NEW
Font size
S
M
L
XL
WorksheetsОИИ 2
Total questions: 50
Worksheet time: 17mins
Name
Class
Date
1.
Что такое большая языковая модель (LLM)?
a)
Нейросеть, предсказывающая следующий токен текста на основе контекста
b)
База данных для хранения PDF
c)
Алгоритм сортировки числовых массивов
d)
Программа для сжатия изображений
e)
Офисный редактор таблиц
2.
Какова роль механизма внимания (attention) в трансформерах?
a)
Взвешивать важность токенов и учитывать дальние зависимости в тексте
b)
Шифровать сообщения между серверами
c)
Увеличивать размер словаря токенов
d)
Переводить текст между языками
e)
Сохранять модель на диск
3.
Что такое токенизация?
a)
Разбиение текста на токены (части слов/словосочетания) для входа в модель
b)
Удаление всех знаков препинания из текста
c)
Перевод текста в двоичный код вручную
d)
Слияние нескольких документов в один
e)
Сжатие текста методом gzip
4.
Что означает «окно контекста» модели?
a)
Максимальное число токенов входа/истории, учитываемых моделью одновременно
b)
Максимальный размер видеопамяти GPU
c)
Количество эпох обучения
d)
Число классов в задаче классификации
e)
Длину пароля для доступа к модели
5.
За что отвечает параметр temperature при генерации?
a)
За степень случайности/креативности выбора следующего токена
b)
За количество обучающих эпох
c)
За размер словаря токенов
d)
За скорость чтения с диска
e)
За качество распознавания изображений
6.
Что такое top-p (nucleus sampling)?
a)
Выбор из минимального множества токенов с суммарной вероятностью p
b)
Выбор ровно из p самых редких токенов
c)
Фильтрация пунктуации перед генерацией
d)
Ускорение обучения за счёт параллелизма
e)
Метрика качества суммаризации
7.
Что такое few-shot prompting?
a)
Показ модели нескольких примеров «вход→выход» прямо в запросе
b)
Обучение модели на миллиардах примеров
c)
Полное отключение примеров в запросе
d)
Случайный выбор ответа без обучения
e)
Проверка модели только на одном примере
8.
Что такое chain-of-thought prompting?
a)
Просьба разложить ответ на пошаговые рассуждения для повышения качества решения
b)
Генерация только в стихотворной форме
c)
Шифрование подсказки перед отправкой
d)
Обучение модели новым словам
e)
Удаление всех чисел из ответа
9.
Что такое RAG (retrieval-augmented generation)?
a)
Поиск по своей базе документов и генерация ответа с опорой на найденные фрагменты (с цитатами)
b)
Сжатие модели для мобильных устройств
c)
Метод ускорения градиентного спуска
d)
Случайное перемешивание токенов при обучении
e)
Инструмент перевода аудио в текст
10.
Как снизить риск «галлюцинаций» модели в фактических ответах?
a)
Использовать RAG и требовать подтверждающие цитаты/ссылки на источники
b)
Повысить размер шрифта в документе
c)
Запретить любые ссылки в ответах
d)
Увеличить количество эмодзи в запросе
e)
Сделать контекст как можно короче
11.
Что такое экстрактивная суммаризация?
a)
Выбор ключевых фраз/предложений из исходного текста без перефразирования
b)
Создание иллюстраций к документу
c)
Полный перевод документа на другой язык
d)
Генерация текста без опоры на исходник
e)
Удаление всех цифр из текста
12.
Что такое абстрактивная суммаризация?
a)
Краткое изложение своими словами с сохранением смысла исходника
b)
Сортировка предложений в алфавитном порядке
c)
Копирование первых трёх абзацев без изменений
d)
Чтение документа моделью без выдачи ответа
e)
Подсчёт частоты слов в тексте
13.
Что означает «faithfulness» (достоверность) суммаризации?
a)
Соответствие утверждений сводки содержанию источника без выдумок
b)
Минимальное число предложений в сводке
c)
Наличие рифмы и стилистики
d)
Максимальная длина ответа модели
e)
Наличие цветных заголовков
14.
Какая метрика чаще применима для оценки суммаризации по эталону?
a)
ROUGE
b)
IoU
c)
mAP
d)
WER
e)
PSNR
15.
Что такое «map-reduce» суммаризация длинного документа?
a)
Сводки по частям текста с последующим объединением итоговой сводки
b)
Мгновенное сжатие файла без чтения
c)
Параллельная загрузка PDF в облако
d)
Сортировка абзацев по длине
e)
Удаление всех заголовков
16.
