2025年人工智能技术与应用考试试卷及答案.docxVIP

2025年人工智能技术与应用考试试卷及答案

1.单项选择题（每题2分，共20分）

1.1在Transformer架构中，用于捕捉序列中任意两个位置之间依赖关系的核心机制是

A.卷积核

B.注意力权重矩阵

C.池化层

D.残差连接

答案：B

1.2联邦学习框架中，服务器端聚合本地模型参数最常用的算法是

A.FedAvg

B.SGD

C.Adam

D.RMSProp

答案：A

1.3下列关于StableDiffusion的描述正确的是

A.仅能在离散潜空间运行

B.采用纯自回归方式生成图像

C.通过VAE将图像压缩到潜空间后再去噪

D.必须使用强化学习进行训练

答案：C

1.4在强化学习中，当策略梯度算法出现高方差时，最常用的基线函数是

A.状态值函数V(s)

B.动作值函数Q(s,a)

C.优势函数A(s,a)

D.折扣回报R(t)

答案：A

1.5下列关于VisionTransformer(ViT)的叙述错误的是

A.将图像切块后线性映射为token

B.需要大规模预训练数据集才能超越CNN

C.完全摒弃卷积操作

D.分类头只能使用最大池化

答案：D

1.6在PyTorch2.0中，用于自动将Python函数编译为计算图的核心技术是

A.TorchDynamo

B.TorchScript

C.ONNXRuntime

D.TensorRT

答案：A

1.7当使用混合精度训练时，FP16梯度下溢问题的标准解决方案是

A.权重衰减

B.梯度裁剪

C.LossScaling

D.学习率预热

答案：C

1.8下列关于DiffusionModel训练目标的描述正确的是

A.最大化证据下界ELBO

B.最小化预测噪声与真实噪声的MSE

C.最大化对抗判别器损失

D.最小化Wasserstein距离

答案：B

1.9在AutoML中，用于神经网络架构搜索的强化学习控制器最早由哪篇论文提出

A.NASNet

B.EfficientNet

C.ResNeXt

D.RegNet

答案：A

1.10当部署BERTbase模型到移动端时，将其参数量从110MB压缩至30MB以下且精度下降1%的最有效方法是

A.知识蒸馏+动态量化

B.剪枝+霍夫曼编码

C.低秩分解+FP16

D.权重量化到INT4

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下列技术可直接用于提升大语言模型推理阶段吞吐率的有

A.KVCache

B.ContinuousBatching

C.GradientCheckpointing

D.SpeculativeDecoding

答案：A、B、D

2.2关于LoRA（LowRankAdaptation）的正确说法包括

A.仅训练低秩矩阵A、B

B.可插入任意线性层

C.需要修改原始模型前向代码

D.可与量化技术叠加使用

答案：A、B、D

2.3在DiffusionModel采样过程中，可加速生成的策略有

A.DDIM采样

B.DPMSolver

C.提高扩散步数T

D.采用ClassifierFreeGuidance

答案：A、B

2.4下列属于可信AI治理工具的有

A.IBMAIFairness360

B.LIME

C.SHAP

D.TensorFlowPrivacy

答案：A、D

2.5在NeRF（NeuralRadianceFields）中，为了降低存储开销可采用

A.体素八叉树剪枝

B.哈希编码

C.球谐函数

D.瞬时高斯抛雪球

答案：A、B

3.填空题（每空2分，共20分）

3.1在自监督学习中，SimCLR使用______作为正样本对，使用______作为负样本对。

答案：同一图像的不同增强视图；其他图像的增强视图

3.2当使用8bit量化时，BERTbase模型参数占用显存约为______MB（保留整数）。

答案：110×1/4≈28

3.3在PyTorch中，将模型切换为评估模式的指令是______。

答案：model.eval()

3.4扩散模型前向过程第t步的方差调度若采用线性schedule，则β_t=______（用β_1、β_T、t、T表示）。