2026年(自然语言处理开发工程师)NLP算法开发试题及答案

2026年(自然语言处理开发工程师)NLP算法开发试题及答案一、单项选择题（本大题共15小题，每小题2分，共30分。在每小题给出的四个选项中，只有一项是符合题目要求的）1.在Transformer模型中，多头注意力机制的主要作用是（）。A.减少模型的参数数量，降低计算复杂度B.允许模型在不同的表示子空间中关注不同的位置信息C.增加模型的深度，从而提高拟合能力D.解决梯度消失问题，加速模型收敛2.BERT模型在预训练阶段主要使用的两个任务是（）。A.语言建模和机器翻译B.掩码语言建模和下一句预测C.掩码语言建模和判别式分类D.因果语言建模和序列标注3.在自然语言处理中，为了解决OOV（OutofVocabulary）问题，通常采用哪种分词算法？（）A.最大正向匹配算法B.BPE（BytePairEncoding）C.N-gram分词D.空格分词4.以下关于位置编码的描述，正确的是（）。A.Transformer模型必须使用Sinusoidal位置编码，不能使用可学习的位置编码B.位置编码的维度必须与词嵌入的维度一致C.位置编码在计算注意力分数时被加到Key和Value上D.位置编码是为了解决RNN无法并行计算的问题而引入的5.在生成式任务中，BeamSearch算法相比于GreedySearch的优点是（）。A.计算速度更快B.能够找到全局最优解C.能够在每一步保留多个候选序列，从而获得更优的全局解D.占用内存更少6.评估机器翻译质量时，常用的指标BLEU主要基于什么统计量？（）A.词向量的余弦相似度B.n-gram的精确匹配度C.编辑距离D.语义相似度7.LoRA（Low-RankAdaptation）技术主要用于大模型的微调，其核心思想是（）。A.冻结预训练模型的大部分权重，通过低秩矩阵分解来更新少量参数B.重新训练模型的所有参数，但使用较小的学习率C.剪枝模型中不重要的神经元D.将模型量化为8位整数8.在RAG（Retrieval-AugmentedGeneration）架构中，Retriever组件的主要作用是（）。A.生成最终的回答文本B.从外部知识库中检索与Query相关的文档片段C.对用户的输入进行意图识别D.过滤模型生成中的有害信息9.下列哪个激活函数在Transformer模型的FFN（Feed-ForwardNetwork）层中最常用？（）A.SigmoidB.TanhC.ReLU(orGELU)D.Softmax10.关于RLHF（ReinforcementLearningfromHumanFeedback），下列说法错误的是（）。A.目的是让模型的输出更符合人类的偏好和价值观B.通常包含奖励模型训练和策略强化学习两个阶段C.PPO（ProximalPolicyOptimization）是常用的强化学习算法D.完全不需要人工标注数据11.在计算交叉熵损失函数时，如果模型对正确类别的预测概率接近1，则损失值接近（）。A.1B.0C.正无穷D.负无穷12.下列关于Transformer中“残差连接”和“层归一化”的描述，不正确的是（）。A.残差连接有助于缓解深层网络中的梯度消失问题B.层归一化通常作用在残差连接之前C.Pre-LN结构（Norm在前）比Post-LN结构在训练深层Transformer时更稳定D.层归一化可以加速模型的收敛速度13.在命名实体识别（NER）任务中，BIO标注法中的“B-LOC”表示（）。A.Location实体的内部B.Location实体的开始C.Location实体的结束D.非Location实体14.对于长文本处理，为了降低Transformer的二次方复杂度，下列哪种技术不是有效的优化手段？（）A.FlashAttentionB.线性AttentionC.增加序列长度D.分块注意力15.下列哪种正则化方法在防止大模型过拟合时，通过随机丢弃神经元来增强模型的鲁棒性？（）A.L1正则化B.L2正则化C.DropoutD.EarlyStopping二、多项选择题（本大题共10小题，每小题3分，共30分。在每小题给出的四个选项中，有两项或两项以上是符合题目要求的）1.Transformer模型相比传统的RNN/LSTM模型，具有以下哪些优势？（）A.能够更好地捕捉长距离依赖关系B.计算过程可以高度并行化，训练效率高C.模型参数量通常更小D.引入了自注意力机制，能够动态关注不同位置的信息2.