2025年人工智能基础知识考试卷及答案.docxVIP

2025年人工智能基础知识考试卷及答案

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的典型任务？

A.图像分类（标签为类别）

B.情感分析（标签为积极/消极）

C.聚类分析（无标签）

D.房价预测（标签为具体数值）

2.关于梯度下降算法，以下描述错误的是？

A.批量梯度下降（BatchGD）计算全局梯度，训练速度慢但收敛稳定

B.随机梯度下降（SGD）仅用单个样本计算梯度，训练速度快但波动大

C.小批量梯度下降（Mini-batchGD）综合了前两者的优点，是最常用的变体

D.梯度下降的目标是最小化模型的训练误差，因此学习率越大越好

3.卷积神经网络（CNN）中，池化层的主要作用是？

A.增加特征图的分辨率

B.减少参数数量，提取局部不变性特征

C.引入非线性激活，增强模型表达能力

D.连接不同卷积层，传递全局信息

4.自然语言处理（NLP）中，BERT模型的核心创新是？

A.基于循环神经网络（RNN）的双向上下文建模

B.使用自注意力机制捕捉长距离依赖

C.预训练-微调（Pre-trainFine-tune）框架

D.引入词袋模型（Bag-of-Words）处理文本

5.以下哪种技术不属于生成式人工智能（GenerativeAI）？

A.GPT系列模型（生成文本）

B.StableDiffusion（生成图像）

C.K-means聚类（划分数据簇）

D.变分自编码器（VAE，生成数据）

6.关于支持向量机（SVM），以下说法正确的是？

A.仅适用于线性可分数据，无法处理非线性问题

B.核心是最大化分类间隔，找到最优超平面

C.对噪声不敏感，无需考虑正则化

D.损失函数为均方误差（MSE）

7.强化学习（ReinforcementLearning）中，“奖励函数”的作用是？

A.定义智能体的目标，指导其选择最优策略

B.替代监督学习中的标签，直接提供训练数据

C.优化模型参数，减少预测误差

D.增强模型的泛化能力，防止过拟合

8.以下哪项是Transformer模型中“多头注意力（Multi-HeadAttention）”的主要优势？

A.减少计算量，提升训练速度

B.从不同子空间捕捉特征，增强模型表达能力

C.解决长序列训练中的梯度消失问题

D.替代循环结构，实现并行计算

9.人工智能伦理中，“可解释性（Explainability）”的核心要求是？

A.模型必须输出与人类思维完全一致的推理过程

B.模型决策过程可被人类理解，避免“黑箱”风险

C.模型参数必须公开，确保透明性

D.模型预测结果必须100%准确

10.关于迁移学习（TransferLearning），以下描述错误的是？

A.利用已训练模型的知识，解决目标任务数据不足的问题

B.通常保留预训练模型的底层特征提取层，仅微调顶层

C.仅适用于计算机视觉领域，无法用于NLP任务

D.可显著减少目标任务的训练时间和数据需求

二、填空题（每空1分，共15分）

1.机器学习的三要素是________、________和________。

2.深度学习中，常用的激活函数包括ReLU、Sigmoid和________（举一例）。

3.循环神经网络（RNN）的主要缺陷是________，其改进模型LSTM通过引入________、________和输出门解决该问题。

4.自然语言处理中，词嵌入（WordEmbedding）的作用是将离散的词语转换为________，捕捉词语间的语义关系。

5.计算机视觉中，目标检测的典型任务包括________（定位目标位置）和________（判断目标类别）。

6.强化学习的核心组件包括智能体（Agent）、环境（Environment）、状态（State）、动作（Action）和________。

7.生成对抗网络（GAN）由________和判别器（Discriminator）组成，二者通过博弈提升生成数据质量。

8.AI伦理的四大基本原则通常包括公平性、透明性、________和________。

三、简答题（每题8分，共40分）

1.简述监督学习与无监督学习的区别，并各举一例说明。

2.解释梯度下降（GradientDescent）与反向传播（Backpropagation）的关系。

3.LSTM（长短期记忆网络）是如何解决