题目
关于人工智能伦理与模型训练中的关键技术挑战,以下哪些说法正确?()A. 数据偏见会导致模型在少数群体中的预测结果不准确,属于算法公平性问题B. 对抗样本攻击通过添加人眼不可见的噪声干扰模型输出稳定性C. 梯度消失是Transformer模型在长文本处理中的主要瓶颈D. 联邦学习通过分布式设备本地训练模型,可解决数据隐私保护问题E. 模型蒸馏(Knowledge Distillation)的目标是将大模型的能力迁移到小模型,降低部署成本
关于人工智能伦理与模型训练中的关键技术挑战,以下哪些说法正确?()
A. 数据偏见会导致模型在少数群体中的预测结果不准确,属于算法公平性问题
B. 对抗样本攻击通过添加人眼不可见的噪声干扰模型输出稳定性
C. 梯度消失是Transformer模型在长文本处理中的主要瓶颈
D. 联邦学习通过分布式设备本地训练模型,可解决数据隐私保护问题
E. 模型蒸馏(Knowledge Distillation)的目标是将大模型的能力迁移到小模型,降低部署成本
题目解答
答案
ADE
A. 数据偏见会导致模型在少数群体中的预测结果不准确,属于算法公平性问题
D. 联邦学习通过分布式设备本地训练模型,可解决数据隐私保护问题
E. 模型蒸馏(Knowledge Distillation)的目标是将大模型的能力迁移到小模型,降低部署成本
A. 数据偏见会导致模型在少数群体中的预测结果不准确,属于算法公平性问题
D. 联邦学习通过分布式设备本地训练模型,可解决数据隐私保护问题
E. 模型蒸馏(Knowledge Distillation)的目标是将大模型的能力迁移到小模型,降低部署成本