2025年人工智能试题及答案.docxVIP

2025年人工智能试题及答案

一、单项选择题（每题2分，共20分）

1.以下关于人工智能（AI）核心能力的描述中，正确的是：

A.仅具备感知能力，无法实现决策

B.感知、决策、执行能力的协同

C.依赖人类实时指令完成任务

D.核心是数据存储而非信息处理

答案：B

解析：AI的核心能力包括感知（如计算机视觉、语音识别）、决策（如机器学习模型推理）和执行（如机器人控制）的协同，三者共同构成智能系统的闭环。

2.2024年发布的某多模态大模型支持文本、图像、视频、音频的联合理解与生成，其关键技术突破是：

A.提升单一模态的特征提取精度

B.设计跨模态对齐的统一表征空间

C.增加模型参数规模至千亿级

D.优化单模态任务的微调效率

答案：B

解析：多模态大模型的核心挑战是不同模态数据（如图像像素、文本词向量）的异质性，通过设计统一表征空间（如基于Transformer的交叉注意力机制）实现跨模态对齐，是支持多模态联合处理的关键。

3.在强化学习中，“奖励函数”的主要作用是：

A.定义智能体的初始状态

B.指导智能体学习最优策略

C.存储历史经验数据

D.优化模型的前向传播速度

答案：B

解析：强化学习中，奖励函数通过即时或延迟的反馈信号（正/负奖励），引导智能体在环境中探索，最终学习到最大化长期累积奖励的策略。

4.以下哪项不属于生成式AI的典型应用场景？

A.代码自动生成

B.医学影像诊断

C.个性化文案创作

D.3D场景生成

答案：B

解析：生成式AI的核心是创造新内容（如文本、图像、代码），而医学影像诊断属于判别式任务（分类、检测），依赖模型对已有模式的识别。

5.人工智能伦理中“可解释性”的核心要求是：

A.模型参数数量可被统计

B.决策过程能被人类理解

C.训练数据来源可追溯

D.模型预测结果绝对准确

答案：B

解析：可解释性要求AI系统的决策逻辑（如关键特征、推理路径）能够被人类理解，以增强信任并避免“黑箱”风险。

6.以下关于大语言模型（LLM）微调的描述，错误的是：

A.微调需使用与目标任务相关的领域数据

B.全参数微调比LoRA（低秩适配）更节省计算资源

C.微调可提升模型在特定任务（如情感分析）的性能

D.微调可能导致模型“遗忘”预训练阶段的通用能力

答案：B

解析：全参数微调需要更新模型所有参数，计算成本高；LoRA通过仅训练低秩矩阵逼近参数更新，显著降低计算和存储需求，因此更节省资源。

7.计算机视觉中，“多目标跟踪（MOT）”的关键技术难点是：

A.提高单帧图像的目标检测精度

B.跨帧关联同一目标的身份

C.增强小目标的特征提取能力

D.减少模型的推理延迟

答案：B

解析：MOT不仅需要检测目标，还需在连续帧中准确关联同一目标（如处理遮挡、外观变化），身份关联的准确性是其核心挑战。

8.以下哪项技术最适合解决“长尾问题”（即训练数据中罕见样本的识别问题）？

A.数据增强（DataAugmentation）

B.迁移学习（TransferLearning）

C.少样本学习（Few-shotLearning）

D.集成学习（EnsembleLearning）

答案：C

解析：少样本学习通过利用少量样本（甚至1-5个）和先验知识（如预训练模型）学习新类别，专门应对数据稀缺的长尾场景。

9.在AI系统的安全性评估中，“对抗攻击”测试的目的是：

A.验证模型在正常输入下的准确性

B.检测模型对微小扰动输入的鲁棒性

C.评估模型的计算资源消耗

D.分析训练数据的分布均衡性

答案：B

解析：对抗攻击通过向输入数据添加人类难以察觉的扰动（如图像中的微小噪声），测试模型是否会做出错误决策，以此评估其鲁棒性。

10.以下关于AI与物联网（IoT）融合的描述，正确的是：

A.IoT负责数据计算，AI负责数据采集

B.边缘AI可降低IoT设备的实时响应延迟

C.AI无法处理IoT产生的非结构化数据

D.IoT设备无需考虑AI模型的能耗限制

答案：B

解析：边缘AI（在IoT设备或边缘节点部署轻量级模型）可本地化处理数据，减少云端传输延迟，提升实时性；同时需优化模型能耗以适配IoT设备的计算限制。

二、填空题（每空2分，共20分）

1.人工智能的三要素是______、算法、计算能力。

答案：数据

2.大模型训练中，“上下文窗口”指模