2025年人工智能应用考试题及答案.docxVIP

2025年人工智能应用考试题及答案

一、单项选择题（每题2分，共20分）

1.以下关于大语言模型（LLM）训练过程的描述，错误的是：

A.混合精度训练通过FP16/FP32混合计算降低显存占用

B.序列长度扩展技术（如ALiBi、RoPE）用于处理长文本依赖

C.指令微调（InstructionTuning）的目标是提升模型的泛化能力而非特定任务性能

D.梯度检查点（GradientCheckpointing）通过复用中间激活值减少内存消耗

答案：C

解析：指令微调的核心目标是让模型理解并遵循人类指令，提升多任务泛化能力，而非“不提升特定任务性能”。实际中，指令微调往往能同时优化通用任务表现。

2.多模态大模型中，“对齐（Alignment）”技术的主要作用是：

A.统一不同模态输入的分辨率

B.建立跨模态特征的语义关联

C.平衡各模态损失函数的权重

D.减少模型参数量的冗余

答案：B

解析：多模态对齐的关键是通过交叉注意力或投影层，将图像、文本、语音等不同模态的特征映射到同一语义空间，实现跨模态的理解与生成。

3.在强化学习（RL）中，PPO（近端策略优化）相较于TRPO（信任区域策略优化）的主要改进是：

A.引入重要性采样（ImportanceSampling）

B.通过裁剪目标