41、检查以下代码，如果需要添加一个新的意图类别，例如 “入职流程”，需要修改哪一部分代码？

def get_purpose(document):

prompt_template="【角色背景】

你是一个专业的管理者，你将阅读一条用户的问题并进行用户意图分类

【任务要求】

我们需要将用户的意图分成如下几类：

请假政策，福利待遇，绩效考核，工作职责，开发规范

【输出要求】

请以 json 格式输出，不要输出其他内容

格式如{"purpose":"请假政策","query":"请假流程是怎样的，需要提前多久申请？"}

其中，purpose 是你识别出的意图，query 是用户输入的原始文本

【用户输入】

以下是用户输入，请审阅： "

query = prompt_template + document
 

A.只需要修改输入的用户 query 列表

B.需要修改输出格式要求。

C.需要修改 prompt_template 中的【任务要求】部分，以及可能需要更新 get_purpose 函数中的逻辑。

D.只需要修改 大模型 query 函数 Q_S_Line

答案：C

解析：新意图类别需在提示词中明确告知模型，否则模型无法识别。【任务要求】中列出了当前支持的意图类别，添加“入职流程”需先修改该部分；若 get_purpose 函数中存在与意图类别相关的辅助逻辑（如类别映射、校验），也需同步更新，因此 C 正确。A 错误，用户 query 列表是输入数据，与模型识别新意图无关；B 错误，输出格式未发生变化，无需修改；D 错误，大模型 query 函数仅负责发起请求，修改它无法让模型识别新意图。

42、在创建一个消息（Message）时，需要传递哪个参数来指定线程 ID？

[A.thread.id](A.thread.id)

[B.message.id](B.message.id)

C.content

[D.assistant.id](D.assistant.id)

答案：A

解析：线程 ID 是消息创建时的必填参数，用于关联消息所属的对话线程；[A.thread.id](A.thread.id) 即线程的唯一标识，创建消息时需指定该参数，确保消息归入正确线程；[B.message.id](B.message.id) 是消息创建后生成的唯一标识，并非创建时需传递的参数；C.content 是消息的内容主体（如用户查询、模型回复），与线程关联无关；[D.assistant.id](D.assistant.id) 是智能体的唯一标识，用于指定处理消息的智能体，而非线程 ID，因此 A 正确。

43、在大模型对话的 API 中，assistant 角色的作用是什么？

A.提供用户输入

B.监控对话的安全性

C.设定对话的背景信息

D.代表模型本身，返回生成的回复

答案：D

解析：大模型对话 API 中通常包含三种核心角色：user（用户）、system（系统）、assistant（模型）；D.assistant 角色明确用于标识模型生成的回复，是模型与用户交互的输出载体；A.提供用户输入的是 user 角色；B.监控对话安全性是 API 背后的安全机制，并非角色的作用；C.设定对话背景信息的是 system 角色，因此 D 正确。

44、通过 LlamaIndex 创建 RAG 应用时，rerank 的作用是？

A.替换 embedding model

B.设置召回文本段个数

C.根据用户的输入去向量数据库进行检索

D.对向量数据库的检索结果进行重新排序

答案：D

解析：RAG 应用的检索流程通常为“初步召回（Retrieval）→ 重排（Rerank）”；D.rerank 即重排，通过专门的重排模型（如gte-rerank）对初步召回的文本段进行二次打分排序，筛选出与用户查询最相关的片段，提升检索精准度；A 错误，rerank 不涉及 embedding model 的替换；B 错误，设置召回个数的是 similarity_top_k 等参数；C 错误，去向量数据库检索的是 retriever 组件，因此 D 正确。

45、在大语言模型微调的训练循环中，哪个步骤负责计算模型输出与真实标签之间的差异？

A.梯度更新

B.参数初始化

C.反向传播

D.正向传播

答案：D

解析：模型输出与标签的差异（损失值）在正向传播中明确计算，其他步骤仅依赖该结果进行后续操作；D.正向传播是模型接收输入数据、通过网络层计算生成预测输出（predictions），并使用损失函数（如 CrossEntropyLoss）计算预测输出与真实标签（targets）差异（loss）的过程；A.梯度更新是根据梯度调整模型参数；B.参数初始化是训练前的参数赋值操作；C.反向传播是根据损失值计算参数梯度，因此 D 正确。