Для чего применяется векторный индекс в RAG-системе?
a)
Для быстрого поиска по эмбеддингам (смысловым представлениям) текстов
b)
Для хранения паролей пользователей
c)
Для визуализации диаграмм в отчётах
d)
Для шифрования запросов к модели
e)
Для подсчёта количества слов в документе
17.
Что такое эмбеддинг текста?
a)
Числовой вектор, представляющий смысл текста в непрерывном пространстве
b)
Набор случайных символов одинаковой длины
c)
Резервная копия исходного файла
d)
Список ссылок на внешние сайты
e)
Описание шрифта и размера текста
18.
Зачем нужна инструкционная доводка (instruction tuning) LLM?
a)
Чтобы модель лучше следовала указаниям, форматам и стилю ответа
b)
Чтобы увеличить количество параметров вдвое
c)
Чтобы запретить использование цитат
d)
Чтобы заменить токенизацию на стемминг
e)
Чтобы обучать модель только на числах
19.
Что делает параметр top-k при генерации?
a)
Ограничивает выбор следующего токена k наиболее вероятными вариантами
b)
Увеличивает длину контекста в k раз
c)
Повышает частоту обновления весов
d)
Заменяет обучение на инференс
e)
Удаляет стоп-слова из корпуса
20.
Что обязательно включать в «хороший» промпт к LLM?
a)
Роль, цель, контекст, формат ответа и ограничения (без выдумок)
b)
Только одно ключевое слово темы
c)
Набор случайных цитат из интернета
d)
Требование отвечать без знаков препинания
e)
Запрет на любые таблицы и списки
21.
Что означает «устойчивость к переформулировкам» запроса?
a)
Согласованное качество ответов при разных формулировках одной задачи
b)
Перевод ответа на любой язык автоматически
c)
Сокращение длины ответа до 50 символов
d)
Отказ модели отвечать при длинных запросах
e)
Полное совпадение с эталоном пословно
22.
За что отвечает параметр max tokens в ответе модели?
a)
За верхнюю границу длины генерируемого ответа в токенах
b)
За минимальную длину входного текста
c)
За размер словаря модели
d)
За число слоёв трансформера
e)
За скорость сети между дата-центрами
23.
Какой режим temperature чаще подходит для деловых документов?
a)
Низкий (≈0.1–0.3) для более стабильных и аккуратных ответов
b)
Очень высокий (≈1.5) для максимальной креативности
c)
Случайное значение каждый запрос
d)
Всегда 1.0 независимо от задачи
e)
Температура не влияет на текст
24.
Главная причина «галлюцинаций» LLM в ответах?
a)
Ответ без опоры на релевантные источники/данные при требовании выдать факт
b)
Слишком быстрый интернет
c)
Наличие таблиц в документе
d)
Использование кириллицы
e)
Большой размер шрифта в исходнике
25.
Что такое промпт-инъекция в системах с RAG?
a)
Вредоносные инструкции внутри документов, меняющие поведение модели
b)
Шифрование подсказок перед отправкой
c)
Случайное падение сервера
d)
Ускорение индексации документов
e)
Добавление картинок в ответ
26.
Какое поведение безопасно требовать в RAG при отсутствии источников?
a)
Явно сообщить «нет данных/источника» и не выдумывать ответ
b)
Сгенерировать правдоподобный факт без ссылки
c)
Всегда отвечать «Да»
d)
Заменить ответ набором эмодзи
e)
Прервать соединение с пользователем
27.
Какова основная цель no-code искусственного интеллекта?
a)
Упростить создание моделей ИИ без программирования
b)
Обучать новым языкам программирования
c)
Создавать игровые программы
d)
Управлять компьютерными сетями
e)
Только хранить данные
28.
Чем no-code отличается от low-code?
a)
No-code — готовые интерфейсы без кода; Low-code — минимальные блоки/настройки
b)
No-code требует Python, Low-code — нет
c)
No-code работает только оффлайн, Low-code — только онлайн
d)
No-code для ИТ-специалистов, Low-code — для «нетехнических» людей
e)
Различий нет
29.
Какое главное преимущество no-code платформ?
a)
Возможность быстро и доступно создавать модели
b)
Нужно полностью освоить язык программирования
c)
Используются только для исследований
d)
Очень сложны в применении
e)
Требуют специальных устройств
30.
Кто основные пользователи no-code платформ?
a)
Нетехнические специалисты, представители бизнеса
b)
Только ИТ-инженеры
c)
Разработчики игр
d)
Сетевые администраторы
e)
Только научные сотрудники
31.
Для чего используется GUI (графический интерфейс) в no-code AI платформе?
a)
Чтобы упростить процесс создания модели визуально
b)
Только для ускорения написания кода
c)
Только для скрытия данных
d)
Для управления интернетом
e)
Для обучения языкам программирования
32.
