• Главная
• Тесты НМО
• Тест с ответами по теме «Большие языковые модели и генеративный искусственный интеллект»

Тест с ответами по теме «Большие языковые модели и генеративный искусственный интеллект»

Вашему вниманию представляется Тест с ответами по теме «Большие языковые модели и генеративный искусственный интеллект» в рамках программы НМО: непрерывного медицинского образования для медицинских работников (врачи, медсестры и фармацевты). Тест с ответами по теме «Большие языковые модели и генеративный искусственный интеллект» в рамках программы НМО: непрерывного медицинского образования для медицинского персонала высшего и среднего звена (врачи, медицинские сестры и фармацевтические работники) позволяет успешнее подготовиться к итоговой аттестации и/или понять данную тему.

• большие
• языковые
• модели
• генеративный
• искусственный
• интеллект

---

1. Агент RAG – Retrieval-Augmented Generation Agent в мультиагентной системе (MAS) является агентом

1) измерения физикальных параметров;
2) первичного ввода данных пациентом;
3) проведения лабораторных тестов;
4) контекстного анализа и генерации выводов.+

2. Агент причинно-следственных связей (CRA - Causal Reasoning Agent) отвечает за

1) маршрутизацию данных;
2) выявление возможных диагнозов на основе агрегированных данных;+
3) генерацию финального заключения;
4) контроль качества выводов.

3. В каких случаях рекомендуется выбирать SLM?

1) задача представляет собой классификацию или извлечение данных;+
2) требуется генерация сложных художественных текстов;
3) требуется сертификация регулирующими органами;+
4) данные являются чувствительными – предпочтительна конфиденциальная (on-premise) обработка.+

4. В чем заключается основной недостаток монолитных больших языков моделей (LLM)?

1) чрезмерная простота архитектуры;
2) отсутствие специализации и слабая интерпретируемость;+
3) слишком низкая стоимость;
4) неспособность работать с текстом.

5. Группа агентов «Лаборатория» обрабатывает

1) данные рентгенографии;
2) физикальные параметры;
3) только данные анамнеза;
4) биохимические и микробиологические данные.+

6. Какая из перечисленных моделей является примером большой языковой модели (LLM)?

1) TinyLLaMA-Med;
2) GPT-4;+
3) MedAlpaca-1.3B;
4) BioBERT.

7. Какая из перечисленных моделей является примером малых языковых моделей (Small Language Model, SLM)?

1) BioBERT;+
2) GPT-4;
3) Llama-3-70B;
4) Med-PaLM 2.

8. Какая из проблем относится к техническим вызовам мультиагентной системы (MAS)?

1) зависимость от качества данных;+
2) ответственность (врач или система);
3) требования Росздравнадзора;
4) защита персональных данных.

9. Какая из проблем относится к этическим вызовам мультиагентной системы (MAS)?

1) выбор цвета интерфейса;
2) стоимость разработки;
3) прозрачность решений (возможность врача понять логику модели);+
4) скорость работы системы.

10. Какая из стратегий совмещения большой языковой модели (LLM) и малой языковой модели (SLM) предполагает первичный анализ данных локально?

1) ансамбли из SLM;
2) использование только облачных LLM;
3) только Retrieval-Augmented Generation (RAG) для обоих типов;
4) on-device SLM + cloud LLM по запросу.+

11. Какие данные обрабатывают агенты группы «Переменные»?

1) результаты анализа мокроты;
2) данные компьютерной томографии;
3) анализ жизни (анамнез), симптомы и физикальные параметры;+
4) только данные спирометрии.

12. Какие из следующих утверждений о малых языковых моделях (SLM) верны?

1) проще поддаются контролю и сертификации;+
2) могут работать на локальных серверах;+
3) имеют, как правило, более 7B параметров;
4) требуют для работы мощные GPU и облако.

13. Каков приблизительный порог количества параметров для отнесения модели к классу большие языковые модели (Large Language Models, LLM)?

1) >7 миллиардов (7B);+
2) >1 миллиарда (1B);
3) >10 миллиардов (10B);
4) <3 миллиардов (3B).

14. Каков приблизительный порог количества параметров для отнесения модели к классу малых языковых моделей (Small Language Models, SLM)?

1) <3 миллиардов (3B);+
2) >10 миллиардов (10B);
3) >5-7 миллиардов (5-7B);
4) >4 миллиардов (4B).

15. Какое из требований является уникальным для применения ИИ в здравоохранении?

1) интерпретируемость – интерпретируемость решений для врача;+
2) надежность – воспроизводимые, стабильные ответы;+
3) скорость – высокая скорость генерации текста;
4) безопасность – нулевая толерантность к галлюцинациям.+

16. Какой этап эволюции архитектур в цифровой медицине представляет собой «моделирование клинического процесса»?

1) электронные карты (EMR);
2) ассистенты больших языковых моделей (LLM);
3) мультиагентные системы (MAS);+
4) CDSS на правилах.

