2025年人工智能大赛题库及答案(可下载).docxVIP

2025年人工智能大赛题库及答案(可下载)

一、单选题（每题仅有一个正确答案，选对得2分，选错得0分）

1.在VisionTransformer中，用于将二维图像块映射为一维序列的模块正式名称是

A.PatchEmbedding?B.PositionalEncoding?C.ClassToken?D.AttentionHead

答案：A

解析：PatchEmbedding通过线性投影将16×16或14×14的图像块拉平并映射到d维向量，是ViT序列化的起点；PositionalEncoding仅追加位置信息，ClassToken用于分类，AttentionHead是后续计算单元。

2.联邦学习场景下，客户端上传的参数若采用SecureAggregation，其根本目的是

A.降低通信开销?B.防止中央服务器看到个体梯度?C.加速收敛?D.支持异构网络

答案：B

解析：SecureAggregation通过同态加密或秘密共享，使服务器只能获得聚合后的全局梯度，无法反推出任何单一客户端的私有数据，从而满足隐私要求。

3.在扩散模型DDPM的反向过程中，神经网络εθ需要预测的是

A.原始图像x0?B.噪声εt?C.均值μθ?D.方差Σθ

答案：B

解析：DDPM将去噪任务转化为“预测当前步添加的噪声”，损失函数直接计算εt与εθ的MSE，简化了网络输出维度并提升稳定性。

4.下列关于MoE（MixtureofExperts）稀疏激活的描述，正确的是

A.所有专家网络每次前向都被激活?B.门控网络使用Softmax后取Topk?C.专家容量因子不影响计算量?D.专家之间必须共享参数

答案：B

解析：MoE通过门控Topk选择仅激活k个专家（通常k=1或2），实现稀疏计算；容量因子决定每个专家可处理的token上限，直接影响显存与计算量。

5.在RLHF（ReinforcementLearningfromHumanFeedback）中，用于将人类偏好转化为可优化信号的常用算法是

A.DPO?B.PPO?C.A2C?D.Qlearning

答案：B

解析：OpenAIInstructGPT使用PPO优化策略，以奖励模型输出作为环境奖励，实现大规模语言模型对齐；DPO为2023年提出的免强化学习简化版，非原始方案。

6.当使用INT8量化对Transformer进行WeightOnly量化时，下列矩阵乘法顺序不会引入显著误差的是

A.QKV投影?B.输出投影?C.LayerNorm权重?D.FFNUpproj

答案：C

解析：LayerNorm的权重向量尺寸远小于隐藏层，量化误差对最终输出影响极小；而QKV、输出及FFN权重直接参与大维度乘法，需额外校准或混合精度。

7.在自动驾驶感知中，将激光雷达点云转换为伪图像的常用表示方法是

A.BEV?B.RangeImage?C.VoxelFPN?D.PointNet++

答案：B

解析：RangeImage将360°激光扫描按“距离方位角”展开为二维矩阵，可直接复用2DCNN，是早期Velodyne论文的核心技巧；BEV为鸟瞰图，非“伪图像”原意。

8.当使用DeepSpeedZeRO3训练百亿模型时，优化器状态被分割到

A.数据并行进程?B.模型并行进程?C.流水线并行进程?D.张量并行进程

答案：A

解析：ZeRO3在数据并行维度上切分优化器状态、梯度与参数，实现“极端分片”，与模型/流水线/张量并行正交。

9.在语音合成中，用于直接建模音频波形并支持多说话人的神经声码器是

A.WaveNet?B.WaveRNN?C.HiFiGAN?D.WaveGlow

答案：C

解析：HiFiGAN采用生成对抗框架，生成器为全卷积结构，条件输入可拼接说话人嵌入，支持实时合成；WaveNet自回归导致速度瓶颈。

10.下列关于神经架构搜索NAS的描述，错误的是

A.DARTS将离散搜索松弛为连续优化?B.ProxylessNAS在ImageNet上直接搜索?C.EfficientNet使用强化搜索得出缩放系数?D.OnceforAll训练一次可导出多尺度子网

答案：C

解析：EfficientNet的复合缩放系数通过网格搜索+人工观察得出，非强化学习；其基线网络EfficientNetB0使用NAS，但缩放规则为经验式。

11.在图神经网络中，用于解决“过度平滑”问题的技术是

A.GraphSAGE采样?B.GAT注意力?C.Resi