# 1. Constrained Decoding（JSON Mode、Grammar）的真实工程价值 A 约束解码会降低输出合法性 B 约束解码用 JSON/Grammar 约束保证结构化输出，减少解析错误 ✓ 正确答案 C 约束解码无边界 D 约束解码只在离线用
# 2. Self-Consistency 与 CoT 在生产环境的真实效果 A Self-Consistency 多次采样投票提升推理可靠性，但成本高，适合高价值任务 ✓ 正确答案 B 所有任务都适用 Self-Consistency C CoT 无成本 D Self-Consistency 只采样一次
# 3. 幻觉检测（Hallucination Detection）的工程方法 A 幻觉无法检测 B 幻觉检测零成本 C 幻觉检测无边界 D 幻觉检测用事实校验、自验证、置信度与来源比对，RAG 场景校验上下文支持 ✓ 正确答案
# 4. 知识截止（Knowledge Cutoff）带来的真实业务影响 A 模型知识永远最新 B 知识截止无影响 C 知识截止导致过时答案，需用 RAG 与实时工具补充最新信息 ✓ 正确答案 D 模型无法解决时效问题
# 5. RAG 与 Fine-tuning 在减少幻觉上的协同 A RAG 与微调互斥 B RAG 从输入侧给事实、微调从行为侧塑习惯，协同降低幻觉 ✓ 正确答案 C 微调能注入新知识 D 只需微调即可防幻觉
# 6. RAG 与 Tool Use 在减少幻觉上的真实互补 A RAG 与 Tool Use 互斥 B RAG 管文档知识、Tool Use 管实时数据与计算，互补减少不同类型幻觉 ✓ 正确答案 C Tool Use 能查文档 D RAG 能算数
# 8. Agent 系统的注入攻击面评估 A Agent 注入攻击面广（输入、工具、外部内容），需威胁建模与多层防护 ✓ 正确答案 B Agent 只有用户输入一个攻击面 C 外部文档不可作攻击面 D 工具内容是可信的
# 9. Indirect Prompt Injection 的真实风险评估 A 间接注入只来自用户输入 B 外部内容绝对可信 C 间接注入藏于外部内容，需内容隔离、来源区分与敏感操作审批 ✓ 正确答案 D 无需评估外部内容
# 10. Jailbreak 防护的真实工程经验 A 单条安全提示即可防 Jailbreak B 只需输出过滤 C Jailbreak 无法防御 D Jailbreak 防护需多层（输入/输出过滤+权限+监控）并持续红队迭代 ✓ 正确答案
# 11. Jailbreak、Data Poisoning、Model Extraction 的真实工程边界 A 三类攻击攻击面相同 B Jailbreak 攻输出、Poisoning 攻数据、Extraction 攻模型，防护分别对应 ✓ 正确答案 C Data Poisoning 只影响提示 D Model Extraction 无法防护
# 13. 权限边界（Privilege Boundary）在 LLM 系统中的真实设计 A LLM 应有系统最高权限 B LLM 权限边界靠最小权限、操作分级、沙箱与审计，需小于用户 ✓ 正确答案 C 权限边界无需审计 D LLM 权限不可撤销
# 14. AI 系统的攻击面（Attack Surface）的真实评估 A AI 攻击面只有输入 B 攻击面无需评估 C 检索不可能被攻击 D AI 攻击面含模型、提示、检索、数据、输出等，需威胁建模与风险排序 ✓ 正确答案
# 16. LLM 红队演练的对抗面（注入/越狱/数据泄露）如何覆盖，结果如何转化为修复优先级与护栏？ A 红队结果只写报告 B 红队覆盖注入/越狱/泄露，按严重度定优先级并落地为护栏验证 ✓ 正确答案 C 红队无需优先级 D 护栏无需验证
# 17. Sandboxing 与最小权限原则在 LLM 中的应用 A 沙箱与最小权限互斥 B 沙箱隔离环境、最小权限限制能力，二者配合防越权与泄露 ✓ 正确答案 C 最小权限给 LLM 全部权限 D 沙箱无需审计
# 18. 