人工智能(AI)训练师技能大赛理论考试题库50题(含答案).docxVIP

人工智能(AI)训练师技能大赛理论考试题库50题(含答案)

1.数据标注中，“关键点标注”主要应用于以下哪种任务场景？

答案：目标检测（如人体姿态估计）或医学影像关键点定位任务。关键点标注通过标记图像中特定点（如关节、器官边界）的坐标，为模型提供空间位置监督信号。

2.数据清洗过程中，处理缺失值的常用方法不包括？

A.直接删除缺失值样本

B.用特征均值/中位数填充

C.构建预测模型填充缺失值

D.对缺失值列进行归一化

答案：D。归一化是数据标准化操作，不直接处理缺失值；前三者为典型缺失值处理方法。

3.以下哪种数据增强技术适用于自然语言处理（NLP）任务？

A.随机旋转

B.同义词替换

C.高斯模糊

D.颜色抖动

答案：B。同义词替换通过替换句子中的非关键词汇生成新样本，是NLP常用增强方法；其余为图像领域增强技术。

4.监督学习与无监督学习的核心区别在于？

答案：是否有标签数据。监督学习使用带标签数据训练模型（如分类、回归），无监督学习仅用无标签数据挖掘模式（如聚类、降维）。

5.训练图像分类模型时，若输入图像尺寸为224×224×3，经过3×3卷积核（步长1，padding=1）处理后，输出特征图尺寸为？

答案：224×224×C（C为卷积核数量）。计算公式：(H+2P-K)/S+1=(224+2×1-3)/1+1=224，因此尺寸不变。

6.以下哪项是循环神经网络（RNN）的主要缺陷？

A.无法处理序列数据

B.长距离依赖问题

C.参数量过大

D.仅支持二分类任务

答案：B。RNN通过隐藏状态传递信息，但梯度消失/爆炸问题导致难以捕捉长距离依赖关系，LSTM/GRU通过门控机制缓解此问题。

7.Transformer模型中，“多头注意力（Multi-HeadAttention）”的主要作用是？

答案：通过多个独立的注意力头并行学习不同子空间的上下文依赖，提升模型对不同位置关系的捕捉能力。每个头关注不同的语义或句法模式，最终拼接后输出更丰富的特征表示。

8.训练过程中，若验证集准确率持续上升但测试集准确率下降，可能的原因是？

A.学习率过低

B.模型过拟合

C.数据泄露

D.批量大小（BatchSize）过大

答案：C。验证集与测试集数据存在重叠（数据泄露）时，模型在验证集上表现虚高，但无法泛化到真实测试数据；过拟合会导致验证集准确率先升后降。

9.交叉熵损失函数（Cross-EntropyLoss）适用于以下哪种任务？

A.回归预测

B.二分类

C.多分类

D.B和C

答案：D。交叉熵损失通过计算预测概率与真实标签的对数似然，适用于二分类（sigmoid+交叉熵）和多分类（softmax+交叉熵）任务；回归任务常用均方误差（MSE）。

10.解决模型过拟合的方法不包括？

A.增加训练数据量

B.添加L2正则化

C.降低模型复杂度

D.增大学习率

答案：D。增大学习率可能导致训练不稳定或无法收敛，而非解决过拟合；其余选项通过数据增强、参数约束、简化模型结构缓解过拟合。

11.梯度下降优化算法中，Adam优化器结合了以下哪两种技术？

答案：动量（Momentum）和自适应学习率（RMSProp）。Adam通过动量项加速收敛，通过梯度平方的指数移动平均调整每个参数的学习率，适应不同参数的更新需求。

12.以下哪项是F1值的计算公式？

A.(2×精确率×召回率)/(精确率+召回率)

B.精确率+召回率

C.(精确率×召回率)/(精确率+召回率)

D.真阳性/(真阳性+假阳性)

答案：A。F1值是精确率（Precision）和召回率（Recall）的调和平均，综合衡量模型在正负样本上的表现。

13.在二分类任务中，若真实标签为[1,0,1,0]，模型预测概率为[0.8,0.3,0.6,0.7]（阈值设为0.5），则混淆矩阵中的真阳性（TP）数量是？

答案：2。预测结果为[1,0,1,1]，真实阳性为前两个样本中的[1,1]，正确预测的阳性是前两个中的第一个和第三个，即TP=2（样本1和3预测正确）。

14.模型可解释性技术中，LIME（局部可解释模型无关解释）的核心思想是？

答案：通过在预测样本附近生成扰动数据，训练一个局部可解释的简单模型（如线性回归），近似原模型的决策边界，从而解释单个预测的原因。

15.以下哪种数据预处理操作会改变特征的分布形状？

A.归一化（Min-MaxScaling）

B.标准化（Z-Score）

C.离散化（分箱）