以下属于大语言模型（LLM）涌现能力的有（）。A.上下文学习B.指令遵循C.基础的语法纠错D.思维链推理3.在进行PromptEngineering（提示工程）时，常用的技巧包括（）。A.Few-shotLearning（少样本学习）B.ChainofThought（思维链）C.Zero-shotLearning（零样本学习）D.指定明确的输出格式4.下列关于词向量的描述，正确的有（）。A.Word2Vec包含CBOW和Skip-gram两种模型B.GloVe利用了全局的词共现矩阵C.静态词向量无法解决一词多义问题D.BERT生成的词向量是上下文相关的5.针对大模型推理优化，常见的手段包括（）。A.KVCache（键值缓存）B.量化C.算子融合D.增加BatchSize6.在训练深度学习模型时，常用的优化器有（）。A.SGDB.AdamC.AdamWD.RMSprop7.下列属于序列到序列（Seq2Seq）任务的有（）。A.文本分类B.机器翻译C.文本摘要D.问答系统（生成式）8.造成大模型“幻觉”问题的可能原因包括（）。A.训练数据中存在错误或偏差B.模型的概率分布预测错误C.模型对不确定的事实过于自信D.知识截止日期的限制9.评估文本生成任务质量的指标包括（）。A.Perplexity（困惑度）B.BLEUC.ROUGED.Accuracy10.下列关于数据清洗的描述，正确的有（）。A.去除HTML标签和特殊符号是必要的步骤B.去重可以提高训练效率，避免模型重复学习相同内容C.PII（个人隐私信息）过滤是数据安全的重要环节D.数据清洗会降低模型的泛化能力，因此应尽量避免。三、填空题（本大题共10小题，每小题2分，共20分）1.在注意力机制中，Query、Key、Value分别简写为Q、K、V，计算注意力分数的公式通常表示为：Attention(Q,K,V)=softmax(______)V。1.在注意力机制中，Query、Key、Value分别简写为Q、K、V，计算注意力分数的公式通常表示为：Attention(Q,K,V)=softmax(______)V。2.BERT-Base模型包含12个TransformerEncoder层，隐藏层维度为768，注意力头数为______。3.在深度学习中，用于衡量两个概率分布之间差异的常用指标是______Loss。4.GPT系列模型采用的是______（填“双向”或“单向”）的Transformer架构。5.为了解决梯度消失问题，LSTM引入了______门，用于控制单元状态的遗忘程度。6.在Python的NLP生态中，______库是目前最流行的加载和使用预训练模型（如BERT,GPT）的工具。7.FlashAttention通过______技术，优化了注意力计算中的内存访问次数，从而大幅提升了计算速度。8.在信息检索中，______是一种基于稠密向量的检索方法，它将文本映射为低维实数向量进行相似度计算。9.对于分类任务，Softmax函数将模型的输出转换为概率分布，其公式为So10.DPO（DirectPreferenceOptimization）是一种直接从人类偏好数据中优化策略的方法，它不需要训练______模型。四、简答题（本大题共5小题，每小题8分，共40分）1.请简述Self-Attention（自注意力）机制的原理及其计算过程，并解释为什么要引入缩放因子。2.请对比分析BERT模型和GPT模型在架构和训练目标上的主要区别。3.什么是RAG（检索增强生成）？请画出RAG系统的基本流程图（用文字描述节点和流向），并说明它相比于纯生成式模型的优势。4.请解释过拟合现象及其产生原因，并列举至少三种在NLP模型训练中防止过拟合的方法。5.简述LoRA（Low-RankAdaptation）的数学原理。假设预训练权重矩阵为∈，LoRA如何通过低秩分解来更新权重？写出更新后的公式。五、计算与分析题（本大题共2小题，每小题15分，共30分）1.Attention计算题假设我们有一个简单的Self-Attention层，输入向量维度==给定输入矩阵X（包含两个词向量,），假设我们已经通过线性变换得到了Q,Q=[1010请手动计算Attention的输出（忽略Mask和偏置项）。计算步骤包括：(1)计算分数矩阵S=(2)计算缩放后的分数矩阵（缩放因子为）。(3)对缩放后的分数矩阵的每一行进行Softmax归一化，得到权重矩阵α。