Какую роль играют AutoML сервисы в no-code платформах?
a)
Автоматическое обучение и настройка моделей
b)
Только для удаления данных
c)
Для регистрации пользователей
d)
Чтобы проверять скорость интернета
e)
Чтобы заменить программистов
33.
Как проверить производительность модели в no-code платформе?
a)
С помощью метрик (accuracy, precision, recall)
b)
По скорости компьютера
c)
Через измерение качества интернета
d)
Через смену языка программирования
e)
Через обновление ОС
34.
В каких сферах чаще применяются no-code платформы?
a)
Маркетинг, финансы, медицина
b)
Только в игровой сфере
c)
Только в космосе
d)
Только в военной области
e)
Только для издательства книг
35.
Какова роль готовых шаблонов в no-code платформах?
a)
Помогают пользователю быстрее достичь результата
b)
Помогают удалить модели
c)
Замедляют приложение
d)
Добавляют лишний код
e)
Только для красоты
36.
Для чего нужны готовые интеграции в no-code платформах?
a)
Для лёгкой связи с разными сервисами
b)
Чтобы увеличить объём кода
c)
Чтобы отключить интернет
d)
Для обучения языкам программирования
e)
Чтобы выключить компьютер
37.
Какое главное ограничение no-code AI платформ?
a)
Малая гибкость и непригодность для сложных моделей
b)
Требуют очень дорогих устройств
c)
Требуют много кода
d)
Не работают без интернета
e)
Нужно знать много языков
38.
На каком принципе основаны no-code AI платформы?
a)
Drag-and-drop и визуальные блоки
b)
Сложные кодовые записи
c)
Только текстовая консоль
d)
Системные команды
e)
Компьютерные игры
39.
Как no-code платформы обрабатывают данные?
a)
Автоматически через внутренние алгоритмы
b)
Пользователь пишет код
c)
Только вручную
d)
Удаляют данные
e)
Выключают компьютер
40.
Какой главный риск безопасности no-code платформ?
a)
Конфиденциальность данных и зависимость от внешних сервисов
b)
Поломка компьютера
c)
Нет подключения к сети
d)
Замедление системы
e)
Поломка экрана
41.
Что требуют no-code платформы от пользователя?
a)
Знания в предметной области и корректные данные
b)
Глубокие знания программирования
c)
Знание ОС
d)
Умение чинить ПК
e)
Собирать устройства
42.
Для чего нужен Explainable AI в no-code платформе?
a)
Чтобы сделать решения модели понятными
b)
Чтобы выключить систему
c)
Чтобы усложнить программирование
d)
Чтобы включить интернет
e)
Чтобы ускорить устройство
43.
Как происходит внедрение модели в no-code AI платформе?
a)
Через API или готовые интеграции
b)
Только через ручной ввод кода
c)
Через перезагрузку ПК
d)
Через отключение сети
e)
Через смену языка программирования
44.
Зачем no-code AI платформы проводят мониторинг?
a)
Для контроля качества и производительности модели
b)
Чтобы измерить температуру компьютера
c)
Чтобы установить игру
d)
Чтобы отслеживать цену интернета
e)
Чтобы перезапустить систему
45.
Каково экономическое преимущество использования no-code платформ?
a)
Снижают финансовые затраты
b)
Делают всё очень дорогим
c)
Увеличивают время работы
d)
Увеличивают число сотрудников
e)
Усложняют использование
46.
Что делают визуальные редакторы no-code платформ?
a)
Позволяют пользователю собирать модель, перетаскивая блоки
b)
Автоматически удаляют код
c)
Только копируют данные
d)
Отключают интернет
e)
Только для красоты
47.
Где можно внедрить решения, созданные через no-code платформы?
a)
В веб- и мобильные приложения
b)
Только в принтер
c)
Только в антивирус
d)
Только в игры
e)
Только в текстовый файл
48.
Какова основная миссия no-code платформ?
a)
Сделать ИИ доступным каждому
b)
Ориентировать только на ИТ-специалистов
c)
Использовать только в университетах
d)
Только для исследователей
e)
Только для игр
49.
Какую помощь no-code платформы оказывают бизнесу?
a)
Помогают быстро принимать решения на основе данных
b)
Увеличивают расходы бизнеса
c)
Снижают количество клиентов
d)
Только для игр
e)
Только для отключения сервера
50.
Как оценивается будущее no-code платформ?
a)
Расширяются с ростом числа пользователей
b)
Только уменьшаются
c)
Применяются только в играх
d)
Закрываются
e)
Не используются
Reset
