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（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

答案：C

2.在深度学习中，使用ReLU激活函数的主要目的是：

A.解决梯度爆炸问题

B.避免过拟合

C.加速训练并缓解梯度消失

D.增加模型非线性表达能力

答案：C

3.假设一个卷积神经网络输入尺寸为224×224×3（H×W×C），经过一个卷积核大小为3×3、步长2、填充1的卷积层（输出通道数64）后，输出特征图的尺寸为：

A.112×112×64

B.224×224×64

C.111×111×64

D.223×223×64

答案：A（计算方式：(224-3+2×1)/2+1=112）

4.在自然语言处理（NLP）中，BERT模型的预训练任务不包括：

A.掩码语言模型（MLM）

B.下一句预测（NSP）

C.文本生成

D.词元分类

答案：C

5.以下哪种优化器采用了动量（Momentum）机制？

A.SGD

B.Adam

C.RMSprop

D.Adagrad

答案：B（Adam结合了动量和自适应学习率）

6.对于不平衡数据集（正类样本占比5%），以下哪种评估指标最不适用？

A.准确率（Accuracy）

B.F1分数

C.ROC-AUC

D.召回率（Recall）

答案：A（准确率会因多数类主导而虚高）

7.多模态学习中，“对齐（Alignment）”的核心目标是：

A.统一不同模态数据的分辨率

B.建立跨模态数据的语义关联

C.减少计算资源消耗

D.提升单一模态的特征提取能力

答案：B

8.在强化学习中，“策略（Policy）”的数学定义通常表示为：

A.状态到动作的概率分布π(a|s)

B.状态-动作对到奖励的映射

C.值函数V(s)

D.动作价值函数Q(s,a)

答案：A

9.以下哪种技术不属于大模型参数高效微调（Parameter-EfficientFine-Tuning）方法？

A.LoRA（低秩自适应）

B.PromptTuning（提示微调）

C.FullFine-Tuning（全参数微调）

D.PrefixTuning（前缀微调）

答案：C

10.假设某图像分类任务中，模型对输入图像的预测结果为[0.1,0.8,0.05,0.05]（对应4个类别），真实标签为类别2（索引从0开始），则交叉熵损失为：

A.-ln(0.8)

B.-ln(0.1)-ln(0.8)-ln(0.05)-ln(0.05)

C.0.12+0.82+0.052+0.052

D.max(0,1-0.8+0.1)+max(0,1-0.8+0.05)+max(0,1-0.8+0.05)

答案：A（交叉熵损失对单样本为-Σy_iln(p_i)，真实标签对应y_i=1，其余为0）

11.以下关于Transformer模型的描述，错误的是：

A.自注意力机制允许模型捕捉长距离依赖

B.位置编码（PositionalEncoding）用于弥补序列顺序信息

C.解码器（Decoder）仅使用自注意力层

D.多头注意力（Multi-HeadAttention）通过多组参数提取不同特征

答案：C（解码器使用掩码自注意力和编码器-解码器注意力）

12.在联邦学习（FederatedLearning）中，“数据隐私保护”的关键技术不包括：

A.同态加密（HomomorphicEncryption）

B.差分隐私（DifferentialPrivacy）

C.模型参数直接上传

D.安全多方计算（SecureMulti-PartyComputation）

答案：C

13.假设一个循环神经网络（RNN）的隐藏状态维度为128，输入维度为64，则每个时间步的参数数量（不考虑偏置）为：

A.128×64

B.128×(128+64)

C.128×128

D.64×(128+64)

答案：B（RNN的隐藏状态更新公式：h_t=tanh(W_ihx_t+W_hhh_{t-1})，参数为W_ih（128×64）和W_hh（128×128），总计128×(64+128)）

14.以下哪种数据增强方法不