2025年AI模型幻觉类型跨语言迁移鲁棒性评估测试答案及解析.docx

2025年AI模型幻觉类型跨语言迁移鲁棒性评估测试答案及解析

一、单选题（共15题）

1.在评估2025年AI模型幻觉类型的跨语言迁移鲁棒性时，以下哪个指标最能反映模型在不同语言下的泛化能力？

A.F1分数

B.精度

C.模型大小

D.训练时间

答案：A

解析：F1分数结合了精确率和召回率，是评估分类模型性能的综合指标，尤其在多类别和平衡数据集上更为合适。在跨语言迁移鲁棒性评估中，F1分数能更好地反映模型在目标语言上的泛化能力。参考《人工智能模型评估指南》2025版4.2节。

2.在进行跨语言迁移时，以下哪种方法能有效减轻源语言和目标语言之间的词汇差异？

A.多任务学习