2025年人工智能技术知识普及试题及答案解析.docxVIP

2025年人工智能技术知识普及试题及答案解析

1.单项选择题（每题1分，共20分）

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

A.卷积核滑动窗口?B.循环隐状态传递?C.自注意力权重矩阵?D.池化下采样

答案：C?解析：自注意力通过QK^T计算任意位置间的权重，实现全局依赖建模。

1.2下列关于ReLU激活函数的描述，正确的是

A.在负区间梯度为1?B.输出均值恒为0?C.存在“神经元死亡”风险?D.计算需指数运算

答案：C?解析：负区间梯度为0，导致权重永不更新，即“死亡”。

1.3联邦学习中，参与方上传的是

A.原始训练数据?B.模型参数或梯度?C.测试集准确率?D.损失函数曲线

答案：B?解析：为保护隐私，仅上传加密后的参数/梯度。

1.4在StableDiffusion模型里，扩散过程发生在

A.像素空间直接加噪?B.文本嵌入空间加噪?C.低维潜空间加噪?D.对抗隐空间加噪

答案：C?解析：先VAE编码到潜空间，再执行DDPM，降低计算量。

1.5下列评价指标中，对类别不平衡最不敏感的是

A.准确率?B.宏平均F1?C.微平均F1?D.Cohen’sKappa

答案：B?解析：宏平均F1对每类单独计算后取平均，不受多数类主导。

1.6在深度强化学习中，DDPG算法属于

A.基于策略梯度的无模型方法?B.基于价值函数的模型方法?C.ActorCritic连续控制?D.表格型Q学习

答案：C?解析：DDPG=DPG+DQN，用于连续动作空间。

1.7下列关于VisionTransformer(ViT)的叙述，错误的是

A.图像被切分为固定大小patches?B.使用绝对位置编码?C.分类头仅使用CLStoken?D.层间必须使用局部注意力窗口

答案：D?解析：ViT使用全局自注意力，无局部窗口限制。

1.8在PyTorch中，tensor.backward()执行的是

A.符号求导?B.数值微分?C.反向模式自动微分?D.前向模式自动微分

答案：C?解析：PyTorch采用反向模式（reversemodeAD）。

1.9下列哪项技术最适用于“将预训练大模型适配到下游小数据集”

A.网格搜索?B.知识蒸馏?C.微调?D.超参数随机搜索

答案：C?解析：微调通过继续训练顶层或全部层实现迁移。

1.10在GPT3的Fewshot推理中，提示模板里不包含

A.任务描述?B.示例输入输出对?C.待预测输入?D.验证集损失

答案：D?解析：验证集损失不在推理阶段出现。

1.11下列关于BatchNorm的描述，正确的是

A.训练与测试阶段使用相同统计量?B.可缓解内部协变量偏移?C.会增加网络过拟合风险?D.必须放在激活函数之后

答案：B?解析：BatchNorm通过标准化缓解内部分布漂移。

1.12在目标检测中，YOLOv8相对于YOLOv5的主要改进之一是

A.引入FPN?B.采用AnchorFree检测头?C.使用SoftNMS训练?D.移除Mosaic增强

答案：B?解析：YOLOv8默认AnchorFree，简化超参。

1.13下列关于A搜索算法的启发函数h(n)的叙述，正确的是

A.可允许高估?B.必须满足h(n)≤h(n)?C.必须为0?D.与g(n)无关

答案：B?解析：可容启发需低估真实代价，保证最优。

1.14在Python中，使用multiprocessing模块时，若共享大型只读模型参数，最佳方式是

A.使用Queue拷贝?B.使用Manager.list?C.使用torch.multiprocessing.set_start_method(spawn)并共享CUDAtensor?D.使用全局变量

答案：C?解析：spawn+CUDAIPC可避免重复显存拷贝。

1.15下列关于模型压缩技术，属于“结构化剪枝”的是

A.将单个权重置零?B.整通道剪枝?C.权重共享哈希?D.低秩分解

答案：B?解析：整通道剪枝直接删除滤波器，保留规则形状。

1.16在DiffusionModel训练阶段，损失函数通常采用

A.预测噪声的MSE?B.预测像素的交叉熵?C.对抗损失?D.感知损失

答案：A?解析：DDPM训练网络预测添加的噪声ε。

1.17下列关于BERT中NSP（NextSentencePrediction）任务的描述，正确的是

A.用于提升问答能