大模型能力通常强调的核心包括（）。
距考试 58 天预计考试 2026.10.24
新技术架构
考试趋势：本章平均每年约4 分。
- 新技术架构在 2024 年之后明显活跃，最近的考查重点集中在人工智能知识表示、机器学习、大模型与工业智能、边缘计算等方向；物联网、区块链和数字孪生相对分散。
- 复习不要只记新名词，优先掌握分层结构、数据流向、计算位置、模型或服务边界及典型应用，并结合题干判断技术解决的问题。
1. 数据与智能架构
- Lambda 三层：批处理层处理全量历史数据；加速层（速度层）处理实时增量数据；服务层合并两类结果并提供查询。
- 知识表示：谓词逻辑、产生式规则、框架、语义网络和本体是常见形式；数据流程图不是知识表示形式。本体统一描述领域概念、属性、关系和约束。
- 推荐与机器学习：协同过滤依据用户或项目相似性及群体行为推荐，典型问题是冷启动；无标签数据按相似性分组属于无监督学习中的聚类。
- Transformer 与自注意力：Transformer 的关键机制是自注意力，用于建立序列中不同位置之间的关联。
- 工业大模型五层：从下到上为基础设施层、基座层、模型层、交互层、应用层；算力与基础资源在底部，业务场景在顶部。
- 投毒与模态对齐：投毒污染训练、检索或上下文数据，导致模型输出错误；多模态融合的关键是不同模态在时空和语义上的对齐。
对应真题：#2025.05-23#2025.05-42#2026.05-10#2026.05-11#2026.05-13#2026.05-37#2026.05-38#2026.05-39#2026.05-40#2026.05-41#2025.11-49#2025.11-58#2025.05-57#2024.11-63
2. 物联与新型计算
- 物联网三层：感知层采集状态，网络传输层负责连接和传输，应用层面向具体业务；物联网系统的软件架构风格通常按层次型理解。
- 边缘计算：把计算、存储、缓存或推理能力放到靠近数据源的位置，突出低时延、节省带宽和现场自治；它是云边协同，不是完全不需要云。
- 区块链：按参与范围分为公有链、私有链和联盟链，分别对应开放参与、组织内部受控和多组织许可参与。
- 数字孪生：强调物理实体与数字模型的映射、同步和反馈；共性应用包括描述、诊断、预测、决策。
对应真题：#2024.05-5#2024.05-6#2021.11-33#2023.11-47#2025.05-44#2026.05-14
对应真题
融合多种信息媒介并使不同模态数据在时空和语义上关联的关键技术是（）。
AI 投毒攻击可能导致系统产生不存在或错误的答案，其常见来源是（ ）。
无监督学习的典型场景是（ ）。
Transformer 在自然语言处理中的关键引入机制是（）。
边缘计算与云计算相比，其典型特点是（ ）。
Lambda 架构中负责实时数据处理的是（ ）。
本体（Ontology）在知识工程中的主要作用是（ ）。
知识库中的知识表示形式通常不包括（ ）。
（）是以谓词形式来表示动作的主体、客体，是一种叙述性知识表示方法。
关于 Lambda 架构中处理增量数据的是（）。
在机器学习中，当我们面对没有任何标签或数据标识的情况时，通常需要根据数据本身的相似性进行划分，这种情况下应采用以下哪类算法（）。
以下（）不是边缘计算的典型特点。
在工业大模型的五层体系架构中，（）位于基础设施层和应用层之间的中间三层，主要负责模型构建、任务适配、智能交互等功能。
以下哪项是当前大语言模型（如ChatGPT）主要采用的（）模型架构。
在当今的信息推荐系统领域，协同过滤算法被广泛应用。以下关于内容推荐的描述中，下列哪一项并不属于基于协同过滤算法的内容推荐所具备的特点（）。
物联网是指通过信息传感设备，按约定的协议，将任何物体与网络相连接，物体通过信息传播媒介进行信息交换和通信，以实现智能化识别、定位、跟踪、监管等功能。物联网应用通常分为三层，分别是（）。
在数字孪生生态系统中，（）包括描述、诊断、预测、决策四个方面。
关于区块链不包含（）。
软件架构风格是描述某一特定应用领域中系统组织方式的惯用模式，按照软件架构风格，物联网系统属于 （） 软件架构风格。