2025年人工智能工程师考试题库（附答案和详细解析）（1229）.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）

以下哪项属于监督学习任务？

A.客户分群（聚类）

B.图像风格迁移（生成模型）

C.垃圾邮件分类（标签预测）

D.异常检测（无标签异常识别）

答案：C

解析：监督学习需要标注数据（输入-标签对），目标是学习输入到标签的映射。选项C的垃圾邮件分类需要“正常/垃圾”标签作为监督信号；A（聚类）、D（异常检测）属于无监督学习；B（风格迁移）通常基于无监督或自监督学习。

在卷积神经网络（CNN）中，池化层的主要作用是？

A.增加特征图的空间分辨率

B.减少参数数量并提取平移不变性特征

C.引入非线性激活增强表达能力

D.直接输出最终分类结果

答案：B

解析：池化层（如最大池化）通过降采样减少特征图尺寸，降低计算量（减少参数），同时保留主要特征，使模型对输入的小位移更鲁棒（平移不变性）。A错误（池化降低分辨率）；C是激活函数（如ReLU）的作用；D是全连接层的作用。

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

A.将单词转换为固定长度的二进制向量

B.捕捉单词的语义和语法关系

C.直接生成完整的句子

D.统计单词在文本中的出现频率

答案：B

解析：词嵌入通过低维连续向量表示单词，使语义/语法相近的词在向量空间中距离更近（如“猫”和“狗”相近，“猫”和“汽车”较远）。A错误（二进制向量是独热编码）；C是生成模型（如LSTM）的作用；D是词袋模型的统计方式。

强化学习（RL）中，“奖励函数”的主要作用是？

A.定义智能体的初始状态

B.指导智能体学习最优策略

C.存储历史状态-动作对

D.计算状态转移概率

答案：B

解析：奖励函数是环境对智能体动作的即时反馈，智能体通过最大化长期累积奖励来学习最优策略（即“做什么动作能获得最多奖励”）。A是初始状态定义；C是经验回放缓冲区的作用；D是环境本身的属性（如马尔可夫决策过程的转移概率）。

以下哪种算法属于生成式模型？

A.支持向量机（SVM）

B.朴素贝叶斯

C.k近邻（k-NN）

D.逻辑回归

答案：B

解析：生成式模型学习联合概率P(X,Y)（输入X和标签Y的联合分布），朴素贝叶斯通过贝叶斯定理计算P(Y|X)。判别式模型直接学习P(Y|X)（如SVM、逻辑回归）或决策边界（如k-NN）。

在训练深度学习模型时，“过拟合”的典型表现是？

A.训练集和测试集准确率都很低

B.训练集准确率高，测试集准确率低

C.训练集准确率低，测试集准确率高

D.训练过程中损失值持续波动

答案：B

解析：过拟合指模型过度学习训练数据的噪声和细节，导致对新数据（测试集）泛化能力差，表现为训练集准确率高但测试集准确率低。A是欠拟合；C不可能；D可能是学习率过高或数据不稳定。

以下哪项是Transformer模型的核心组件？

A.循环单元（LSTM）

B.自注意力机制（Self-Attention）

C.卷积核（Filter）

D.批量归一化（BatchNorm）

答案：B

解析：Transformer通过自注意力机制（计算序列中每个位置与其他位置的关联）捕捉长距离依赖，替代了RNN的循环结构。A是RNN的组件；C是CNN的组件；D是通用归一化技术，非Transformer特有。

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.真阳性率（TPR）和假阳性率（FPR）

答案：B

解析：F1=2(PR)/(P+R)，其中P是精确率（预测为正且实际为正的比例），R是召回率（实际为正且被正确预测的比例）。A错误（准确率=正确样本/总样本）；D是ROC曲线的指标。

以下哪项属于计算机视觉中的“目标检测”任务？

A.图像分类（判断图像整体类别）

B.语义分割（为每个像素分配类别）

C.识别图像中“猫”的位置并标注边界框

D.图像超分辨率（提升图像清晰度）

答案：C

解析：目标检测需要同时定位（边界框）和分类（类别标签）图像中的多个目标。A是单标签分类；B是像素级分类；D是图像生成任务。

人工智能伦理中，“算法偏见”的主要原因是？

A.计算资源不足导致模型训练不充分

B.训练数据中存在歧视性或不平衡的样本分布

C.模型复杂度不够无法捕捉数据规律

D.开发者故意设置歧视性规则

答案：B

解析：算法偏见通常源于训练数据的偏差（如性别、种族样本分布不均），导致模型在预测时对特定群体产生不公平结果。A、C是模型性能问题；D是恶意设计，非主要原因。