Planner Agent返回的列表字符串转换为可操作的列表对象。：核心步骤为工具定义、Agent创建和映射绑定。：百炼提供画布式工具和仿真测试，但仍需配置逻辑。：Multi-Agent擅长处理多步骤协作任务。：请假功能由leave_agent专门处理。：系统由规划、执行、总结三类Agent构成。：测试需覆盖功能映射、任务路由和输出质量。：工具定义需包含名称、描述和参数规范。：系统设计灵活，可与多种技术栈集成。

C_customized标识用户自定义规则匹配结果。：服务支持词库、规则和阈值配置，不支持修改底层模型。：合规流程应优先过滤用户输入风险，再处理模型输出。：备案要求算法合规和内容管控，不涉及开源和日报。：OCR提取文字后进行文本合规检测是核心步骤。：流程需先召回topK结果再进行权限过滤。：访问控制聚焦权限管理，不涉及内容修正。：文本检测主要依赖规则匹配和语义模型。：分辨率转换不属于合规检测核心需求。：异步处理需先提交任务再查询结果。：敏感信息需权限控制防止越权访问。：缩略图生成不属于核心检测流程。

在实践中，单纯升级Embedding模型就可能显著提升检索质量。过多的无关信息还会降低大模型回答的效率和准确性。可以在每次模型调用时传入相同的seed值。先生成假想答案文档，再用于检索真实文档。

aliyun_acp_learning/大模型ACP认证教程/p2_构造大模型问答系统/2_4_自动化评测答疑机器人的表现.ipynb at main · AlibabaCloudDocs/aliyun_acp_learning · GitHub

答案： “【】”、“<< >>”、“###”来标识关键要素，用“===”、“---”来分隔段落，或者使用xml标签如。来对特定段落进行标识。

答案：LlamaIndex提供了SimpleDirectoryReader方法，可以直接将指定文件夹中的文件加载为document对象，对应着解析过程。答案： index.storage_context.persist("knowledge_base/test")模型生成的回复内容，需符合 SYSTEM 的设定规则。设定对话的全局规则、背景和助手行为模式，代表用户输入的问题或指令，驱动对话进程。（通常位于对话开头）

这两天通过了阿里云大模型ACP考试，由于之前在网上没有找到真题，导致第一次考试没有过，后面又重新学习了一遍文档才顺利通过考试，这两次考试内容感觉考试题目90%内容是覆盖的，后面准备分享一下每一章的考题，方便大家学习。（只能尽力回忆一下😂，会列举一下重要的知识点）

2.1 用大模型构建新人答疑机器人-模拟题-真题，阿里云大模型ACP-考试回忆，包含10题， 下这些考题都是大部分基于AI生成