2025年高考人工智能试题及答案.docxVIP

2025年高考人工智能试题及答案

一、单项选择题（共5题，每题4分，共20分。每小题只有一个正确选项）

1.下列关于机器学习的描述中，属于监督学习的是（）

A.通过用户点击行为聚类划分兴趣群体

B.利用带标签的医疗影像数据训练肿瘤识别模型

C.通过强化学习让机器人学会走迷宫

D.使用PCA算法对高维数据降维

2.卷积神经网络（CNN）在图像识别中表现优异，关键在于其核心结构的设计。以下哪项不是CNN的典型结构组成部分？（）

A.全连接层

B.池化层

C.注意力机制层

D.卷积层

3.自然语言处理（NLP）中，预训练语言模型（如GPT-4、BERT）的核心训练目标通常是（）

A.预测句子中缺失的单词（掩码语言模型）

B.生成与输入完全相同的句子（自编码器）

C.对文本进行情感极性分类（二分类任务）

D.计算两个句子的语义相似度（度量学习）

4.在训练神经网络时，若验证集准确率远低于训练集准确率，最可能的原因是（）

A.学习率过小

B.模型欠拟合

C.数据分布不一致

D.模型过拟合

5.强化学习的核心要素不包括（）

A.状态（State）

B.动作（Action）

C.奖励（Reward）

D.标签（Label）

二、填空题（共5题，每题3分，共15分。请将答案填写在横线处）

6.神经网络中常用的激活函数“ReLU”的数学表达式是__________。

7.评估分类模型性能时，若关注“在预测为正类的样本中实际为正类的比例”，应使用的指标是__________（填写中文或英文均可）。

8.决策树算法中，用于衡量数据纯度的指标除信息熵外，还包括__________（填写一种即可）。

9.特征工程中，将“用户年龄”从连续数值转换为“0-18岁”“19-35岁”等区间的操作称为__________。

10.人工智能伦理的核心原则通常包括公平性、可解释性、__________（填写一种即可）。

三、简答题（共3题，每题10分，共30分。要求逻辑清晰，要点明确）

11.请简述梯度下降（GD）与随机梯度下降（SGD）的区别，并说明SGD的优势。

12.与传统的全连接神经网络相比，卷积神经网络（CNN）在图像识别任务中具有哪些优势？请从参数共享、局部感知两个角度展开分析。

13.数据隐私是人工智能系统设计的重要考量。请结合具体场景（如医疗AI或金融风控），说明保护数据隐私的必要性及常用技术手段。

四、应用题（共2题，第14题17分，第15题18分，共35分。要求结合实际场景，分析过程完整）

14.某电商平台需开发“用户商品评论情感分类”系统（分类目标：正向/中性/负向），请设计一个基于机器学习的完整实现流程（需包含数据预处理、特征工程、模型选择、模型评估四个关键步骤），并说明每个步骤的具体操作。

15.某自动驾驶公司计划优化其决策系统的伦理性能，需解决“紧急情况下车辆如何选择碰撞对象”的难题。请结合人工智能伦理原则（如最小伤害原则、责任可追溯原则），提出至少3项具体的优化方案，并说明设计依据。

参考答案及评分标准

一、单项选择题

1.B（监督学习需要带标签数据，B选项明确使用带标签的医疗影像数据）

2.C（注意力机制层是Transformer的典型结构，非CNN核心）

3.A（BERT的掩码语言模型、GPT的自回归语言模型均属预训练核心目标）

4.D（过拟合表现为训练集准确率高但验证集低）

5.D（标签是监督学习要素，强化学习通过奖励信号学习）

二、填空题

6.\(\text{ReLU}(x)=\max(0,x)\)（或“当x0时输出x，否则输出0”）

7.精确率（Precision）

8.Gini系数（或基尼指数）

9.离散化（或分箱、分桶）

10.隐私保护（或责任可追溯、透明性等，合理即可）

三、简答题

11.区别：梯度下降（GD）在每一步迭代中使用全部训练数据计算梯度，更新参数；随机梯度下降（SGD）仅使用单个样本计算梯度并更新参数（3分）。

优势：①计算效率高，适合大规模数据（2分）；②引入随机噪声，可能跳出局部极小值（2分）；③在线学习能力，可处理流数据（3分）。

12.①参数共享：CNN的卷积核在图像局部区域滑动时共享参数，大幅减少模型参数量（3分），避免过拟合（2分）；②局部感知：卷积操作仅关注图像局部区域的像素关联（如3×3邻域），符合图像“局部特征（如边缘、纹理）决定整体语义”的特性（3分），相比全连接网络