2025年计算机等级考试(三级人工智能系统)试卷及答案.docxVIP

2025年计算机等级考试(三级人工智能系统)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，策略梯度方法直接优化的对象是

A.状态价值函数

B.动作价值函数

C.策略函数的参数

D.环境奖励函数

答案：C

解析：策略梯度通过参数化策略π(a|s;θ)并沿梯度上升方向更新θ，从而直接优化策略本身，而非价值函数。

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的点积需经过Softmax后再与V相加

B.自注意力权重的计算与输入序列的位置编码无关

C.多头机制允许模型在不同子空间同时捕获依赖关系

D.自注意力复杂度与序列长度呈线性关系

答案：C

解析：多头并行计算多个注意力分布，增强表达能力；复杂度为O(n2d)，与长度平方相关；Softmax后与V做加权求和，而非相加。

3.在联邦学习场景下，客户端上传本地梯度而非原始数据，主要目的是

A.降低通信开销

B.提高模型精度

C.保护用户隐私

D.加速服务器聚合

答案：C

解析：梯度虽仍可能泄露信息，但相比原始数据隐私风险显著降低，属于差分隐私与安全聚合的初级防线。

4.使用Adam优化器时，下列超参数对训练初期学习率影响最大的是

A.β?

B.β?

C.ε

D.α

答案：D

解析：α即初始学习率，直接决定步长；β?、β?为动量衰减系数，ε为数值稳定项。

5.在知识图谱嵌入模型中，TransE将关系视为

A.矩阵变换

B.平移向量

C.双线性映射

D.非线性投影

答案：B

解析：TransE核心假设h+r≈t，即将关系r看作头实体向量到尾实体向量的平移。

6.下列哪项技术最适合解决图像风格迁移中的“内容风格”解耦

A.CycleGAN

B.AdaIN

C.Pix2Pix

D.SRGAN

答案：B

解析：AdaIN通过特征统计量（均值、方差）重组，实现任意风格实时迁移，同时保持内容结构。

7.在AlphaGoZero中，蒙特卡洛树搜索用于

A.生成训练数据

B.计算策略梯度

C.估计价值函数

D.替代神经网络

答案：A

解析：MCTS基于神经网络输出的先验概率与价值，自我对弈生成棋谱，再用于训练网络。

8.下列关于模型压缩技术中知识蒸馏的描述，错误的是

A.教师模型通常比学生模型大

B.蒸馏损失仅使用Softmax输出

C.温度系数T升高可软化概率分布

D.中间层特征也可作为蒸馏目标

答案：B

解析：除logits蒸馏外，还可引入中间特征、注意力图等“暗知识”，提升学生模型性能。

9.在图神经网络中，GCN层对邻接矩阵采用归一化的主要目的是

A.防止过拟合

B.避免梯度消失

C.消除自环

D.保持特征尺度稳定

答案：D

解析：对称归一化D^(1/2)AD^(1/2)可防止度数大的节点特征幅值过大，保持数值稳定。

10.在语音识别中，CTC损失函数允许

A.强制对齐标签与帧

B.自动学习空白符

C.降低采样率

D.增加语言模型权重

答案：B

解析：CTC引入blank符号，允许单调对齐，无需人工标注每一帧对应标签。

11.下列关于DiffusionModel训练阶段的描述，正确的是

A.直接最大化数据似然

B.通过反向过程去噪

C.前向过程固定为马尔可夫加噪

D.反向过程共享同一神经网络参数

答案：C

解析：前向过程q(x_t|x_{t1})为固定高斯噪声，反向过程p_θ(x_{t1}|x_t)由网络学习。

12.在强化学习中，使用重要性采样比率ρ_t进行离线策略评估时，若行为策略π_b与目标策略π_e差异过大，会导致

A.高方差

B.高偏差

C.收敛加速

D.梯度爆炸

答案：A

解析：ρ_t方差随策略差异指数增长，出现“维度诅咒”式高方差。

13.下列关于VisionTransformer(ViT)的叙述，错误的是

A.图像块大小影响序列长度

B.分类令牌仅用于最终预测

C.位置编码可采用一维或可学习二维

D.局部归纳偏置强于CNN

答案：D

解析：ViT几乎无局部偏置，依赖大规模数据学习空间关系，CNN则通过卷积核内置局部性。

14.在AutoML中，神经架构搜索（NAS）基于强化学习的控制器采用

A.策略梯度更新控制器