2025年人工智能笔试真题及答案.docxVIP

2025年人工智能笔试练习题及答案

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.对客户交易数据进行聚类分组

C.从无标签图像中学习特征表示

D.用PCA对高维数据降维

2.在训练深度神经网络时，若梯度消失问题严重，最可能的原因是？

A.使用ReLU激活函数

B.网络层数过深且使用Sigmoid激活函数

C.学习率设置过大

D.批量归一化（BatchNorm）层缺失

3.以下哪种模型最适合处理时序序列数据？

A.卷积神经网络（CNN）

B.循环神经网络（RNN）

C.自编码器（Autoencoder）

D.多层感知机（MLP）

4.在自然语言处理中，BERT模型的核心创新是？

A.引入注意力机制

B.采用双向Transformer预训练

C.设计了掩码语言模型（MLM）和下一句预测（NSP）任务

D.使用循环结构捕捉长距离依赖

5.评估分类模型时，若关注“在所有实际为正的样本中，被正确预测为正的比例”，应选择以下哪个指标？

A.准确率（Accuracy）

B.精确率（Precision）

C.召回率（Recall）

D.F1分数

6.生成对抗网络（GAN）中，生成器（Generator）的目标是？

A.最小化真实数据与生成数据的分布差异

B.最大化判别器（Discriminator）的分类错误率

C.最小化交叉熵损失

D.最大化真实数据的似然概率

7.以下哪项不是迁移学习的应用场景？

A.用预训练的ResNet模型微调实现特定场景的图像分类

B.将在英文语料上训练的BERT模型迁移到中文任务

C.基于用户历史点击数据训练推荐模型

D.利用医学影像预训练模型辅助罕见病诊断

8.卷积神经网络（CNN）中，卷积核（Filter）的作用是？

A.增加网络深度

B.提取局部空间特征

C.减少参数量

D.防止过拟合

9.在强化学习中，“智能体（Agent）”与“环境（Environment）”的交互核心是？

A.状态（State）、动作（Action）、奖励（Reward）的循环

B.监督信号的直接反馈

C.无监督的特征聚类

D.生成新样本数据

10.以下哪种技术最适合解决长文本生成中的“重复冗长”问题？

A.温度参数（Temperature）调整

B.词嵌入（WordEmbedding）维度增加

C.注意力头数（AttentionHeads）减少

D.批量归一化层添加

二、填空题（每题2分，共20分）

1.逻辑回归的损失函数通常使用__________，其数学表达式为__________。

2.Transformer模型中，自注意力（Self-Attention）的计算过程可表示为__________，其中Q、K、V分别代表查询、键、值矩阵。

3.梯度下降算法的三种常见变体是__________、__________和小批量梯度下降（Mini-batchGD）。

4.在图像分类任务中，ResNet通过引入__________解决了深层网络的梯度消失/爆炸问题，其核心结构是__________。

5.自然语言处理中，词袋模型（Bag-of-Words）的主要缺陷是忽略了__________和__________。

6.评估目标检测模型性能的常用指标是__________（需写出全称），其计算基于__________和__________的交集与并集比值。

7.生成对抗网络（GAN）训练不稳定的主要原因是__________和__________。

8.强化学习中，策略（Policy）定义了__________，价值函数（ValueFunction）表示__________。

9.多模态学习的关键挑战包括__________和__________（至少答两点）。

10.人工智能伦理中，“算法偏见”的主要来源是__________和__________。

三、简答题（每题8分，共40分）

1.解释“过拟合（Overfitting）”现象的成因及常用解决方法。

2.比较长短期记忆网络（LSTM）与门控循环单元（GRU）的结构差异，并说明各自的适用场景。

3.简述BERT模型的预训练任务（需写出具体任务名称及实现方式），并说明其对下游任务的意义。

4.分析生成对抗网络（GAN）的基本