21、APIAssistantAgent 示例代码 query 函数中，哪些步骤与大语言模型交互？

python

def query(self, query:str):

"""

query: string, the query string to the assistant,

E.g. Who is the Jack Chou?

"""

message = dashscope.Messages.create(self.thread_id, content=query)

message_run = dashscope.Runs.create(self.thread_id, assistant_id=self.assistant_id)

run_status = dashscope.Runs.wait([message_run.id](message_run.id), thread_id=self.thread_id)

if run_status.required_action:

self.forward_and_submit_outputs(run_status)

run_status = dashscope.Runs.wait([run_status.id](run_status.id), thread_id=self.thread_id)

msgs = dashscope.Messages.list(self.thread_id)

answer=json.loads(json.dumps(msgs,default=lambda o: o.dict))["data"][0]["content"][0]["text"]["value"]

return answer

A. 调用 forward_and_submit_outputs 函数

B. 调用 dashscope.Runs.wait 函数

C. 创建 message 对象

D. 调用 dashscope.Messages.list 函数

E. 解析 msgs 获取最终答案

F. 调用 dashscope.Runs.create 函数

答案：BCDF

解析：A.forward_and_submit_outputs 函数用于处理工具调用并提交结果，不直接与大语言模型交互；E.解析 msgs 是对返回数据的后处理，属于数据提取步骤，不涉及模型交互；B.Runs.wait 用于等待模型处理任务的响应，是与模型交互的核心等待环节；C.Messages.create 用于向模型所在线程提交用户查询，是发起交互的基础；D.Messages.list 用于获取模型处理后的消息列表，包含模型生成的答案，属于交互的结果获取步骤；F.Runs.create 用于创建模型处理任务，触发模型开始工作，是交互的关键触发步骤。

22、以下哪些 Python 库可以用于处理视频或图像？

A.numpy

B.OpenCV

C.pandas

D.TensorFlow

E.requests

F.moviepy

答案：ABDF

解析：A.numpy 可用于处理图像像素数据（如数组形式的图像矩阵），是图像处理的基础库；B.OpenCV 是专门的计算机视觉库，支持图像读取、预处理、特征提取、视频帧处理等核心功能；D.TensorFlow 可用于训练图像识别、视频分析相关的深度学习模型，适用于复杂图像/视频处理任务；F.moviepy 是专注于视频编辑的 Python 库，支持视频剪辑、合并、格式转换、添加字幕等操作；C.pandas 主要用于数据处理和分析（如表格数据），与视频/图像无关；E.requests 用于网络请求，不涉及多媒体处理，因此排除 C、E。

23、小明开发了一款基于通义千问的 AI 写作助手小程序，计划在微信小程序平台上线。目前小程序已经开发完成，但尚未提交任何合规备案申请。根据相关规定，小明应该如何操作？

A.直接上线，后续再补充备案材料。

B.向应用商店提交应用，等待审核通过后再备案。

C.下架小程序，停止运营。

D.联系大模型服务平台，咨询备案流程并按要求提交申请。

E.无需备案，直接上线即可。

F.先进行算法备案，获得备案号后再上线。

答案：DF

解析：A、B、E 均违反相关规定，未完成合规备案的生成式 AI 应用不得上线运营，后续补充备案或等待应用商店审核后再备案均不符合要求；C 错误，无需直接下架停止运营，完成备案后即可合规上线；D 正确，应先咨询大模型服务平台了解备案所需材料和流程，确保备案操作合规；F 正确，根据《生成式人工智能服务管理暂行办法》，生成式 AI 应用上线前必须完成算法备案，获得备案号后方可合法运营。

24、以下哪些选项属于提示词要素中的 “输出格式（Output Format）”？

A.请你总结一下这篇文章的主要内容。

B.请用表格形式展示结果。

C.假设你是一个资深律师。

D.请使用 JSON 格式输出。

E.我希望你以第一人称的口吻写作。

F.结果需要包含姓名、年龄和地址。

答案：BDF

解析：A 属于任务目标，明确模型需要完成的核心工作；C 属于角色设定，指定模型的身份背景；E 属于语气/口吻要求，不涉及输出格式；B 明确结果的展示形式（表格），D 明确结果的文件格式（JSON），F 明确结果需包含的核心字段（姓名、年龄、地址），均属于对输出格式的具体要求，因此 B、D、F 正确。

25、为了将 RAGAS 评测适配到中文问答场景，有哪些有效方法？

A.使用中文能力较强的大模型

B. 将 RAGAS 自带的 prompt 翻译为中文再传入

C. 在 faithfulness 中修改 json.dumps 函数，使其返回中文而非 unicode 码

D. 在 System prompt 中提醒大模型：你要适配到中文问答场景

答案：ABD

解析：C 选项属于技术误用，json.dumps 函数的编码格式与 RAGAS 评测适配中文场景无关，修改该函数无法实现有效适配；A 正确，选择中文理解和生成能力强的大模型，能确保评测过程中对中文问答的语义理解准确；B 正确，RAGAS 自带 prompt 多为英文，翻译为中文后传入，可避免模型因语言障碍误解评测要求；D 正确，通过 System prompt 明确提醒模型适配中文场景，能引导模型在评测时聚焦中文语义、表达方式等特点，提升适配效果。

