2025年《人工智能》试卷A及答案.docxVIP

2025年《人工智能》试卷A及答案

一、单项选择题（每题2分，共20分）

1.以下哪项不属于多模态大模型的典型特征？

A.支持文本、图像、视频等多类型输入

B.采用统一的编码器-解码器架构

C.仅通过单模态预训练完成参数初始化

D.具备跨模态对齐与融合能力

答案：C

2.在强化学习中，若智能体在状态s采取动作a后转移至状态s，获得即时奖励r，采用ε-贪心策略时，以下表述错误的是？

A.ε表示探索概率，1-ε表示利用最优动作的概率

B.当ε=0时，智能体完全依赖历史经验

C.动作选择仅基于当前Q表的最大值

D.探索有助于发现潜在更优策略

答案：C

3.关于大语言模型（LLM）的可解释性方法，以下属于后验解释技术的是？

A.设计结构化提示（如思维链）引导模型显式推理

B.分析注意力头的功能分布（如关键信息提取头）

C.使用梯度类方法（如IntegratedGradients）计算输入token的重要性

D.在模型架构中嵌入可解释模块（如知识图谱查询接口）

答案：C

4.联邦学习（FederatedLearning）中，“客户端漂移”问题主要指？

A.不同客户端数据分布差异导致全局模型性能下降

B.通信延迟引起的参数更新不同步

C.恶意客户端上传毒化参数破坏全局模型

D.本地训练轮次过多导致过拟合

答案：A

5.多智能体强化学习（MARL）中，“奖励稀疏”问题的典型解决方案不包括？

A.设计辅助奖励（如势能函数引导的奖励塑造）

B.采用课程学习逐步增加任务复杂度

C.引入专家演示数据进行模仿学习

D.减少智能体数量以降低状态空间复杂度

答案：D

6.知识图谱（KG）与大模型结合时，以下哪项不属于“知识增强”的常见方式？

A.在预训练阶段注入KG三元组作为结构化知识

B.微调时设计KG-aware提示（如“根据知识图谱，实体A和B的关系是___”）

C.推理时通过检索模块动态查询KG补充外部知识

D.直接将KG的邻接矩阵作为模型输入的一部分

答案：D

7.提供对抗网络（GAN）训练不稳定的主要原因是？

A.提供器与判别器的优化目标存在对抗性

B.损失函数采用交叉熵而非均方误差

C.输入数据未进行标准化处理

D.网络层数过深导致梯度消失

答案：A

8.以下哪项不属于AI伦理中的“可问责性”要求？

A.模型决策过程可追溯

B.明确算法设计者与使用者的责任边界

C.确保不同群体的输出结果统计公平

D.在错误决策时能定位责任主体

答案：C

9.在计算机视觉领域，视觉-语言模型（VLMs）的“跨模态对齐”主要解决的问题是？

A.统一图像与文本的特征空间表示

B.提高图像分类的准确率

C.减少模型参数量以提升推理速度

D.增强模型对遮挡物体的检测能力

答案：A

10.关于大模型的“涌现能力”，以下描述正确的是？

A.仅在参数规模超过千亿级时才会出现

B.指模型在训练阶段未显式学习，但在测试时突然表现出的能力（如逻辑推理）

C.完全依赖于高质量标注数据的输入

D.与模型架构设计无关，仅由参数量决定

答案：B

二、填空题（每空1分，共15分）

1.大语言模型的注意力机制中，______（如RotaryPositionEmbedding）用于解决传统位置编码无法外推至更长序列的问题。

答案：旋转位置编码

2.多模态学习中，______（如CLIP的对比学习）通过最大化跨模态正样本对的相似性、最小化负样本对的相似性实现对齐。

答案：对比损失

3.强化学习的“延迟奖励”问题可通过______（如蒙特卡洛方法或时序差分学习）进行解决。

答案：回报估计

4.知识图谱的构建流程通常包括知识抽取、______、知识融合与知识推理四个阶段。

答案：知识存储

5.联邦学习按数据分布差异可分为横向（特征相同、样本不同）、纵向（样本相同、特征不同）和______（样本与特征均不同）三类。

答案：联邦迁移学习

6.提供式大模型的评估指标中，______（如BLEU、ROUGE）主要用于文本提供任务的表面匹配度评价，而______（如人类评估、基于大模型的评分）更关注语义合理性。

答案：自动评估指标；人工/大模型评估

7.多智能体强化学习中，______（如QMix、VDN）通过设计混合网络将个体Q值融合为全局Q值，解决部分可观测问题。

答案：值函数分解方法