2025年人工智能工程师认证考试试卷及答案.docxVIP

2025年人工智能工程师认证考试试卷及答案

一、单项选择题（每题2分，共20分）

1.以下哪项不属于监督学习的典型任务？

A.图像分类（ImageClassification）

B.异常检测（AnomalyDetection）

C.情感分析（SentimentAnalysis）

D.房价预测（HousePricePrediction）

2.在深度学习中，以下哪种激活函数最适合解决梯度消失问题？

A.Sigmoid

B.Tanh

C.ReLU

D.Softmax

3.关于Transformer模型的描述，错误的是？

A.仅依赖自注意力机制（Self-Attention），不使用循环或卷积结构

B.编码器（Encoder）和解码器（Decoder）均包含多头注意力层（Multi-HeadAttention）

C.位置编码（PositionalEncoding）用于捕捉序列中的顺序信息

D.解码器的自注意力层在训练时需要进行掩码（Masking）以防止信息泄露

4.以下哪项是XGBoost相对于随机森林（RandomForest）的核心改进？

A.采用集成学习（EnsembleLearning）框架

B.支持缺失值自动处理

C.通过梯度提升（GradientBoosting）优化目标函数

D.使用自助采样（BootstrapSampling）生成子数据集

5.在自然语言处理（NLP）中，词嵌入（WordEmbedding）的主要目的是？

A.将文本转换为固定长度的向量，便于计算机处理

B.捕捉词语之间的语义相似性和上下文关系

C.减少文本数据的维度，降低计算复杂度

D.实现文本到语音的转换（Text-to-Speech）

6.以下哪种方法最适合解决图像分割（ImageSegmentation）任务？

A.AlexNet

B.U-Net

C.VGGNet

D.ResNet

7.在强化学习（ReinforcementLearning）中，“折扣因子（DiscountFactor,γ）”的作用是？

A.控制即时奖励与未来奖励的权重

B.调整策略网络（PolicyNetwork）的学习率

C.防止价值函数（ValueFunction）过拟合

D.平衡探索（Exploration）与利用（Exploitation）

8.以下哪项不是生成对抗网络（GAN）的典型应用？

A.图像超分辨率（ImageSuper-Resolution）

B.风格迁移（StyleTransfer）

C.文本生成（TextGeneration）

D.目标检测（ObjectDetection）

9.在机器学习模型评估中，F1分数（F1-Score）是以下哪两个指标的调和平均？

A.准确率（Accuracy）与召回率（Recall）

B.精确率（Precision）与召回率（Recall）

C.精确率（Precision）与准确率（Accuracy）

D.真阳性率（TPR）与假阳性率（FPR）

10.关于模型压缩（ModelCompression）的技术，以下描述错误的是？

A.知识蒸馏（KnowledgeDistillation）通过让小模型学习大模型的输出分布实现压缩

B.剪枝（Pruning）的核心是移除模型中冗余的神经元或连接

C.量化（Quantization）将浮点数参数转换为低精度（如8位整数）表示

D.模型蒸馏（ModelDistillation）仅适用于神经网络模型

二、填空题（每空2分，共20分）

1.支持向量机（SVM）的核心思想是找到__________最大的分类超平面。

2.LSTM（长短期记忆网络）通过__________、__________和__________三个门控单元控制信息的流动。

3.BERT（双向编码器表示）的预训练任务包括__________和__________。

4.计算机视觉中，YOLO（YouOnlyLookOnce）属于__________（单阶段/双阶段）目标检测算法。

5.迁移学习（TransferLearning）的常见场景包括__________迁移、__________迁移和__________迁移。

6.对抗样本（AdversarialExample）是指对输入数据进行__________扰动后，导致模型误判的