输出过滤（Output Filtering）的真实效果与边界 A 输出过滤能拦截所有有害内容 B 输出过滤可替代权限 C 输出过滤无延迟 D 输出过滤是最后一道闸，能拦截明显有害内容但有误报漏报 ✓ 正确答案
# 20. LLM 幻觉（Hallucination）的真实频率与分类 A 幻觉只有一种类型 B 幻觉无成因 C 幻觉频率恒定 D 幻觉分事实性、忠实性、逻辑性、技术性，频率随任务与模型变化 ✓ 正确答案
# 21. RAG 对幻觉率的真实降低幅度 A RAG 显著降低知识性幻觉，但受检索质量影响，不能完全消除 ✓ 正确答案 B RAG 能完全消除幻觉 C RAG 对幻觉无影响 D RAG 引入的检索噪声无害
# 22. 事实性幻觉（Factuality）vs 忠实性幻觉（Faithfulness）的真实差异 A 事实性幻觉是答案与事实不符，忠实性幻觉是与输入不符，应对不同 ✓ 正确答案 B 两类幻觉无区别 C 忠实性幻觉与客观事实无关 D 两类幻觉应对相同
# 23. 幻觉率（Hallucination Rate）的真实测量方法 A 幻觉率无法测量 B 幻觉率靠与来源比对、人工标注与 LLM 判定，标准主观需校准 ✓ 正确答案 C 幻觉率测量无局限 D 只需人工即可测量
# 24. Prompt Injection 的工程化防御边界 A 提示强化可完美防注入 B 注入无危害 C 输入过滤能拦截所有注入 D Prompt Injection 难完美防御，靠纵深防御与权限最小化控制影响 ✓ 正确答案
# 25. 工具调用（Tool Use）中的注入风险 A 工具返回内容一定可信 B 工具参数不需校验 C 工具调用无风险 D 工具调用注入风险来自外部内容与返回，需隔离、校验、最小权限与审计 ✓ 正确答案
# 26. 数据外泄（Data Exfiltration）通过 Prompt 的真实案例 A 数据不会通过 Prompt 泄露 B 额外数据无风险 C 日志无需脱敏 D 数据外泄靠上下文最小化、脱敏、输出过滤与工具白名单防护 ✓ 正确答案
# 27. Self-Verification 与外部校验（Fact-Checking）的真实差异 A 自验证可靠 B 外部校验依赖模型 C 自验证便宜但可能验不出自身错，外部校验独立可靠但成本高 ✓ 正确答案 D 两者等价
# 28. Prompt 模板的注入审计（Audit） A Prompt 模板无需审计 B 模板可由任何人修改 C 模板可随意拼接不可信内容 D Prompt 模板注入审计靠静态审查、权限管控与版本评审，模板是受控资产 ✓ 正确答案
# 29. Prompt 防火墙（如 Cloudflare AI Gateway）的真实防护 A Prompt 防火墙能拦所有注入 B 防火墙可替代权限 C Prompt 防火墙无需配置 D Prompt 防火墙是统一网关+输入过滤，能拦已知注入，但对语义级有限 ✓ 正确答案
# 30. Security Audit 与 Prompt 审计的协同 A Security Audit 与 Prompt 审计互斥 B Security Audit 管系统层、Prompt 审计管内容层，协同交叉验证闭环 ✓ 正确答案 C Prompt 审计可替代安全审计 D 两者无需协同
# 31. AI 系统的真实威胁建模（STRIDE + ATLAS） A STRIDE 覆盖所有 AI 威胁 B STRIDE 覆盖通用威胁，ATLAS 覆盖 AI 特有威胁，结合形成完整威胁建模 ✓ 正确答案 C ATLAS 只覆盖通用威胁 D 威胁建模无需数据流
# 32. Microsoft PyRIT 等 AI 红队工具的真实使用 A PyRIT 可替代人工红队 B PyRIT 只测代码 C PyRIT 自动化生成注入/越狱等攻击测试，适合基线红队，创意攻击需人工 ✓ 正确答案 D PyRIT 无法评估结果
