2025年人工智能知识竞赛考试题附答案.docxVIP

2025年人工智能知识竞赛考试题附答案

一、单项选择题（每题2分，共20分。每题只有一个正确答案，请将正确选项的字母填在括号内）

1.在深度学习中，以下哪种激活函数在输入为0时导数最大？

A.Sigmoid

B.Tanh

C.ReLU

D.LeakyReLU

（答案：C）

2.下列关于Transformer架构的描述，正确的是：

A.编码器与解码器均使用双向注意力

B.位置编码通过可学习参数实现

C.自注意力机制的时间复杂度为O(n2d)

D.LayerNorm位于残差分支之后

（答案：C）

3.在联邦学习场景下，客户端上传的通常是：

A.原始训练数据

B.模型参数梯度或权重

C.验证集准确率

D.损失函数曲线

（答案：B）

4.若某卷积层输入特征图尺寸为112×112，卷积核大小5×5，步长2，填充2，则输出特征图尺寸为：

A.56×56

B.55×55

C.54×54

D.53×53

（答案：A）

5.在强化学习中，Qlearning算法更新公式中的α表示：

A.折扣因子

B.学习率

C.探索率

D.奖励衰减系数

（答案：B）

6.下列哪项技术最直接用于缓解模型训练中的“内部协变量偏移”？

A.Dropout

B.BatchNormalization

C.L2正则化

D.EarlyStopping

（答案：B）

7.在BERT预训练过程中，NextSentencePrediction任务使用的标签“IsNext”对应的数值为：

A.0

B.1

C.2

D.3

（答案：B）

8.若某模型在ImageNet上Top1准确率为76.5%，其单张预测置信度为0.91，则该预测属于：

A.一定正确

B.一定错误

C.无法判断对错

D.需结合真实标签判断

（答案：D）

9.在生成对抗网络中，若判别器损失迅速降至接近0，而生成器损失不断上升，最可能的原因是：

A.模式坍塌

B.梯度爆炸

C.判别器过强

D.生成器过强

（答案：C）

10.下列关于模型压缩技术“知识蒸馏”的描述，错误的是：

A.学生模型通常参数量更少

B.蒸馏损失仅与软标签有关

C.温度参数T越大，软标签越平滑

D.可同时使用硬标签与软标签联合训练

（答案：B）

二、多项选择题（每题3分，共15分。每题有两个或两个以上正确答案，请将所有正确选项的字母填在括号内，漏选、错选均不得分）

11.以下哪些操作能够降低卷积神经网络的过拟合风险？

A.数据增强

B.增加通道数

C.DropBlock

D.LabelSmoothing

（答案：A、C、D）

12.关于GPT系列模型的特点，正确的有：

A.采用解码器only结构

B.预训练目标为语言建模

C.使用双向注意力机制

D.可通过提示词完成下游任务

（答案：A、B、D）

13.在自动驾驶感知系统中，多传感器融合的优势包括：

A.提升冗余度

B.降低算法复杂度

C.扩展感知范围

D.减小单一传感器失效风险

（答案：A、C、D）

14.下列属于无监督学习算法的有：

A.kmeans

B.DBSCAN

C.PCA

D.CRF

（答案：A、B、C）

15.关于AIGC（人工智能生成内容）治理，国际主流框架提出的原则包括：

A.公平性

B.可解释性

C.完全自主决策

D.可追溯性

（答案：A、B、D）

三、填空题（每空2分，共20分。请在横线上填写最准确的术语或数值）

16.ResNet中解决梯度消失的关键结构是__________。

（答案：残差连接）

17.若某模型参数量为1.2×10?，使用float16存储，则完全加载该模型所需显存约为__________GB。

（答案：2.4）

18.在PyTorch中，若需冻结某层参数，应设置该层参数的__________属性为False。

（答案：requires_grad）

19.VisionTransformer将图像切块后，通过__________映射为向量序列。

（答案：线性投影或Embedding）

20.联邦学习中，各客户端模型权重聚合常用的算法是__________。

（答案：FedAvg）

21.若学习率设为0.01，使用CosineAnnealing调度，周期100轮，则第5