(4)计算最终输出Ou2.复杂度分析题标准的Transformer自注意力机制的时间复杂度为O(·d)，其中(1)请解释为什么复杂度是O((2)假设现在有一个超长文本序列，长度L=100,(3)简述FlashAttention算法是如何通过IO感知来降低实际运行时间的（即使理论FLOPs未变）。六、综合应用题（本大题共2小题，每小题20分，共40分）1.场景设计与算法选型你所在的团队需要开发一个“智能法律文档辅助审查系统”。该系统需要处理长达100页的法律合同，并完成以下任务：1.识别合同中的关键实体（如甲方、乙方、金额、日期、违约条款）。2.针对特定的“不可抗力”条款，检索公司内部知识库中的标准条款模板，判断合同条款是否存在潜在风险。3.生成一份审查报告，列出风险点并给出修改建议。请根据上述需求，回答以下问题：(1)针对任务1，你会选择哪种模型架构？为什么？请说明输入输出的格式。(2)针对任务2，这是典型的RAG场景。请设计该模块的技术栈，包括：向量数据库的选择（举例）、Embedding模型的选择（举例）、以及检索策略（如混合检索）。(3)针对任务3，如何利用大模型生成报告？请设计一个合理的Prompt结构，包含角色设定、任务描述、输入数据示例和输出要求。(4)考虑到法律文档长度超出了普通LLM的ContextWindow（如4k或8k），你会采用什么技术方案来处理长文本？请列举至少两种方案并比较优劣。2.模型调优与故障排查在使用开源大模型（如Llama-3-8B）进行特定领域的垂直领域微调后，你发现模型虽然学会了新领域的知识，但在通用任务（如日常对话、基础逻辑推理）上的表现大幅下降，甚至出现了严重的逻辑混乱。(1)请诊断这种现象的名称及其产生的根本原因。(2)为了缓解这个问题，在数据准备阶段，你应该采取什么策略？(3)在微调方法上，对比全量微调和PEFT（如LoRA），哪种方法更适合缓解该问题？请从参数更新量和catastrophicforgetting的角度进行解释。(4)除了数据和方法调整，还可以通过哪些评估指标来量化模型在通用能力上的下降？请列举至少两个指标。参考答案与详细解析一、单项选择题1.B解析：多头注意力机制将输入分别映射到多个不同的子空间，每个头学习不同的注意力特征，最后拼接在一起。这使得模型能够同时关注来自不同表示子空间的不同位置的信息，增强了模型的表达能力。解析：多头注意力机制将输入分别映射到多个不同的子空间，每个头学习不同的注意力特征，最后拼接在一起。这使得模型能够同时关注来自不同表示子空间的不同位置的信息，增强了模型的表达能力。2.B解析：BERT（BidirectionalEncoderRepresentationsfromTransformers）的预训练任务包括掩码语言建模，随机掩盖部分词让模型预测；以及下一句预测，判断两个句子是否为原文中的上下句。解析：BERT（BidirectionalEncoderRepresentationsfromTransformers）的预训练任务包括掩码语言建模，随机掩盖部分词让模型预测；以及下一句预测，判断两个句子是否为原文中的上下句。3.B解析：BPE（BytePairEncoding）是一种子词分词算法，它通过统计字节对的出现频率来合并高频词对，从而有效解决OOV问题，同时平衡词表大小。Word2Vec等传统方法基于整词，容易OOV。解析：BPE（BytePairEncoding）是一种子词分词算法，它通过统计字节对的出现频率来合并高频词对，从而有效解决OOV问题，同时平衡词表大小。Word2Vec等传统方法基于整词，容易OOV。4.B解析：位置编码向量需要加到词嵌入向量上，因此它们的维度必须相同。Transformer可以使用Sinusoidal固定位置编码，也可以使用可学习的位置编码（如BERT）。位置编码是为了注入序列顺序信息，因为Self-Attention本身是置换不变的。解析：位置编码向量需要加到词嵌入向量上，因此它们的维度必须相同。Transformer可以使用Sinusoidal固定位置编码，也可以使用可学习的位置编码（如BERT）。位置编码是为了注入序列顺序信息，因为Self-Attention本身是置换不变的。5.C解析：贪婪搜索每步只选概率最大的一个词，容易陷入局部最优。BeamSearch每一步保留Top-K个候选序列，最终在所有候选中选最优，全局搜索能力更强，但计算量和内存消耗增加。