2025年国际计算机认证考试《人工智能》真题试卷及答案.docxVIP

2025年国际计算机认证考试《人工智能》练习题试卷及答案

一、单项选择题（每题1分，共30分。每题只有一个正确答案，错选、多选、未选均不得分）

1.在深度强化学习中，以下哪种算法首次在Atari2600游戏上实现了“人类水平”控制？

A.A3C

B.DQN

C.PPO

D.TRPO

答案：B

解析：Mnih等人在2015年Nature论文中提出DeepQNetwork（DQN），首次在49款Atari游戏中达到人类水平，奠定了深度强化学习的里程碑。

2.对于Transformer架构，下列哪一项最准确地描述了“位置编码（PositionalEncoding）”的作用？

A.替代注意力机制

B.为无递归模型注入序列顺序信息

C.降低参数量

D.实现层归一化

答案：B

解析：Transformer本身对序列位置无感知，正弦位置编码将token顺序映射为向量，使模型能区分“猫追狗”与“狗追猫”。

3.在联邦学习场景下，客户端上传的“模型更新”若被恶意篡改，以下哪种防御机制理论上可证明收敛并保证拜占庭容错？

A.知识蒸馏

B.安全聚合（SecureAggregation）

C.Krum聚合

D.差分隐私噪声注入

答案：C

解析：Krum选择与其他更新最相似的梯度作为中心更新，Blanchard等人2017年从理论上证明其在(α,β)拜占庭环境下收敛。

4.若将BERTbase的隐藏层维度从768降至256，参数量约减少多少？

A.25%

B.50%

C.75%

D.85%

答案：C

解析：BERTbase参数量≈110M，其中嵌入层≈24M，其余为Transformer块。隐藏层维度与自注意力权重矩阵参数量呈平方关系，7682→2562使权重参数量降至约1/9，综合估算总参数量下降约75%。

5.在StableDiffusion中，将文本提示“acat”改为“acat::1.5”后，模型行为变化对应的技术本质是：

A.提高CLIP文本编码器的学习率

B.在交叉注意力层对提示向量做尺度缩放

C.修改UNet的通道数

D.替换调度器为DDIM

答案：B

解析：双冒号语法表示对对应token的embedding乘以1.5，在交叉注意力softmax前放大其影响，从而增强生成图像中“cat”的显著性。

6.下列关于NeRF（NeuralRadianceFields）的叙述，错误的是：

A.需要已知相机内外参

B.体渲染公式中αi表示第i段区间的透射率

C.位置编码（PositionalEncoding）可提升高频细节

D.训练完成后可渲染任意新视角

答案：B

解析：αi为第i段区间的“不透明度”，而非透射率；透射率Ti=exp(?Σj=1i?1σjδj)。

7.在LLM推理加速技术中，以下哪种方法通过“提前退出”减少计算量？

A.speculativedecoding

B.tokenlevelearlyexiting

C.groupedqueryattention

D.FlashAttention

答案：B

解析：earlyexiting在中间层插入分类器，若置信度足够高则直接返回结果，跳过后续层计算。

8.若使用LoRA（LowRankAdaptation）微调GPT3175B模型，rank=16，则新增参数量约为：

A.17.5M

B.35M

C.70M

D.140M

答案：B

解析：LoRA对Q、V矩阵注入低秩分解，参数量≈2×layers×hidden_size×rank。GPT3175B有96层，12288隐藏层，2×96×12288×16≈36M，最接近35M。

9.在因果推断中，docalculus规则1允许对满足“后门准则”的变量进行：

A.删除

B.干预

C.条件化

D.替换

答案：C

解析：规则1指出若Z满足后门准则，则P(y|do(x))=ΣzP(y|x,z)P(z)，即通过条件化Z阻断混杂。

10.对于多模态模型CLIP，以下哪项训练目标函数最准确？

A.InfoNCE

B.crossentropywithsoftlabels

C.KLdivergence

D.MSE

答案：A

解析：CLIP使用对称的InfoNCE损失，最大化配对的图像与文本嵌入余弦相似度，同时最小化非配对相似度。

11.在AutoML领域，DARTS（Differen