8.3 文心一言在工作方面的应用（问答库）

8.1.1 生成式大模型简介（问答库）

1. 【单选题·易】生成式大模型的英文全称及常用缩写是（ ） A. Generative Learning Machine，GLM B. Generative Large Models，GLM C. General Language Model，GLM D. Giant Learning Model，GLM 答案：B 解析： 语料将生成式大模型表述为 Generative Large Models，缩写为 GLM。A、C、D 三项英文展开与课程用语不一致。
2. 【单选题·易】生成式大模型之所以被称为“大模型”，主要是因为它们通常包含（ ） A. 数千个参数 B. 数百万个参数 C. 数十亿乃至数千亿个参数 D. 固定不变、无需优化的少量规则 答案：C 解析： 课程明确指出，这些模型通常包含数十亿乃至数千亿个参数，并在训练中不断被优化。A、B 数量级过小；D 与“大规模参数、训练中优化”的表述相反。
3. 【判断题·易】生成式大模型能够从给定的数据中学习，并生成全新的、具有创造性的数据样本。 答案：√ 解析： 这是本小节对生成式大模型的基本界定：利用深度学习从给定数据中学习，再生成全新且具有创造性的样本。
4. 【判断题·易】生成式大模型的应用范围仅限于自然语言处理，尚未扩展到其他模态。 答案：× 解析： 其能力在自然语言处理领域尤为突出，但随着技术进步，应用已扩展到图像生成、音频合成、视频创作等多个领域。
5. 【多选题·中】在自然语言处理领域，生成式大模型可以完成的任务包括（ ） A. 生成连贯的文本段落 B. 生成对话和诗歌 C. 文章续写 D. 摘要生成 答案：ABCD 解析： 语料列举了连贯文本段落、对话、诗歌，以及文章续写、摘要生成等复杂任务，四项均属于本小节所述能力。
6. 【多选题·中】随着技术进步，生成式大模型的应用范围已逐渐扩展到（ ） A. 图像生成 B. 音频合成 C. 视频创作 D. 仅手工绘制图纸 答案：ABC 解析： 课程明确列出图像生成、音频合成、视频创作等扩展方向。D 项不是本小节所述的模型生成应用。
7. 【单选题·中】关于生成式大模型的训练过程，下列说法正确的是（ ） A. 通常只需少量规则，不需要大规模数据 B. 通常涉及大量的数据和计算资源，通过大规模数据集学习内在规律和模式 C. 训练目的是让模型原样复制全部训练样本 D. 训练完成后即可彻底避免生成不恰当内容 答案：B 解析： 语料指出训练通常涉及大量数据和计算资源，模型在大规模数据集上学习内在规律和模式，进而具备生成新样本的能力。A 与“大量数据/计算资源”不符；C 把“生成全新样本”误写成原样复制；D 忽略了仍可能生成不准确、不恰当或带有偏见内容的限制。
8. 【判断题·中】生成式大模型参数众多、计算复杂度高，因此在实际应用中需要考虑性能和效率的平衡问题。 答案：√ 解析： 这是本小节对挑战与限制的直接表述：参数多、计算复杂度高，实际应用需权衡性能与效率。
9. 【简答题·中】简述生成式大模型的概念，并说明它为什么被称为“大模型”。 答案： 生成式大模型（Generative Large Models，GLM）是人工智能领域的重要分支，特指利用深度学习技术、特别是基于大规模神经网络架构的模型，能够从给定数据中学习并生成全新的、具有创造性的数据样本。之所以称为“大模型”，主要是因为它们通常包含数十亿乃至数千亿个参数，这些参数在训练过程中不断被优化，以捕捉输入数据的复杂统计规律和结构特征。 解析： 评分要点：给出中英文名称；点明深度学习/大规模神经网络；说明“学习并生成全新、具有创造性的样本”；用“数十亿乃至数千亿个参数”解释“大”，并提到参数优化以捕捉统计规律和结构特征。只写“很大的模型”而未扣参数规模，给部分分。
10. 【单选题·难】下列关于生成式大模型“生成”机制的叙述，最准确的是（ ） A. 核心是检索已有文档并原样输出，并不创造新内容 B. 核心是基于学习到的知识创造全新的、之前未见过的内容；大规模数据训练有助于捕捉细微差别和复杂关系，从而生成更逼真、多样化的内容 C. 核心是把参数数量固定在数千个以内，以降低计算复杂度 D. 核心是只在自然语言处理中生成诗歌，不能做摘要或续写 答案：B 解析： 课程强调核心能力是“生成”，即创造全新、未见过的内容；训练使模型捕捉细微差别和复杂关系，从而更逼真、多样化。A 把生成说成原样检索；C 与“数十亿乃至数千亿参数”相反；D 缩小了 NLP 任务范围（语料还包括连贯文本、对话、续写、摘要等）。
11. 【简答题·难】从核心能力、训练过程、挑战与限制三个方面，说明应如何正确认识生成式大模型。 答案： ①核心能力：在于“生成”，即基于学习到的知识创造全新的、之前未见过的内容；在自然语言处理中可生成连贯文本、对话、诗歌，并完成续写、摘要等任务，应用还扩展到图像生成、音频合成、视频创作。②训练过程：通常需要大量数据和计算资源，通过大规模数据集学习内在规律和模式，从而具备生成新样本的能力，并能捕捉细微差别与复杂关系，使内容更逼真、多样化。③挑战与限制：可能生成不准确、不恰当或带有偏见的内容；参数众多、计算复杂度高，实际应用需平衡性能与效率。尽管存在限制，随着技术发展与完善，其应用前景仍然十分广阔。 解析： 评分要点：三点齐全。核心能力扣住“生成/未见过的内容”及主要应用方向；训练扣住大规模数据与计算资源、学习规律与模式；挑战扣住内容质量问题与性能—效率权衡，并指出前景仍广阔。漏点、把生成说成简单复制、或否认存在偏见与效率问题，给部分分。
12. 【多选题·中】下列属于生成式大模型当前面临的挑战或限制的有（ ） A. 可能生成不准确的内容 B. 可能生成不恰当或带有偏见的内容 C. 参数众多、计算复杂度高，需考虑性能与效率的平衡 D. 已经完全不存在应用前景 答案：ABC 解析： A、B、C 均为语料所列挑战与限制。D 项与原文相反：尽管存在限制，随着技术发展和完善，生成式大模型在各个领域的应用前景仍然十分广阔。