2025年人工智能工程师考试题库（附答案和详细解析）（1101）.docxVIP

人工智能工程师考试试卷（总分100分）

一、单项选择题（共10题，每题1分，共10分）

以下哪种机器学习方法属于监督学习？

A.K-means聚类

B.支持向量机（SVM）分类

C.主成分分析（PCA）降维

D.自编码器特征提取

答案：B

解析：监督学习需要标注的训练数据（输入-输出对），目标是学习输入到输出的映射。SVM（B）用于分类或回归，依赖标签数据，属于监督学习。K-means（A）、PCA（C）、自编码器（D）均为无监督学习，无需标签数据。

在深度学习中，ReLU激活函数的主要优点是？

A.解决梯度消失问题

B.输出值范围在(0,1)

C.计算复杂度高

D.适用于循环神经网络（RNN）

答案：A

解析：ReLU（修正线性单元）的表达式为(f(x)=(0,x))，其优点是在输入为正时梯度为1，避免了sigmoid/tanh的梯度消失问题（A正确）。输出范围是[0,+∞)（B错误）；计算简单（C错误）；适用于前馈网络，RNN常用tanh或LSTM（D错误）。

自然语言处理（NLP）中，词嵌入（WordEmbedding）的核心目标是？

A.将文本转换为二进制向量

B.捕捉词语的语义和语法关系

C.实现文本的情感分类

D.压缩文本长度至固定维度

答案：B

解析：词嵌入通过低维稠密向量表示词语，使语义相近的词在向量空间中距离更近（B正确）。二进制向量是独热编码（A错误）；情感分类是下游任务（C错误）；固定维度是结果而非目标（D错误）。

计算机视觉中，卷积神经网络（CNN）的卷积层主要作用是？

A.全连接所有特征

B.提取局部空间特征

C.减少参数量

D.增强特征非线性

答案：B

解析：卷积层通过滑动窗口（卷积核）提取图像局部区域的特征（如边缘、纹理），利用局部感受野和权值共享特性（B正确）。全连接是全连接层的作用（A错误）；减少参数量是权值共享的结果（C错误）；增强非线性是激活函数的作用（D错误）。

强化学习中，“探索（Exploration）”与“利用（Exploitation）”的平衡指的是？

A.同时优化奖励和惩罚

B.尝试新动作与使用已知最优动作的权衡

C.环境状态与动作空间的匹配

D.策略网络与价值网络的协同

答案：B

解析：探索指尝试未经验证的动作以发现更优策略，利用指使用当前已知最优动作获取高奖励，二者需平衡（B正确）。奖励与惩罚是反馈机制（A错误）；状态与动作匹配是策略定义（C错误）；策略与价值网络协同是算法设计（D错误）。

数据预处理中，“标准化（Z-score）”的公式是？

A.(x’=)

B.(x’=)

C.(x’=x-(x))

D.(x’=(x+1))

答案：B

解析：标准化（Z-score）通过均值（μ）和标准差（σ）将数据转换为均值0、标准差1的分布，公式为(x’=(x-μ)/σ)（B正确）。A是归一化（Min-Max），C是中心化，D是对数变换。

评估分类模型性能时，“F1分数”是以下哪两个指标的调和平均？

A.准确率（Accuracy）和召回率（Recall）

B.精确率（Precision）和召回率（Recall）

C.精确率（Precision）和准确率（Accuracy）

D.召回率（Recall）和特异度（Specificity）

答案：B

解析：F1分数是精确率（查准率）和召回率（查全率）的调和平均，公式为(F1=2(PR)/(P+R))（B正确）。准确率是总体正确比例，特异度是负样本正确识别率，均不直接参与F1计算。

以下哪项不属于人工智能伦理的核心问题？

A.算法歧视

B.数据隐私保护

C.模型参数量大小

D.自动驾驶的责任归属

答案：C

解析：AI伦理关注公平性（算法歧视）、隐私（数据保护）、责任（自动驾驶）等社会影响（A/B/D正确）。模型参数量是技术指标，与伦理无直接关联（C错误）。

以下深度学习框架中，基于静态计算图的是？

A.PyTorch

B.TensorFlow2.x

C.Keras

D.TensorFlow1.x

答案：D

解析：TensorFlow1.x使用静态计算图（预先定义计算图再执行），PyTorch和TensorFlow2.x使用动态计算图（逐行执行），Keras是高层API（D正确）。

大语言模型（如GPT-4）的核心训练方法是？

A.监督微调（SFT）+人类反馈强化学习（RLHF）

B.无监督预训练+有监督分类

C.迁移学习+随机梯度下降

D.对抗生成网络（GAN）训练

答案：A

解析：大模型训练流程通常为：基于海量文本的无监督预训练→特定任务的监督微调（SFT）→通过人类反馈强化学习（