2025年人工智能工程师认证考试试卷及答案.docxVIP

2025年人工智能工程师认证考试试卷及答案

一、单项选择题（共20题，每题2分，共40分）

1.以下哪种机器学习算法属于生成式模型？

A.逻辑回归

B.支持向量机（SVM）

C.朴素贝叶斯

D.随机森林

2.在深度学习中，梯度消失问题最可能发生在以下哪种网络结构中？

A.多层全连接网络（使用Sigmoid激活函数）

B.卷积神经网络（CNN）

C.Transformer（使用多头注意力）

D.残差网络（ResNet）

3.自然语言处理（NLP）中，BERT模型的预训练任务不包括以下哪项？

A.掩码语言模型（MLM）

B.下一句预测（NSP）

C.文本生成（TextGeneration）

D.词元化（Tokenization）

4.计算机视觉中，YOLOv8相较于YOLOv5的主要改进是？

A.引入FPN（特征金字塔网络）

B.采用动态锚框机制

C.优化了主干网络（Backbone）为C2f结构

D.使用双阶段检测框架

5.强化学习中，Qlearning的核心是学习以下哪个函数？

A.策略函数π(s)

B.状态值函数V(s)

C.动作值函数Q(s,a)

D.奖励函数R(s,a,s)

6.多模态大模型（如GPT4V）的关键技术不包括？

A.跨模态对齐（CrossmodalAlignment）

B.多任务提示学习（MultitaskPrompting）

C.单模态过拟合抑制（SinglemodalOverfittingControl）

D.多尺度特征融合（MultiscaleFeatureFusion）

7.在迁移学习中，以下哪种场景最适合使用“微调（Finetuning）”策略？

A.目标任务数据量极少（100样本），且与源任务领域差异大

B.目标任务数据量充足（10万样本），且与源任务领域高度相关

C.目标任务与源任务输入模态不同（如图像→文本）

D.目标任务需要完全不同的输出空间（如分类→回归）

8.生成对抗网络（GAN）训练不稳定的主要原因是？

A.生成器与判别器的学习率不匹配

B.纳什均衡难以收敛，存在模式崩溃风险

C.输入数据分布复杂，难以建模

D.损失函数设计缺乏理论支撑

9.以下哪项是大语言模型（LLM）上下文学习（InContextLearning）的典型特征？

A.需要在训练阶段调整模型参数

B.通过少量示例（Fewshot）引导模型输出

C.依赖反向传播优化损失函数

D.仅适用于特定任务（如情感分析）

10.联邦学习（FederatedLearning）的核心目标是？

A.集中所有用户数据训练全局模型

B.保护用户隐私的同时协同训练模型

C.降低模型训练的计算成本

D.提升模型在非独立同分布（NonIID）数据上的泛化能力

11.在计算模型参数量时，一个包含输入层（1000维）、隐藏层（512个神经元）、输出层（10类）的全连接网络，其总参数量为？

A.1000×512+512×10

B.(1000+1)×512+(512+1)×10

C.1000×512×10

D.(1000+512+10)×2

12.以下哪种技术可有效缓解大模型推理时的计算压力？

A.模型量化（ModelQuantization）

B.数据增强（DataAugmentation）

C.早停法（EarlyStopping）

D.权重初始化（WeightInitialization）

13.自然语言处理中的“词嵌入（WordEmbedding）”最本质的作用是？

A.减少文本数据的维度

B.捕捉词语的语义相似性

C.解决一词多义问题

D.提高模型的训练速度

14.计算机视觉中，语义分割（SemanticSegmentation）与实例分割（InstanceSegmentation）的主要区别是？

A.语义分割输出像素级类别，实例分割需区分同一类别的不同个体

B.语义分割仅处理单类目标，实例分割处理多类

C.语义分割使用CNN，实例分割使用RNN

D.语义分割无需边界框，实例分割需精确边界

15.以下哪项属于无监督学习任务？

A.图像分类（有标签）

B.聚类分析（无标签）

C.情感分析（有标签）

D.目标检测（有边界框标签）

16.在强化学习中，“探索（Exp