题目

 阅读理解Large Language Models (LLMs)are artificial intelligence systems designed to process and generate natural language. Trained on large datasets, they can perform tasks like translation, summarization, and academic writing. However, their use comes with challenges and risks.One major issue with LLMs is "hallucination", where the model produces summaries that sound convincing but are based on unreliable or incorrect data. For instance, in 2023, researcher sat the University of California used an LLM to assist with a drug research review. However, the model cited journals and articles that appeared credible but were entirely fabricated, leading there searchers to withdraw their paper during the peer review(同行评审) process.David Leslie, a professor at Queen Mary University of London, highlights another significant challenge: "The LLM operates like a black box, with its internal workings hidden, making it hard to understand how outputs are generated, raising concerns about its reliability-even when results seem accurate." Without insight into how the LLM reaches its conclusions, users cannot be sure whether the outputs are based on solid data, increasing the potential for errors or unintended consequences.Another problem with LLMs is their reliance on historical data, which can lead to biases(偏见). For example, in IT hiring, if the model is trained on data where most employees were male, it may unintentionally favor male candidates. The model simply learns from past patterns without understanding why they exist or questioning whether they are reasonable, potentially deepening outdated trends and overlooking factors like diversity goals or current qualifications. This can result in unfair outcomes for women and other underrepresented groups.While LLMs can process data and generate responses, they lack the ability to analyze, evaluate, and make independent decisions. In contrast, humans can use logic, context, and experience to solve complex problems and make informed choices. Therefore, LLMs should be seen as an enhancement, not a replacement for human judgment. （1） Why did researchers at the University of California withdraw their paper? A . They cited non-existent data. B . They made up research results. C . They presented over-simplified research. D . They put forward miscalculated statistics. （2） Why does David Leslie describe the LLM as a black box? A . Its decision-making is invisible. B . Its reasoning process is data-based. C . It can process complicated datasets. D . It may generate incorrect information. （3） Which aspect of LLMs does paragraph 4 mainly focus on? A . Its dependence on IT experts. B . Its lack of critical assessment C . Its inability to learn from history D . Its preference for professional candidates. （4） What could be the best title for the text? A . LLMs: Reliable or Risky? B . LLMs: The Future or a Passing Trend? C . LLMs for Researchers: Friends or Enemies? D . LLMs in Science: Enhancement or Decline? 答案： A A B A

查看本题答案和解析