2025年大学人工智能教育专业题库及答案.docxVIP

2025年大学人工智能教育专业题库及答案

一、人工智能导论与伦理治理

1.【单选】2024年3月，欧盟议会正式通过的《人工智能法案》将“用于生物识别实时追踪的AI系统”划入哪一类风险？

A.最小风险B.有限风险C.高风险D.不可接受风险

答案：D

解析：法案第5条明确禁止“不可接受风险”场景，实时远程生物识别被列为典型禁止项，除非出现重大公共安全例外且获司法授权。

2.【多选】下列关于“可解释人工智能（XAI）”技术路线的描述，正确的有：

A.LIME通过局部线性近似解释黑盒模型

B.SHAP值满足对称性、单调性与可加性

C.GradCAM只能用于Transformer结构

D.反事实解释属于模型无关的事后解释

答案：A、B、D

解析：GradCAM基于卷积特征图梯度，适用于CNN而非仅限Transformer，故C错误。

3.【判断】在人工智能伦理治理框架中，“差别性影响”（disparateimpact）的80%规则源于美国EEOC1978年《雇员选择程序统一指南》。

答案：正确

解析：该规则用于判断招聘算法是否对受保护群体产生显著不利影响，80%阈值沿用至今。

4.【简答】请用不超过120字说明“联邦学习”在医疗数据共享中的伦理优势。

答案：联邦学习使原始数据不出域，仅交换加密梯度，降低隐私泄露风险；同时通过分布式协作提升模型性能，兼顾患者隐私与科研公益，符合《赫尔辛基宣言》的“风险最小化”原则。

5.【案例分析】某市人社局采用算法进行失业保险金发放排序，导致女性群体通过率下降18%。技术审计发现，算法训练数据未含性别字段，但使用了“历史工种”“中断缴费月数”等代理变量。

（1）指出造成差别性影响的两个技术根源；（2）提出两项可操作的纠偏方案。

答案：（1）代理变量泄露受保护属性；目标变量本身含历史歧视残留。

（2）方案一：采用均衡化正则，对预测分布与性别的互信息加惩罚；方案二：引入公平性约束的重新加权采样，对边缘群体提升权重1.4倍，并设置0.5%AUC容忍阈值。

二、机器学习与深度学习原理

6.【单选】考虑一个用于CIFAR100的ResNet18，若将全局平均池化后的特征维数从512改为256，再接入全连接层，则参数量的减少值约为：

A.131KB.256KC.512KD.1.02M

答案：A

解析：原最后层参数量512×100=51200，改动后256×100=25600，差值25600；但还需计入特征降维层512×256=131072，总减少13107225600=105472≈131K（含偏置近似）。

7.【多选】关于Transformer自注意力机制的数值稳定性，下列做法有效的有：

A.使用FlashAttention2融合kernel

B.在softmax前对QK^T除以√d_k

C.采用BF16混合精度训练

D.对Q、K做L2归一化后再计算注意力

答案：A、B、C

解析：L2归一化会改变注意力分布的稀疏性，虽能抑制爆炸但破坏原始语义，通常不采用。

8.【填空】若采用MoCov3无监督训练VisionTransformer，其KeyEncoder的动量更新公式为θ_k←___θ_k+(1___)θ_q，其中动量系数通常设为______。

答案：m；m；0.996

解析：MoCov3沿用动量对比学习，系数接近1以稳定Key特征。

9.【计算】给定一个三分类问题，训练集分布为P=[0.1,0.3,0.6]，若采用加权交叉熵，权重取为分布的倒数并做归一化，请写出第三类的权重系数（保留三位小数）。

答案：0.217

解析：原始倒数[10,3.33,1.67]，归一化后第三项1.67/(10+3.33+1.67)=0.217。

10.【程序阅读】下列PyTorch代码段意图实现“随机深度”（StochasticDepth）但存在一处错误，请指出并修正。

```python

classDropPath(nn.Module):

def__init__(self,drop_prob=0.1):

super().__init__()

self.drop_prob=drop_prob

defforward(self,x):

ifnotself.trainingorself.drop_prob==0.:

returnx

keep=1self.drop_prob