2025年人工智能工程师专业技术考试试题及答案.docxVIP

2025年人工智能工程师专业技术考试试题及答案

一、单项选择题（每题2分，共40分）

1.在PyTorch2.1中，以下哪一段代码可以正确开启pile的“reduceoverhead”模式，并在A100GPU上获得可复现的加速效果？

A.pile(model,mode=maxautotune,backend=inductor)

B.pile(model,mode=reduceoverhead,backend=cudagraphs)

C.pile(model,mode=reduceoverhead,backend=inductor,options={triton.cudagraphs:True})

D.pile(model,mode=default,backend=nvfuser)

答案：C

2.根据《生成式人工智能服务管理暂行办法》（2025年3月修订版），对境外提供的生成式模型API实施“长臂管辖”的核心技术触发条件是：

A.模型参数规模≥50B且训练语料含境内用户数据≥5%

B.模型在境内月活调用量≥100万次

C.模型输出可被境内IP直接解析且未通过备案

D.模型训练算力≥10000PFLOPS·day

答案：A

3.在大规模MoE（MixtureofExperts）训练中，以下哪种负载均衡损失函数在2024年ICLR上被证明可以同时降低专家崩溃与梯度噪声？

A.SwitchLoss

B.HashLoss

C.ZLoss

D.AuxLosswithcosinedecay

答案：D

4.使用KarpRabin滚动哈希进行文本去重时，若将窗口大小从32字节提升到64字节，在10TB语料上假阳性率的变化趋势是：

A.线性下降

B.指数下降

C.指数上升

D.先降后升

答案：B

5.在LLM推理阶段，为了将首token延迟（TTFT）压缩到100ms以内，以下哪一项优化对20B参数模型在单A100（80GB）上最有效？

A.8bit权重量化+连续批处理

B.4bitKVCache量化+speculativedecoding

C.16bit模型并行+CUDAGraph

D.动态批处理+FlashAttentionv2

答案：B

6.2025年发布的StableDiffusion3.0采用MMDiT架构，其文本编码器组合为：

A.CLIPL+OpenCLIPG+T5XXL

B.CLIPL+ByT5XL+UL2

C.T5XXL+FlanUL2+CLIPH

D.CLIPG+T5XL+FlanT5

答案：A

7.在联邦学习场景下，采用SecureBoost训练GBDT时，为防止半诚实服务器推断用户标签，2025年主流方案引入的加密原语是：

A.Paillier加法同态

B.CKKS近似同态

C.FunctionalSecretSharing

D.BGV级联同态

答案：C

8.当使用DeepSpeedMoE在1024张A100上训练100B参数模型时，ZeRO3+ExpertParallelism组合下，激活内存占理论下限的倍数约为：

A.1.2

B.1.8

C.2.5

D.3.3

答案：B

9.在RLHF阶段，采用PPOMax算法时，以下哪个超参数对KL散度惩罚系数β的初始值最鲁棒？

A.0.01

B.0.05

C.0.1

D.0.5

答案：C

10.2025年3月，Google发布的ScalableVec方法将向量数据库召回率从95%提升到99%，其核心改进是：

A.引入HNSW+PQ联合索引

B.采用learnedsparseretrieval重排序

C.在IVF中引入自适应nprobe

D.使用两级量化+图神经网络过滤

答案：D

11.在自动驾驶感知系统中，将BEVFormerLite部署在OrinX（254TOPS）上时，为了将延迟控制在30ms以内，最佳输入分辨率组合为：

A.6×256×704

B.6×384×800

C.6×512×960

D.5×320×768

答案：A

12.对于多模态大模型，采用QFormer将视觉token压缩到32个，在下游VQA任务上，与64个token相比，CIDEr分数下降幅度通常：

A.0.5%

B.1%–2%

C.3%–4%

D