26、以下关于 CosyVoice 的描述，哪些是正确的？

A.CosyVoice 是一个文本转语音模型。

B.CosyVoice 可以直接生成视频。

C.CosyVoice 支持实时流式语音合成。

D.CosyVoice 可以用于语音识别。

答案：AC

解析：CosyVoice 的核心能力是文本转语音（TTS）及流式合成；B 错误，CosyVoice 仅能处理文本到语音的转换，无法直接生成视频，视频生成需结合视频编辑工具；D 错误，CosyVoice 专注于语音合成（文本转语音），不具备语音识别（语音转文本）功能，因此 A、C 正确。

27、在 RAGAS 评测中，embedding 模型的作用有哪些?

A. 评估 answer 与 ground_truth 的相似度，从而计算 answer_correctness

B. 评估每个 chunk 之间的相似度、从而剔除离群点

C. 评估 context 与 answer 的相似度，从而计算 faithfulness

D. 评估 answer 与 query 的相似度，从而计算 answer_relevancy

答案：ACD

解析：Embedding 模型的核心作用是将文本转换为向量，通过计算向量相似度评估文本关联度；A 正确，answer_correctness（答案正确性）需通过对比模型生成答案（answer）与标准答案（ground_truth）的向量相似度得出；C 正确，faithfulness（忠实度）需评估答案（answer）与检索上下文（context）的向量相似度，判断答案是否基于上下文生成；D 正确，answer_relevancy（答案相关性）需评估答案（answer）与用户查询（query）的向量相似度，判断答案是否回应查询需求；B 属于前置数据处理流程，与 RAGAS 评测中 embedding 模型的核心作用无关，因此排除 B。

28、通过 LlamaIndex 创建 RAG 应用，关于下面这段代码作用的描述正确的有哪些？

python

def get_documents(path):

documents = SimpleDirectoryReader(path).load_data()

document = Document(text="\n\n".join([doc.text for doc in documents]))

replacements = {

'，': ',',

'！': '!',

'？': '?'

}

for src, dst in replacements.items():

document.text = document.text.replace(src, dst)

return document

A.将所有 Document 对象合并为一个 Document 对象

B.对乱码内容进行数据清洗

C.将中文的标点符号预先转化为英文标点符号，使得切分时不会使得 chunk 长度过长

D.将指定文件夹中的文件加载为 document 对象

答案：ACD

解析：代码仅替换特定标点符号，未涉及乱码检测或修复，因此 B 错误；A 正确，通过 "\n\n".join([doc.text for doc in documents]) 将多个 Document 对象的文本内容合并，生成一个新的 Document 对象；C 正确，代码中 replacements 字典定义了中文标点到英文标点的映射，替换后可避免中文标点在切分时导致的 chunk 长度异常；D 正确，SimpleDirectoryReader(path).load_data() 用于加载指定文件夹（path）中的所有文件，并转换为 Document 对象列表，因此 A、C、D 正确。

29、在大语言模型微调的训练循环中，哪些步骤是必须包含的？

A.梯度裁剪

B.模型保存

C.正向传播

D.反向传播

E.超参数调整

F.梯度更新

答案：CDF

解析：ABE 属于增强或辅助操作，非训练循环最小必需步骤；C.正向传播是模型接收输入数据、生成预测结果的核心步骤，是计算损失的基础；D.反向传播通过计算损失对模型参数的梯度，为参数更新提供依据，是训练循环的核心逻辑；F.梯度更新根据反向传播得到的梯度，调整模型参数，实现模型学习，因此 C、D、F 是训练循环必须包含的步骤；A.梯度裁剪用于防止梯度爆炸，属于优化手段；B.模型保存用于留存训练成果，属于辅助操作；E.超参数调整通常在训练前或训练中手动/自动优化，不属于单次训练循环的必需步骤。

30、视频合规检测的关键步骤包括下列哪些选项？

A.视频上传后的用户评论分析

B.视频预处理，例如视频分段和帧提取

C.音频合规检测

D.视频编码格式的选择

E.图片合规检测

F.文本合规检测（包括字幕和音频转录文本）

答案：BCEF

解析：A.通常属于用户生成内容审核范畴，而非视频本身的合规检测步骤，用户评论与视频内容合规性无直接关联；D.属于视频上传前的技术处理，与内容合规性无直接关联，编码格式不影响视频内容是否合规；B.视频预处理是合规检测的基础，分段和帧提取能将视频拆解为可检测的单元（如单帧图像、短音频片段）；C.音频合规检测需排查音频中的违规语音（如辱骂、敏感言论）；E.图片合规检测需排查视频帧中的违规图像（如暴力、色情画面）；F.文本合规检测需排查字幕及音频转录文本中的违规内容，因此 B、C、E、F 是视频合规检测的关键步骤。