# 1. 128K/200K 上下文窗口下如何合理安排系统提示/历史/检索块的位置 A 系统提示必须放在中间才能被记住 B 模型对所有上下文位置一视同仁，位置无关紧要 C 检索结果越多越好，可以全部塞进上下文 D 开头和结尾的信息最容易被模型利用，中间部分最容易被忽略，因此关键信息应放在锚点位置 ✓ 正确答案
# 2. "Lost in the Middle"现象对长上下文检索结果排序的启示 A 中间位置的信息最容易被忽略，因此应把最相关结果放在上下文高注意力区并控制注入数量 ✓ 正确答案 B 检索结果一律按相关度降序排列即可，无需关心位置 C 信息位置对长上下文模型完全无影响 D 注入的检索块越多越能保证模型找到答案
# 3. 多文档问答时如何做跨文档证据聚合而非简单拼接 A 把所有文档的段落直接拼进上下文效果最好 B 应去重、识别冲突并归纳成结构化证据摘要，同时保留来源以便追溯 ✓ 正确答案 C 跨文档问答不需要处理证据冲突 D 证据聚合与简单拼接在效果上没有区别
# 4. 超长上下文的推理成本非线性增长如何约束输入长度 A 输入长度越长模型质量越高，应尽量多用 B 注意力成本随输入长度非线性增长，需通过预算分配、摘要压缩等手段约束输入长度 ✓ 正确答案 C 成本只和输出 token 有关，与输入无关 D 输入长度增长与成本无关
# 5. 上下文压缩（Context Compression）的抽取式 vs 抽象式摘要取舍 A 抽取式保真度高、可溯源但归纳能力弱；抽象式压缩率高但易幻觉，应按保真度需求选择 ✓ 正确答案 B 抽象式摘要永远优于抽取式 C 抽取式摘要一定会产生幻觉 D 两者没有区别，可随意替换
# 6. 自动摘要作为上下文代理（proxy context）时的信息损失评测 A 摘要看起来通顺就说明没有信息损失 B 摘要永远不会丢失信息 C 应构建覆盖原文关键信息的问题集，对比原文与摘要作为上下文时的回答召回率来量化信息损失 ✓ 正确答案 D 信息损失无法评测
# 7. 分层上下文，核心摘要+按需展开细节的两级加载设计 A 摘要和细节应一次性全部塞进上下文 B 摘要只在需要时才生成 C 两级设计中摘要可以随意编造 D 全局摘要保持在上文做导航，细节按需通过工具加载，并需维护摘要与细节的一致性 ✓ 正确答案
# 8. 长代码库理解时如何做文件级/函数级分层检索注入 A 应把整个代码库一次性塞进上下文 B 代码库不需要检索，直接询问模型即可 C 以项目/文件/函数为粒度分层索引，先取概览再按需注入相关函数及调用关系 ✓ 正确答案 D 函数实现与调用关系无关紧要
# 9. MemGPT 式分层记忆在超长会话中的边界与失效场景 A 记忆检索失败、摘要漂移、记忆冲突、管理成本都是其边界与失效场景 ✓ 正确答案 B 分层记忆永远不会失效 C 分层记忆只受限于模型输出长度 D 记忆写入了就一定能被检索到
# 10. Agentic Chunking，让 LLM 决定切分点的成本与收益 A 它比固定切分更便宜且更快 B 它只影响切分速度不影响检索质量 C 它完全不需要调用 LLM D 它能切出更语义内聚的块、提升检索质量，但 LLM 切分成本高、延迟高，宜离线做并缓存结果 ✓ 正确答案
# 11. 长文档问答的引用溯源（citation/页码定位）如何工程实现，答案片段如何回映射到原文页码、段落与坐标 A 切块后页码自然保留，无需额外设计 B 引用溯源只需要模型自己猜 C 需在每个块携带页码/段落/坐标元数据，让模型输出带来源标记，再通过映射表回映射到原文位置 ✓ 正确答案 D 摘要压缩不会影响引用溯源
# 12. 超长文档生成时的流式输出与中间状态保存 A 超长文档应一次性生成完再返回 B 流式输出与状态保存是互相冲突的 C 用流式输出改善体验，并持久化中间状态以支持中断后的断点续跑 ✓ 正确答案 D 中间状态保存没有必要，重开即可
# 13. 长文档处理任务如何做断点续跑与部分结果复用 A 部分结果复用会导致结果不一致 B 任务失败后必须全部重跑 C 把任务拆成独立单元并缓存各自结果，持久化进度，失败只需重跑失败单元并复用已完成结果 ✓ 正确答案 D 断点续跑只能在单机完成
# 14. 书籍/法规级文档的问答系统设计（目录索引+章节检索+全局摘要） A 对整本书做一次性向量检索即可 B 法规类文档不需要考虑版本生效问题 C 目录结构对检索没有帮助 D 应建立目录索引、章节级+段落级两级检索，并用全局摘要做导航定位 ✓ 正确答案
# 15. 引用定位失败（切块后页码丢失、版面偏移）如何处理，才能向用户诚实呈现而非伪造锚点 A 应让模型编造一个页码来保证引用完整 B 页码丢失后直接不显示任何引用 C 一旦定位失败就彻底放弃该答案 D 不能伪造锚点，应降级为章节/段落或明确提示无法精确定位 ✓ 正确答案
# 16. 长上下文场景下的 Prompt Caching 命中边界如何设计 A 任何位置的缓存都能命中 B 变化内容放在任何位置都能命中缓存 C 缓存命中率与内容布局无关 D 应把稳定前缀放前面、动态变化内容放后面，避免破坏前缀匹配，并考虑 TTL 与容量 ✓ 正确答案
# 17. 引用溯源质量（引用支持率、定位准确率）如何评估并纳入发布门禁 A 应同时评估引用支持率与定位准确率，并设阈值作为发布门禁，不达标则阻塞或回退 ✓ 正确答案 B 有引用就算达标，无需检查内容 C 引用溯源质量无法量化 D 门禁只需看延迟指标
# 18. 长文档的语义分块（semantic chunking）相比固定窗口的优势 A 固定窗口切块更完整 B 语义分块会降低检索质量 C 语义分块按语义边界切分，块内更内聚、检索命中率更高，但切分逻辑更复杂 ✓ 正确答案 D 两者对检索没有区别
# 19. 混合检索（BM25+向量+Rerank）在长文档中的参数调优 A 参数越多越好，无需评测 B 长文档中 BM25 完全无用 C Rerank 候选数越大越好 D 应调优各通道 Top-K、融合权重与 Rerank 候选数，并用评测集离线验证召回与精度 ✓ 正确答案
# 20. 长文档的递归摘要树（RAPTOR）如何支持宏观与细节双路检索 A 它只支持单粒度检索 B 树上层提供宏观摘要、底层提供细节块，检索时双路取节点融合成上下文 ✓ 正确答案 C 它没有摘要过程 D 它只能用于短文档
# 21. 长文档检索的 Context Relevance 如何用 RAG Triad 评测 A 长文档检索不需要评测相关性 B RAG Triad 只包含一个指标 C Context Relevance 只看 Top-1 是否相关即可 D Context Relevance 衡量检索结果与问题的相关性，常与 Faithfulness、Answer Relevance 一起评估整体链路 ✓ 正确答案