解析：贪婪搜索每步只选概率最大的一个词，容易陷入局部最优。BeamSearch每一步保留Top-K个候选序列，最终在所有候选中选最优，全局搜索能力更强，但计算量和内存消耗增加。6.B解析：BLEU（BilingualEvaluationUnderstudy）主要基于n-gram的精确匹配度，计算候选译文与参考译文的n-gram重叠程度。解析：BLEU（BilingualEvaluationUnderstudy）主要基于n-gram的精确匹配度，计算候选译文与参考译文的n-gram重叠程度。7.A解析：LoRA冻结预训练模型的权重，并在每个Transformer块旁路注入低秩分解矩阵（A和B），只训练这些少量参数，从而极大降低显存占用和训练成本。解析：LoRA冻结预训练模型的权重，并在每个Transformer块旁路注入低秩分解矩阵（A和B），只训练这些少量参数，从而极大降低显存占用和训练成本。8.B解析：RAG（Retrieval-AugmentedGeneration）中，Retriever负责从外部知识库检索相关文档，Generator（LLM）负责基于检索到的内容生成回答。解析：RAG（Retrieval-AugmentedGeneration）中，Retriever负责从外部知识库检索相关文档，Generator（LLM）负责基于检索到的内容生成回答。9.C解析：Transformer的FFN层通常包含两个线性变换，中间夹一个激活函数。原论文使用ReLU，现代变体（如BERT,GPT-2/3）常使用GELU（GaussianErrorLinearUnit）。解析：Transformer的FFN层通常包含两个线性变换，中间夹一个激活函数。原论文使用ReLU，现代变体（如BERT,GPT-2/3）常使用GELU（GaussianErrorLinearUnit）。10.D解析：RLHF全称基于人类反馈的强化学习，它严重依赖人工标注数据来训练奖励模型（RM）或提供偏好排序，以对齐模型输出与人类价值观。解析：RLHF全称基于人类反馈的强化学习，它严重依赖人工标注数据来训练奖励模型（RM）或提供偏好排序，以对齐模型输出与人类价值观。11.B解析：交叉熵损失公式为L=−∑ylog(p)。当正确类别的预测概率12.B解析：在Transformer中，层归一化通常作用在残差连接之后（Post-LN）或者之前（Pre-LN），即x+SubLayer(Layer13.B解析：BIO标注法中，B-表示Begin，即实体的开始；I-表示Inside，即实体的内部。解析：BIO标注法中，B-表示Begin，即实体的开始；I-表示Inside，即实体的内部。14.C解析：增加序列长度会直接增加计算量，不是优化手段。FlashAttention、线性Attention、分块注意力都是为了降低长序列的计算或显存复杂度。解析：增加序列长度会直接增加计算量，不是优化手段。FlashAttention、线性Attention、分块注意力都是为了降低长序列的计算或显存复杂度。15.C解析：Dropout在训练时以一定概率随机将神经元置零，防止神经元过度依赖特定特征，从而抑制过拟合。解析：Dropout在训练时以一定概率随机将神经元置零，防止神经元过度依赖特定特征，从而抑制过拟合。二、多项选择题1.ABD解析：Transformer基于Self-Attention，擅长捕捉长距离依赖（A）；计算矩阵乘法，可并行（B）；引入Attention机制（D）。Transformer参数量通常比同等效果的LSTM大，因为有多头和深层结构，C错误。解析：Transformer基于Self-Attention，擅长捕捉长距离依赖（A）；计算矩阵乘法，可并行（B）；引入Attention机制（D）。Transformer参数量通常比同等效果的LSTM大，因为有多头和深层结构，C错误。2.ABD解析：涌现能力是指模型规模达到一定程度后突然出现的能力。上下文学习、指令遵循、思维链推理均属于涌现能力。基础的语法纠错在小模型上也能做，不属于典型的涌现能力。解析：涌现能力是指模型规模达到一定程度后突然出现的能力。上下文学习、指令遵循、思维链推理均属于涌现能力。基础的语法纠错在小模型上也能做，不属于典型的涌现能力。3.ABCD解析：四项均为PromptEngineering的常用技巧。解析：四项均为PromptEngineering的常用技巧。