2025年人工智能期末试题及答案.docxVIP

2025年人工智能期末试题及答案

1.单项选择题（每题2分，共20分）

1.1在ResNet架构中，引入残差连接的主要目的是

A.减少网络参数量

B.缓解梯度消失并支持更深网络

C.提高卷积核感受野

D.降低显存占用

答案：B

1.2下列关于Transformer自注意力机制的说法正确的是

A.查询向量Q与键向量K的点积直接作为输出

B.注意力权重矩阵的维度与序列长度无关

C.缩放点积后需经过Softmax归一化

D.值向量V不参与梯度回传

答案：C

1.3在强化学习中，采用εgreedy策略时，若ε=0，则智能体行为表现为

A.完全随机探索

B.完全利用当前最优动作

C.以50%概率探索

D.以玻尔兹曼分布选择动作

答案：B

1.4联邦学习框架下，服务器端常用的安全聚合算法是

A.FedAvg

B.SecureBoost

C.Paillier同态加密

D.LocalSGD

答案：C

1.5若某二分类任务的正负样本比为1:99，且模型将所有样本预测为负类，则其F1值为

A.0.99

B.0.5

C.0.02

D.0

答案：D

1.6在PyTorch中，下列代码片段执行后x.grad的值为

```python

x=torch.tensor(2.0,requires_grad=True)

y=x3

y.backward()

```

A.4

B.6

C.8

D.12

答案：D

1.7关于生成对抗网络（GAN）的判别器损失函数，下列表述正确的是

A.使用sigmoid交叉熵，真实样本标签为0

B.使用均方误差，生成样本标签为1

C.使用sigmoid交叉熵，真实样本标签为1

D.使用KL散度，标签平滑设为0.9

答案：C

1.8在知识蒸馏中，温度参数T→∞时，软标签分布趋近于

A.均匀分布

B.狄拉克δ分布

C.正态分布

D.伯努利分布

答案：A

1.9下列哪种方法最适合解决图神经网络中的“过度平滑”问题

A.增加Dropout率

B.使用残差连接与JumpingKnowledge

C.提高学习率

D.移除激活函数

答案：B

1.10在VisionTransformer中，位置编码通常采用

A.可学习的一维向量

B.二维正弦余弦函数

C.图拉普拉斯特征向量

D.不需要位置编码

答案：A

2.多项选择题（每题3分，共15分；每题至少有两个正确答案，多选少选均不得分）

2.1以下属于无监督预训练策略的有

A.BERT的MaskedLanguageModeling

B.SimCLR的对比学习

C.GPT的自回归语言建模

D.Word2Vec的Skipgram

答案：B,D

2.2关于Adam优化器，下列说法正确的有

A.使用梯度的一阶动量

B.使用梯度的二阶动量

C.对学习率进行逐元素缩放

D.在凸条件下保证全局收敛

答案：A,B,C

2.3下列技术可有效缓解深度模型过拟合的有

A.LabelSmoothing

B.Mixup数据增强

C.增加网络宽度而不增加深度

D.EarlyStopping

答案：A,B,D

2.4在DiffusionModel的前向加噪过程中，若采用线性方差调度，则

A.时间步t越大，图像越接近高斯噪声

B.可直接解析计算任意步的样本分布

C.需要训练神经网络预测噪声

D.反向去噪过程需马尔可夫假设

答案：A,B,C,D

2.5以下关于模型压缩的说法正确的有

A.知识蒸馏属于模型压缩手段

B.剪枝后无需微调即可恢复精度

C.量化可将32位权重降至8位

D.低秩分解可压缩全连接层

答案：A,C,D

3.填空题（每空2分，共20分）

3.1在卷积神经网络中，若输入尺寸为224×224×3，采用64个7×7卷积核，步长为2，padding为3，则输出特征图的空间尺寸为________。

答案：112×112

3.2若某LSTM单元隐藏层维度为h，则其三个门控向量拼接后的总维度为________。

答案：3h

3.3在自注意力机制中，若序列长度为n，头数为h，每个头维度为d_k，则多头注意力输出矩阵的维度为________。

答案：n×hd_k

3.4若使用ReLU激活，则He初始化权重的方差为_____