AWS AIF-C01

生成式人工智能基础

此处 12 道免费题,应用中共 60 道

简单 20 其中 8 道在此 中等 20 其中 2 道在此 困难 20 其中 2 道在此

简单

20 道中的 8 道

生成式 AI 基础概念

  1. 对语言模型来说,token 是什么?
  2. 什么是嵌入(embedding)?
  3. 向量数据库在生成式 AI 应用中有什么用途?
  4. 在为 RAG 准备文档时,分块(chunking)是什么意思?
  5. 基础模型(foundation model)有什么特征?
  6. 大多数大语言模型基于哪种架构?
  7. 什么是多模态模型?
  8. 扩散模型(diffusion model)如何生成图像?

在应用中练习全部 20 道简单题 →

中等

20 道中的 2 道

生成式 AI 基础概念

  1. 两个句子的嵌入(embedding)非常相似。可以得出什么结论?
  2. 为 RAG 选择的分块(chunk)非常大时,通常会发生什么?

在应用中练习全部 20 道中等题 →

困难

20 道中的 2 道

生成式 AI 基础概念

  1. 一个团队为其知识搜索换用了新的嵌入模型,但保持已存储的向量不变。可能的后果是什么?
  2. 在一个 RAG 应用中,命中结果经常只回答了问题的一半,因为相关的句子被拆分到了两个分块中。哪些措施有帮助?

在应用中练习全部 20 道困难题 →

认证与考试

下一个考试是什么?

已有 51 项考试可以练习,16 项正在投票中。查看所有认证及官方信息,投出你的一票,或推荐你的考试。

查看全部认证