2025年机器学习与人工智能应用考试试卷及答案.docxVIP

2025年机器学习与人工智能应用考试试卷及答案

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任务？

A.图像分类（标注好的训练集）

B.情感分析（带情感标签的文本）

C.聚类分析（无标签数据）

D.房价预测（带价格标签的房屋特征）

2.在Transformer模型中，自注意力机制的计算过程可表示为：

A.$\text{Attention}(Q,K,V)=\text{softmax}\left(\frac{QK^T}{\sqrt{d_k}}\right)V$

B.$\text{Attention}(Q,K,V)=\text{softmax}\left(QK^T\right)V$

C.$\text{Attention}(Q,K,V)=\text{softmax}\left(\frac{KQ^T}{\sqrt{d_k}}\right)V$

D.$\text{Attention}(Q,K,V)=\text{softmax}\left(QV^T\right)K$

3.大语言模型（如GPT-4）训练时，为解决长文本依赖问题，通常采用的关键技术是：

A.循环神经网络（RNN）

B.滑动窗口截断

C.分块注意力（BlockAttention）或稀疏注意力（SparseAttention）

D.增加隐藏层维度

4.以下哪种方法属于模型压缩技术？

A.知识蒸馏（KnowledgeDistillation）

B.数据增强（DataAugmentation）

C.早停（EarlyStopping）

D.批量归一化（BatchNormalization）

5.多模态大模型（如GPT-4V）实现图像与文本对齐的核心是：

A.分别训练图像和文本模型后拼接输出

B.设计跨模态注意力机制，共享语义空间

C.对图像和文本进行独立特征提取后相加

D.使用随机初始化的跨模态投影层

6.强化学习中，“探索-利用困境”指的是：

A.智能体需要同时尝试新动作（探索）和利用已知最优动作（利用）

B.环境奖励函数设计不明确

C.状态空间过大导致计算复杂度高

D.策略网络与价值网络的训练冲突

7.以下哪项是扩散模型（DiffusionModel）生成样本的核心步骤？

A.通过对抗训练优化生成器和判别器

B.逐步向数据添加噪声并反向去噪

C.直接通过变分推断生成样本

D.使用自编码器压缩和解码数据

8.在医疗影像诊断任务中，评估模型性能时，除准确率外最需关注的指标是：

A.F1分数

B.召回率（针对疾病阳性样本）

C.交叉熵损失

D.混淆矩阵对角线元素之和

9.自动驾驶感知模块中，多传感器融合（激光雷达+摄像头）的主要目的是：

A.降低计算成本

B.弥补单一传感器的局限性（如摄像头受光照影响，激光雷达分辨率低）

C.减少数据预处理步骤

D.简化模型结构

10.联邦学习（FederatedLearning）的核心挑战是：

A.数据分布不一致（Non-IID）

B.计算资源不足

C.模型参数更新频率低

D.客户端数量过多

二、填空题（每空2分，共20分）

1.深度学习中常用的激活函数$\text{GELU}(x)=x\cdot\Phi(x)$，其中$\Phi(x)$是________的累积分布函数。

2.梯度下降的变种中，Adam优化器结合了________和________的思想（分别填写两个关键特性）。

3.Transformer模型中的位置编码分为________（如正弦函数）和________（如可学习参数）两类。

4.大模型微调（Fine-tuning）时，为降低计算成本，常用________（如LoRA）或________（如Adapter）等参数高效方法。

5.多模态学习中，“对齐（Alignment）”的目标是将不同模态的特征映射到________的语义空间。

6.强化学习的马尔可夫决策过程（MDP）由状态空间$S$、动作空间$A$、转移概率$P$、奖励函数$R$和________共同定义。

三、简答题（每题8分，共32分）

1.简述自监督学习（Self-SupervisedLearning）的核心思想与典型流程，并举例说明其在自然语言处理（NLP）中的应用。

2.对比长短期记忆网络（LSTM）与Transformer在处理长序列依赖问题上的差异，从结构