2025年下半年人工智能算法工程师技能考试真题及答案.docxVIP

2025年下半年人工智能算法工程师技能考试练习题及答案

一、单项选择题（共10题，每题2分，共20分）

1.关于梯度下降优化算法，以下描述错误的是：

A.随机梯度下降（SGD）每次仅用一个样本计算梯度，训练速度快但波动大

B.Adam算法结合了动量（Momentum）和自适应学习率（RMSprop）的优点

C.批量梯度下降（BatchGD）的梯度计算复杂度为O(n)，n为样本量

D.小批量梯度下降（MinibatchGD）的batchsize越大，梯度估计越稳定，训练时间一定越短

2.以下哪种方法不能有效缓解深度神经网络的过拟合问题？

A.增加训练数据量

B.对输入数据进行随机旋转、翻转等增强

C.在全连接层后添加Dropout层（丢弃率0.5）

D.减少神经网络的隐藏层神经元数量

3.对于二分类任务，若真实标签为[1,0,1,1,0]，模型预测概率为[0.7,0.3,0.4,0.9,0.2]，则其准确率（Accuracy）和F1score分别为：

A.0.6，0.67

B.0.8，0.8

C.0.6，0.57

D.0.8，0.67

4.关于Transformer模型的自注意力机制，以下说法正确的是：

A.自注意力的计算仅依赖查询（Query）和键（Key）的点积

B.多头注意力（MultiHeadAttention）通过拼接不同头的输出增强特征表达能力

C.位置编码（PositionEncoding）必须使用可学习的参数，不能用固定正弦函数

D.自注意力的时间复杂度为O(n2)，n为序列长度，因此不适用于长文本处理

5.以下哪项不属于特征工程中的特征选择方法？

A.卡方检验（ChisquareTest）

B.主成分分析（PCA）

C.互信息（MutualInformation）

D.信息增益（InformationGain）

6.在目标检测任务中，YOLOv8相比YOLOv5的主要改进不包括：

A.引入动态标签分配（DynamicLabelAssignment）

B.使用更轻量的CSPDarknet骨干网络

C.采用任务对齐头（TaskAlignedHead）优化分类与定位的一致性

D.支持多模态输入（如图像+文本）

7.关于生成对抗网络（GAN），以下描述错误的是：

A.生成器（Generator）的目标是生成与真实数据分布一致的样本

B.判别器（Discriminator）的损失函数通常为交叉熵损失

C.模式崩溃（ModeCollapse）是指生成器只能生成单一类型的样本

D.WGAN通过引入Wasserstein距离解决了原始GAN训练不稳定的问题

8.对于时间序列预测任务，以下模型中最不适合处理长时依赖问题的是：

A.LSTM

B.Transformer（带位置编码）

C.传统循环神经网络（RNN）

D.TemporalFusionTransformer（TFT）

9.在多分类任务中，若使用softmax作为输出层激活函数，对应的损失函数通常是：

A.均方误差（MSE）

B.交叉熵损失（CrossEntropyLoss）

C.Hinge损失

D.指数损失（ExponentialLoss）

10.关于大模型微调（Finetuning），以下策略错误的是：

A.对于小样本场景，优先冻结预训练模型的主体参数，仅微调最后几层

B.学习率应设置为与预训练阶段相同，以保持模型稳定性

C.使用LoRA（LowRankAdaptation）等参数高效微调方法可减少计算资源消耗

D.微调前需对目标任务数据进行清洗，避免引入与预训练分布差异过大的样本

二、填空题（共10题，每题2分，共20分）

1.逻辑回归模型的决策函数为__________，其损失函数通常采用__________。

2.卷积神经网络（CNN）中，感受野（ReceptiveField）指的是__________。

3.支持向量机（SVM）的核心思想是__________，引入核函数（Kernel）的目的是__________。

4.在梯度下降中，动量（Momentum）方法通过__________来加速收敛，其更新公式为__________（用符号表示）。

5.自然语言处理（NLP）中，BERT模型采用的预训练任务是__________和__________。

6.评估回归模型的常用指标包括__