17. Какую модель, как правило, проще контролировать?

1) малую языковую модель (SLM);+
2) большую языковую модель (LLM);
3) GPT-4;
4) Llama-3-70B.

18. Ключевой критерий различия между большими языковыми моделями (LLM) и малыми языковыми моделями (SLM) — это

1) используемый фреймворк для обучения;
2) практическая применимость и масштаб;+
3) только количество параметров;
4) язык, на котором обучена модель.

19. Малая языковая модель (SLM) предназначена для

1) для ограниченного использования под закрытой лицензией;
2) для исследований, прототипов, сложных диагностических ассистентов (при наличии ресурсов);
3) для обучения и дообучения сверхкрупных языковых моделей в распределённых дата-центрах;
4) для реального внедрения в ресурсо-ограниченные, регулируемые среды.+

20. Модель не может быть сертифицирована, если

1) она не использует Retrieval-Augmented Generation (RAG);
2) она работает слишком медленно;
3) нельзя объяснить, как она работает;+
4) она имеет мало параметров.

21. Мультиагентная система (MAS) имитирует

1) одного универсального эксперта;
2) базу данных пациентов;
3) работу одного мощного алгоритма;
4) консилиум экспертов разных специальностей.+

22. Окончательное диагностическое заключение в мультиагентной системе (MAS) формирует

1) AG. Консилиум (Consilium Agent);+
2) AG. Агрегатор;
3) AG. Разбор текста;
4) AG. Пациент.

23. Основная задача, обозначенная на графике «Баланс между ресурсами и надежностью»

1) увеличить мощность большой языковой модели (LLM);
2) увеличить количество параметров в малой языковой модель (SLM);
3) сделать малую языковую модель (SLM) точнее и надежнее, не увеличивая их требования к ресурсам;+
4) сделать большую языковую модель (LLM) дешевле.

24. Основное предназначение большой языковой модели (LLM)

1) широкое внедрение в сельских клиниках;
2) реальное внедрение в регулируемых средах;
3) для исследований, прототипов, сложных диагностических ассистентов;+
4) работа на edge-устройствах.

25. Роль агента «Критик» – это

1) агрегация данных;
2) разбор текста;
3) проверка логической согласованности, полноты и достоверности выводов, сформированных агентами Causal Reasoning Agent (CRA) и Retrieval-Augmented Generation Agent (RAG);+
4) формирование рекомендаций по лечению.

26. Согласно Приказу Минздрава России №181н, что обязаны делать медицинские системы искусственного интеллекта?

1) автоматически передавать деидентифицированные данные о своей работе в росздравнадзор;+
2) не требовать документации;
3) использовать только зарубежные аналоги моделей;
4) работать исключительно в облачных средах.

27. Функция агента агрегации данных агрегатора заключается в

1) извлечении сущностей из текста;
2) визуализации данных для врача;
3) принятии окончательного клинического решения;
4) сборе, нормализации и объединении данных от всех специализированных агентов.+

28. Что из перечисленного является примером задачи, решаемой языковыми моделями в медицине?

1) разработка стратегии и тактики лечения;+
2) системы поддержки принятия врачебных решений;+
3) определение расстояния от транспортного средства до объекта;
4) задачи медицинской диагностики, анализ симптомов, записей в ЭМК, дальнейшая классификация.+

29. Что из перечисленного является техническим преимуществом мультиагентной системы (MAS)?

1) соблюдение протоколов;
2) модульность;+
3) повышение точности диагностики;
4) снижение времени на анализ.

30. Что такое Retrieval-Augmented Generation (RAG) в контексте медицинских систем искусственного интеллекта?

1) технология, сочетающая поиск в базах знаний и генерацию ответов;+
2) протокол передачи данных;
3) правило-based система валидации;
4) метод уменьшения размера модели.

Специальности для предварительного и итогового тестирования:

Акушерство и гинекология, Инфекционные болезни, Кардиология, Лечебное дело, Неврология, Нейрохирургия, Общая врачебная практика (семейная медицина), Онкология, Организация здравоохранения и общественное здоровье, Педиатрия, Педиатрия (после специалитета), Пульмонология, Рентгенология, Рентгенэндоваскулярные диагностика и лечение, Терапия, Травматология и ортопедия, Фтизиатрия, Функциональная диагностика, Эндокринология.

Ответы: Файлы с выделенными ответами вы можете получить в боте. Выбираете свою специальность и открываете доступ тут: Telegrаm

Если Вы уважаете наш труд и разделяете наши ценности (помощь медицинским работникам), если Вам хочется внести свой вклад в развитие нашего проекта, поддерживайте нас донатами: вносите свой посильный вклад в общее дело пожертвованиями и финансовой помощью. Чем больше у нас будет ресурсов, тем больше мы сделаем вместе для медицинских работников (Ваших коллег).

---