4.ABCD解析：Word2Vec包含CBOW和Skip-gram；GloVe利用共现矩阵；静态词向量（Word2Vec）无法区分多义；BERT生成动态上下文向量。四项均正确。解析：Word2Vec包含CBOW和Skip-gram；GloVe利用共现矩阵；静态词向量（Word2Vec）无法区分多义；BERT生成动态上下文向量。四项均正确。5.ABC解析：KVCache、量化、算子融合都是常见的推理优化手段。增加BatchSize虽然能提高吞吐量，但在低延迟场景下不一定适用，且不是针对单次推理效率的优化，反而可能增加显存压力。但在大模型推理中，BatchSize通常受限于显存，不能随意增加。这里主要选ABC。注：在某些并发场景下Batching也是一种优化，但ABC是更底层的算子/显存优化。解析：KVCache、量化、算子融合都是常见的推理优化手段。增加BatchSize虽然能提高吞吐量，但在低延迟场景下不一定适用，且不是针对单次推理效率的优化，反而可能增加显存压力。但在大模型推理中，BatchSize通常受限于显存，不能随意增加。这里主要选ABC。注：在某些并发场景下Batching也是一种优化，但ABC是更底层的算子/显存优化。6.ABCD解析：四种均为常用的深度学习优化器。解析：四种均为常用的深度学习优化器。7.BCD解析：文本分类是输入到输出，不是Seq2Seq。机器翻译、文本摘要、生成式问答都是Seq2Seq任务。解析：文本分类是输入到输出，不是Seq2Seq。机器翻译、文本摘要、生成式问答都是Seq2Seq任务。8.ABCD解析：幻觉原因复杂，包括数据错误、模型预测偏差、过度自信以及知识盲区（截止日期）等。解析：幻觉原因复杂，包括数据错误、模型预测偏差、过度自信以及知识盲区（截止日期）等。9.ABC解析：PPL、BLEU、ROUGE均可用于评估生成任务。Accuracy主要用于分类任务。解析：PPL、BLEU、ROUGE均可用于评估生成任务。Accuracy主要用于分类任务。10.ABC解析：去除标签、去重、PII过滤都是标准的数据清洗步骤。数据清洗是提高模型质量和安全性的必要手段，D错误。解析：去除标签、去重、PII过滤都是标准的数据清洗步骤。数据清洗是提高模型质量和安全性的必要手段，D错误。三、填空题1.解析：标准的ScaledDot-ProductAttention公式。解析：标准的ScaledDot-ProductAttention公式。2.12解析：BERT-Base配置为12层，12个注意力头，768隐藏维度。解析：BERT-Base配置为12层，12个注意力头，768隐藏维度。3.交叉熵解析：衡量两个概率分布（真实标签和预测概率）的差异，常用CrossEntropy。解析：衡量两个概率分布（真实标签和预测概率）的差异，常用CrossEntropy。4.单向解析：GPT（GenerativePre-trainedTransformer）使用Decoder-only架构，具有因果掩码，是单向的，只能看上文。解析：GPT（GenerativePre-trainedTransformer）使用Decoder-only架构，具有因果掩码，是单向的，只能看上文。5.遗忘解析：LSTM中的ForgetGate控制细胞状态保留多少历史信息。解析：LSTM中的ForgetGate控制细胞状态保留多少历史信息。6.Transformers(或HuggingFace)解析：HuggingFace的Transformers库是行业标准。解析：HuggingFace的Transformers库是行业标准。7.分块计算(或Tiling)解析：FlashAttention利用Tiling技术，将大矩阵运算分块处理，保证数据在HBM（高带宽内存）和SRAM（静态随机存取存储器）间高效传输，减少HBM读写的瓶颈。解析：FlashAttention利用Tiling技术，将大矩阵运算分块处理，保证数据在HBM（高带宽内存）和SRAM（静态随机存取存储器）间高效传输，减少HBM读写的瓶颈。8.稠密检索(或DenseRetrieval/SemanticSearch)解析：对应于稀疏检索（如BM25），稠密检索使用向量相似度。解析：对应于稀疏检索（如BM25），稠密检索使用向量相似度。9.数值稳定(或减去最大值MaxLogit)解析：在计算Softmax时，先从输入向量中减去最大值，防止指数运算溢出。