Home » Ответы Синергия тесты МТИ МосАП практика » Языковые модели и текст ответы тесты МТИ/Синергия/МосАП

Языковые модели и текст ответы тесты МТИ/Синергия/МосАП

Скачать тест: Языковые модели и текст.ДРБ_305АРС ответы тесты МТИ Синергия МосАП.pdf

1. К какому основному последствию приводит превышение установленного контекстного окна модели в рамках одного диалога?
2. В чем заключается ключевое отличие системного промпта (System Instructions) от обычного пользовательского запроса?
3. В какой ситуации использование локальной LLM (например, через LM Studio или Ollama) является критическим преимуществом?
4. Согласно «анатомии промпта», какой набор компонентов считается оптимальным для создания эффективного рабочего запроса?
5. Почему метод Prompt Chaining (цепочка промптов) эффективнее, чем один сложный комплексный запрос?
6. В каком случае метод Few-shot промптинга (с передачей примеров) будет наиболее оправдан?
7. Какие из перечисленных маркеров являются типичными признаками «ИИ-текста», которые необходимо удалять при профессиональном редактировании?
8. Какое ключевое преимущество предоставляет сервис Perplexity при решении задач верификации информации?
9. Какую функцию выполняет лидерборд в сервисе Chatbot Arena (LMSYS) для профессионального пользователя?
10. Каков верный алгоритм (пайплайн) применения техники обратного перевода для контроля качества?
11. Какой из методов является наиболее надежным для борьбы с галлюцинациями ИИ при поиске фактов?
12. Почему формат Markdown является предпочтительным для передачи данных в LLM по сравнению с PDF или DOCX?
13. Какие функции в Google AI Studio позволяют минимизировать риск ошибок в вычислениях и повысить актуальность ответов?
14. Зачем при подготовке PDF-документа к анализу рекомендуется использовать инструменты очистки (например, iLovePDF)?
15. Какое преимущество дают специализированные ассистенты для встреч (mymeet.ai) перед простой транскрибацией файла?
16. Укажите верный порядок действий для профессионального анализа данных из сложного Excel-файла.
17. Какова правильная последовательность действий для глубокого изучения новой темы при использовании «трехколоночного интерфейса» NotebookLM?
18. Каков наиболее эффективный алгоритм обработки «тяжелого» документа (например, книги или длинного отчета) для анализа в чате, чтобы избежать потери контекста из-за ограничений контекстного окна?
19. Каков оптимальный алгоритм («пайплайн») подготовки «грязного» многостраничного PDF-документа (с обложкой, колонтитулами и рекламой) для его максимально качественной обработки в LLM?
20. Что важно учитывать при работе с текстами на разных языках, исходя из
механики токенизации?