大模型行业知识库搭建技师考试试卷及答案

大模型行业知识库搭建技师考试试卷及答案一、填空题（共10题，每题1分）1.大模型知识库搭建的核心环节包括数据采集、数据清洗、______、向量索引构建、模型对接等。2.常用开源向量数据库包括Milvus、Chroma和______等。3.数据清洗中去除重复数据的方法有哈希去重、规则匹配去重和______去重。4.将文本转化为向量表示的模型称为______模型。5.大模型知识库检索方式主要分为关键词检索、______检索和混合检索。6.知识图谱的基本单元是______（实体-关系-实体/值）。7.大模型与知识库结合的典型模式是______（RAG）。8.对文本中实体、关系进行标注的类型属于______标注。9.知识库安全防护重点包括数据加密、权限控制和______。10.知识库更新分为全量更新和______更新两种方式。二、单项选择题（共10题，每题2分）1.以下哪个向量数据库是开源的？A.PineconeB.MilvusC.WeaviateD.以上都不是2.数据清洗的首要步骤是？A.去重B.去噪C.格式统一D.筛选3.RAG的核心流程是？A.检索知识库→生成回答B.生成回答→检索知识库C.仅生成回答D.仅检索知识库4.以下哪个不是合法数据来源？A.公开授权文档B.企业内部授权数据C.爬取未授权公开数据D.合作方授权数据5.Embedding向量的主要作用是？A.存储文本B.计算文本相似度C.生成回答D.标注实体6.“张三-毕业于-北京大学”属于知识图谱的？A.实体B.关系C.三元组D.属性7.更节省计算资源的更新方式是？A.全量更新B.增量更新C.实时更新D.定期更新8.调用知识库的核心目的是？A.提高回答准确性B.减少计算量C.加快响应速度D.降低成本9.序列标注不包括？A.实体标注B.关系标注C.情感标注D.词性标注10.权限控制的核心目标是？A.提高访问速度B.保障数据安全合规C.增加数据量D.优化检索效率三、多项选择题（共10题，每题2分，多选/少选/错选不得分）1.大模型知识库核心环节包括？A.数据采集B.数据清洗C.向量索引构建D.模型微调对接2.向量数据库关键特性包括？A.高并发检索B.向量相似度计算C.数据持久化D.实时更新3.数据清洗常见步骤包括？A.去噪B.去重C.格式统一D.内容脱敏4.知识图谱基本要素包括？A.实体B.关系C.属性D.向量5.大模型与知识库结合模式包括？A.RAGB.知识库微调C.Prompt注入D.模型蒸馏6.知识库安全措施包括？A.数据加密B.细粒度权限控制C.审计日志D.内容脱敏7.Embedding模型选择依据包括？A.任务类型B.向量维度C.计算速度D.模型大小8.合法数据来源包括？A.公开授权文档B.企业内部授权数据C.未授权爬取D.合作方授权数据9.知识库检索类型包括？A.关键词匹配B.向量相似度C.混合检索D.知识图谱路径检索10.知识库更新类型包括？A.增量更新B.全量更新C.定期更新D.实时更新四、判断题（共10题，每题2分，√/×）1.大模型知识库必须经过数据标注。（）2.向量数据库仅支持存储向量。（）3.RAG能减少大模型“幻觉”。（）4.格式统一是数据清洗可选步骤。（）5.知识图谱三元组格式为“实体-属性-值”。（）6.Embedding维度越高效果越好。（）7.权限控制只需管“读取”权限。（）8.知识库无相关信息则无法回答。（）9.爬取未授权公开数据合法。（）10.增量更新适合高频变化数据。（）五、简答题（共4题，每题5分）1.简述大模型知识库数据清洗的主要步骤及作用。2.什么是RAG？它在知识库中的核心作用是什么？3.向量数据库在知识库中的核心价值是什么？4.简述知识库安全防护的常见措施。六、讨论题（共2题，每题5分）1.如何平衡大模型知识库数据的全面性与准确性？结合场景说明。2.大模型知识库实时更新面临哪些挑战？有哪些解决思路？---答案部分一、填空题答案1.知识组织（或知识图谱构建）2.Weaviate3.聚类4.Embedding5.向量相似度6.三元组7.检索增强生成8.序列9.内容脱敏（或审计日志）10.增量二、单项选择题答案1.B2.B3.A4.C5.B6.C7.B8.A9.C10.B三、多项选择题答案1.ABCD2.ABCD3.ABCD4.ABC5.ABC6.ABCD7.ABCD8.ABD9.ABCD10.ABCD四、判断题答案1.×（部分结构化数据无需标注）2.×（部分支持存储原始文本）3.√4.×（格式不统一影响检索）5.×（三元组为实体-关系-实体/值）6.×（需平衡效果与成本）7.×（需管读写/修改权限）8.×（可结合模型自身知识）9.×（需授权，否则违法）10.√五、简答题答案1.步骤及作用：①去噪：去除乱码、广告等无效文本，提升数据质量；②去重：用哈希/规则去重，避免重复检索；③格式统一：将PDF/Word等转为统一格式（如TXT），便于处理；④筛选：过滤低质量/无关内容，聚焦核心知识。作用是减少噪声，提升检索与生成准确性。2.RAG定义及作用：RAG即“检索增强生成”，流程为“检索知识库→获取相关文本→输入大模型生成回答”。核心作用：①补充大模型知识缺口（如实时数据）；②减少“幻觉”（基于真实知识回答）；③降低微调成本（无需频繁更新模型）。3.向量数据库核心价值：①高效存储大量Embedding向量；②支持毫秒级向量相似度检索；③支持实时更新与高并发访问；④整合向量与原始文本，便于大模型调用，是连接知识库与大模型的关键基础设施。4.安全措施：①数据加密：静态存储/动态传输加密，防泄露；②权限控制：细粒度设置读写/修改权限，仅授权用户访问；③审计日志：记录操作行为，便于追溯违规；④内容脱敏：替换敏感信息（如隐私），符合合规要求。六、讨论题答案1.平衡全面性与准确性：①全面性：多源采集（公开文档+内部数据+合作数据）、增量更新补充遗漏；②准确性：①交叉验证（多源数据核对）；②质量过滤（置信度>0.8筛选）；③定期校验（每月抽查更新错误）。例：企业知识库需覆盖全业务流程（全面），同时通过CRM系统验