解析：在计算Softmax时，先从输入向量中减去最大值，防止指数运算溢出。10.奖励解析：DPO直接使用偏好数据优化策略，省去了RLHF中显式训练奖励模型和随后的强化学习循环。解析：DPO直接使用偏好数据优化策略，省去了RLHF中显式训练奖励模型和随后的强化学习循环。四、简答题1.Self-Attention原理：Self-Attention允许模型在处理序列中的每个元素时，直接关注序列中的其他所有元素，计算它们之间的相关性权重，进而聚合信息。计算过程：(1)输入序列X通过三个线性变换矩阵,,生成Query(Q),Key(K),Value(V(2)计算Q和K的点积，得到注意力分数矩阵，表示元素间的相关性。(3)将分数除以（缩放因子），防止点积过大导致Softmax梯度极小。(4)对缩放后的分数进行Softmax归一化，得到注意力权重。(5)将权重与V相乘，得到加权后的输出。缩放因子原因：当维度很大时，点积结果数值很大，会导致Softmax函数进入梯度极小的饱和区，影响反向传播梯度更新。除以使数值分布更稳定，利于训练。2.BERTvsGPT：架构：BERT：仅使用Transformer的Encoder部分。Encoder是双向的，即每个词都能看到上下文的所有词。GPT：仅使用Transformer的Decoder部分。Decoder是单向的（带MaskedSelf-Attention），每个词只能看到它之前的词。训练目标：BERT：掩码语言模型（MLM）+下一句预测（NSP）。擅长理解类任务（如分类、NER、QA）。GPT：因果语言模型（CLM）。预测下一个词。擅长生成类任务（如文本续写）。3.RAG（检索增强生成）：RAG是一种结合了检索和生成的技术。它先从外部知识库检索相关信息，然后将检索到的内容作为提示输入给大模型，最后生成回答。流程：(1)用户输入Query->(2)检索器在向量数据库中检索相关文档->(3)将检索到的文档与Query拼接->(4)输入给生成器（LLM）->(5)生成最终回答。优势：减少幻觉：模型基于检索到的事实回答，而非编造。知识更新：更新外部知识库即可更新模型知识，无需重新训练模型。可解释性：可以引用检索到的文档来源。领域特定：利用私有数据增强模型能力。4.过拟合：模型在训练数据上表现很好，但在测试数据（未见数据）上表现很差的现象。原因：模型复杂度过高，训练数据太少，数据分布不均，或者训练时间过长导致模型“死记硬背”了训练数据的噪声。防止方法：(1)Dropout：随机丢弃神经元。(2)正则化：如L1/L2权重衰减。(3)早停：监控验证集Loss，不再下降时停止训练。(4)数据增强：增加训练数据的数量和多样性。(5)预训练与微调：利用大规模预训练知识。5.LoRA数学原理：LoRA假设模型在适应特定任务时，权重更新的改变量ΔW设预训练权重为∈。LoRA将ΔW分解为两个低秩矩阵B∈和A∈更新公式为：W前向传播时，输入x，输出为h=训练时，冻结，只更新A和B。由于r很小，可训练参数量大大减少。五、计算与分析题1.解：=(1)计算分数矩阵S=Q=[10====S=[(2)缩放分数矩阵（缩放因子）:=[1(3)Softmax归一化:第一行[1,0==第二行[0,1==α≈[(4)计算输出OuV=[Output第一行=0.731==Output第二行=0.269==Out2.解：(1)复杂度解释：Attention的计算核心是Q。Q和K的形状都是L×d。矩阵乘法Q需要计算L×L个位置，每个位置是d维向量的点积。因此计算复杂度为(2)FLOPs估算：公式：2×代入：L=FLOPs≈2即约80万亿次浮点运算。这对显存和计算资源要求极高。(3)FlashAttention优化原理：标准Attention计算需要将巨大的N×FlashAttention利用分块计算技术，将Q,它在计算Softmax和矩阵乘法时，采用在线Softmax和累加技巧，在不显式生成完整N×这样大大减少了HBM（带宽瓶颈）的读写次数，虽然理论FLOPs没有减少，但由于IO等待时间大幅缩短，实际运行速度显著提升，且显存占用从O(六、综合应用题1.解：(1)任务1（实体识别）：模型：BERT-basedSequenceLabelingModel(e.g.,BERT+CRF或BERT+LinearHead)。原因：合同实体识别是典型的序列标注任务，BERT能很好地捕捉上下文双