46、你正在使用大模型逐条输出检测结果。以下哪种数据结构最适合存储和处理这些结果？

A.列表（List）

B.集合（Set）

C.字符串

D.字典（Dictionary），键为检测项，值为检测结果和描述

答案：D

解析：检测结果通常包含“检测项”“结果”“描述”等关联信息，需要结构化存储；D.字典以键值对形式完美匹配检测项与结果的关联需求（如 {"检测项1": {"结果": "合规", "描述": "无敏感信息"}, "检测项2": {"结果": "不合规", "描述": "包含营销词汇"}}），便于后续查询、统计和处理；A.列表仅能顺序存储，无法直接关联检测项与结果；B.集合用于去重，不适合存储结构化结果；C.字符串无法有效区分多个检测项的结果，因此 D 正确。

47、以下哪种文本切片方法最有可能保留完整的语义信息？

A.按标点符号分割，例如句号、问号等。

B.按字符数分割，每 50 个字符为一个 chunk。

C.按 token 长度分割，每 100 个 token 为一个 chunk。

D.使用专门的语义分割模型将文本分割成语义完整的段落。

答案：D

解析：语义完整性的核心是“不破坏文本的逻辑单元（如句子、段落、核心观点）”；D.专门的语义分割模型（如基于 BERT 的分割模型）能主动理解文本的语义边界，根据逻辑关系分割，是唯一能确保分割后文本保持语义完整性的方法；A.按标点分割可能破坏长句或复杂句式的语义（如逗号分隔的并列分句）；B.按字符数、C.按 token 长度分割均为机械式方法，无法识别语义逻辑，易割裂完整语义单元，因此 D 正确。

48、以下哪个代码片段能够正确处理 classify_intent 函数可能抛出的异常，并打印错误信息？

A.python

for id, query in feedback_list:

try:

intent = classify_intent(query)

print(f"ID: {id}, Intent: {intent}")

finally:

print("Finished processing query.")

B.python

for id, query in feedback_list:

intent = classify_intent(query)

print(f"ID: {id}, Intent: {intent}")

except Exception as e:

print(f"Error: {e}")

C.python

for id, query in feedback_list:

try:

intent = classify_intent(query)

print(f"ID: {id}, Intent: {intent}")

except Exception as e:

print(f"Error processing query {id}: {e}")

D.python

for id, query in feedback_list:

if classify_intent(query):

intent = classify_intent(query)

print(f"ID: {id}, Intent: {intent}")

else:

print("Error processing query.")

答案：C

解析：异常处理的核心语法是“try-except”块，需正确包裹可能抛出异常的代码；C.代码正确使用 try 包裹 classify_intent(query)（可能抛出异常的操作），except 捕获所有异常并打印具体错误信息及对应的查询 ID，便于排查问题；A.finally 块无论是否发生异常都会执行，仅用于资源释放等操作，无法捕获异常；B.语法错误，except 块需紧跟 try 块，不能直接在 for 循环下使用；D.未使用异常处理机制，仅通过 if 判断函数返回值，无法处理函数抛出的异常（如类型错误、索引错误），因此 C 正确。

49、以下哪个向量数据库不适合用于存储和检索文本向量？

A.Milvus

B.FAISS

C.MySQL

D.Pinecone

答案：C

解析：向量数据库的核心功能是高效存储、索引和检索向量数据，需支持向量相似度计算；A.Milvus、B.FAISS、D.Pinecone 均为专门的向量数据库，优化了向量操作，适合文本向量的存储和检索；C.MySQL 是关系型数据库，主要用于存储结构化数据（如表格数据），不支持高效的向量相似度计算和索引，因此不适合存储和检索文本向量，C 正确。

50、你使用 Qwen-Max 生成了课程内容，现在需要将其转换为 Marp 格式的 Markdown。以下哪个 Qwen-Max 的提示词最有效？

A. 把这些内容转换成 Markdown

B. 用 Markdown 写个幻灯片

C. 将以下内容转换为适合 Marp 幻灯片演示的 Markdown 格式，并包含标题、列表和代码块等元素。

D. “帮我转换成 PPT”

答案：C

解析：有效提示词需明确“目标格式”“使用场景”和“具体要求”；C.提示词清晰指定了目标格式（Marp 格式的 Markdown）、使用场景（幻灯片演示）和具体元素（标题、列表、代码块），能引导模型生成可直接用于 Marp 的结构化内容；A.仅要求转换为 Markdown，未明确 Marp 格式和幻灯片场景，生成结果可能不符合需求；B.未明确 Marp 格式，普通 Markdown 幻灯片与 Marp 格式可能存在差异；D.要求转换为 PPT，与 Markdown 格式无关，因此 C 正确。