2025年人工智障考试题目及答案.docxVIP

2025年人工智障考试题目及答案

一、单项选择题（每题2分，共20分）

1.以下哪项属于监督学习任务？

A.对用户评论进行情感分析（正/负）

B.从用户行为数据中发现潜在的群体划分

C.通过奖励机制训练游戏AI完成通关任务

D.利用无标签图像学习特征表示

答案：A

解析：监督学习需要标注数据作为输入输出对。选项A中情感分析的“正/负”标签是监督信号；B为无监督学习（聚类）；C为强化学习（奖励信号）；D为自监督学习（利用数据自身构造监督信号）。

2.在卷积神经网络（CNN）中，以下哪项操作主要用于减少特征图尺寸？

A.激活函数（如ReLU）

B.批量归一化（BatchNorm）

C.池化层（Pooling）

D.全连接层（FullyConnectedLayer）

答案：C

解析：池化层（如最大池化、平均池化）通过降采样操作减少特征图的宽度和高度，降低计算量；激活函数用于引入非线性；批量归一化用于稳定训练；全连接层用于特征整合。

3.自然语言处理（NLP）中，BERT模型的预训练任务不包括？

A.掩码语言模型（MLM）

B.下一句预测（NSP）

C.文本生成（TextGeneration）

D.词元级别的位置预测

答案：C

解析：BERT的预训练任务是MLM（随机掩码部分词元并预测）和NSP（判断两句话是否连续）；文本生成是生成式模型（如GPT）的任务，BERT本身是双向编码器，不直接支持生成。

4.以下哪项技术最适合解决时序数据（如股票价格）的预测问题？

A.卷积神经网络（CNN）

B.循环神经网络（RNN）

C.支持向量机（SVM）

D.k近邻算法（k-NN）

答案：B

解析：RNN通过循环结构捕捉时序依赖关系，适合处理序列数据；CNN更擅长空间特征提取；SVM和k-NN对时序信息的建模能力较弱。

5.在强化学习中，“智能体（Agent）”的核心目标是？

A.最大化累积奖励（CumulativeReward）

B.最小化预测误差（Loss）

C.学习数据分布（DataDistribution）

D.优化分类准确率（Accuracy）

答案：A

解析：强化学习的核心是通过与环境交互，让智能体学习策略以最大化长期累积奖励；B是监督学习目标；C是无监督学习目标；D是分类任务的评估指标。

6.生成对抗网络（GAN）中，生成器（Generator）和判别器（Discriminator）的训练目标分别是？

A.生成器最大化判别器的错误率，判别器最小化错误率

B.生成器最小化判别器的错误率，判别器最大化错误率

C.生成器和判别器共同最小化生成数据与真实数据的差异

D.生成器和判别器共同最大化生成数据的多样性

答案：A

解析：GAN的训练是零和博弈：生成器试图生成更接近真实数据的样本，使判别器无法区分（即最大化判别器的错误率）；判别器试图准确区分真实与生成数据（即最小化错误率）。

7.以下哪项属于AI伦理中的“算法偏见”典型表现？

A.人脸识别系统在光照不足时识别率下降

B.招聘AI对不同性别求职者的简历评分差异显著

C.语音助手无法理解方言口音

D.医疗AI因训练数据量小导致诊断准确率低

答案：B

解析：算法偏见指模型因训练数据偏差或设计缺陷，对特定群体（如性别、种族）产生不公平的判别结果；A、C、D是技术局限性问题，与群体公平性无关。

8.多模态大模型（如GPT-4V）的“多模态”通常指融合以下哪类数据？

A.文本、图像、语音

B.结构化表格、非结构化文本

C.静态图像、动态视频

D.高维特征、低维特征

答案：A

解析：多模态指模型同时处理多种不同类型的输入（如文本、图像、语音），实现跨模态理解与生成；B是数据结构化程度的区分；C是同一模态（视觉）的动态与静态；D是特征维度的区分。

9.在知识图谱（KnowledgeGraph）中，“实体-关系-实体”的三元组表示方式属于？

A.语义网络（SemanticNetwork）

B.描述逻辑（DescriptionLogic）

C.资源描述框架（RDF）

D.本体（Ontology）

答案：C

解析：RDF是知识图谱的基础数据模型，通过“主体-谓词-客体”三元组描述实体间关系；语义网络是更泛化的图结构；描述逻辑是形式化的逻辑语言；本体是对概念及其关系的形式化定义。

10.以下哪项技术最可能用于解决大模型的“幻觉问题”（Hallucinat