2026年人工智能工程师考试题库（附答案和详细解析）（0110）.docxVIP

人工智能工程师考试试卷

一、单项选择题（共10题，每题1分，共10分）

以下哪项属于监督学习的典型应用场景？

A.图像分类（已知类别标签）

B.用户分群（无类别标签）

C.信用卡异常检测（少量标签）

D.商品关联规则挖掘（无标签）

答案：A

解析：监督学习需要样本的输入-输出对（标签），图像分类（如CIFAR-10数据集）明确使用标签训练模型，属于监督学习。B（聚类）、D（关联规则）是无监督学习；C（异常检测）多为半监督或无监督，故错误。

卷积神经网络（CNN）中，负责提取局部空间特征的核心层是？

A.全连接层

B.卷积层

C.池化层

D.激活层

答案：B

解析：卷积层通过滑动窗口（卷积核）提取图像局部特征（如边缘、纹理），是CNN的核心。全连接层（A）用于特征整合；池化层（C）用于降维；激活层（D）引入非线性，均非“提取局部特征”的核心，故错误。

循环神经网络（RNN）在处理长序列时的主要缺陷是？

A.参数量过大

B.长期依赖问题

C.无法并行计算

D.对噪声敏感

答案：B

解析：RNN通过隐藏状态传递信息，但梯度消失/爆炸问题导致其难以捕捉长距离依赖（如“猫坐在…地毯上”中“猫”与“地毯”的关联）。C（无法并行）是RNN的特性但非主要缺陷；A、D与长序列无关，故错误。

自然语言处理（NLP）中，“词嵌入”（WordEmbedding）的主要目的是？

A.压缩文本长度

B.将词语映射到低维连续向量空间

C.提取句子语法结构

D.实现多语言翻译

答案：B

解析：词嵌入（如Word2Vec、GloVe）通过训练将词语转换为语义相关的低维向量（如“国王-男人+女人=女王”），捕捉语义相似性。A（压缩）、C（语法分析）、D（翻译）是其他任务的目标，故错误。

强化学习中，“奖励函数”的核心作用是？

A.定义智能体的动作空间

B.指导智能体学习最优策略

C.存储历史状态-动作对

D.评估环境状态的复杂度

答案：B

解析：奖励函数通过即时反馈（正/负奖励）引导智能体调整策略（如AlphaGo通过落子得分优化下棋策略），是强化学习的目标导向核心。A（动作空间）由环境定义；C（经验回放）是记忆机制；D（状态复杂度）与奖励无关，故错误。

以下哪种技术不属于计算机视觉（CV）的典型应用？

A.目标检测（YOLO）

B.图像风格迁移（NeuralStyleTransfer）

C.情感分析（文本）

D.语义分割（U-Net）

答案：C

解析：情感分析是NLP任务（分析文本情感倾向），CV关注图像/视频处理，A（检测目标位置）、B（转换图像风格）、D（像素级分类）均属CV，故错误。

模型过拟合的典型表现是？

A.训练集和测试集准确率都很低

B.训练集准确率高，测试集准确率低

C.训练集准确率低，测试集准确率高

D.训练集和测试集准确率波动大

答案：B

解析：过拟合时模型过度学习训练集噪声（如记住个别样本特征），导致泛化能力差（测试集表现差）。A是欠拟合；C不符合实际；D是训练不稳定，故错误。

以下哪项是生成对抗网络（GAN）的核心组件？

A.编码器-解码器结构

B.生成器与判别器的博弈

C.注意力机制

D.残差连接

答案：B

解析：GAN通过生成器（生成假样本）与判别器（区分真假样本）的对抗训练提升生成质量（如StyleGAN生成高分辨率人脸）。A（编解码器）是VAE或翻译模型结构；C（注意力）是Transformer核心；D（残差）用于解决梯度消失，故错误。

人工智能伦理中，“可解释性”主要关注的问题是？

A.模型计算速度是否足够快

B.模型决策过程能否被人类理解

C.模型是否会产生算法偏见

D.模型是否符合数据隐私法规

答案：B

解析：可解释性要求模型输出（如医疗诊断）的决策逻辑可被人类追溯（如LIME局部解释），避免“黑箱”风险。A（速度）是效率问题；C（偏见）是公平性；D（隐私）是合规性，故错误。

以下哪项是迁移学习的典型应用？

A.使用预训练的ResNet模型微调实现特定场景的图像分类

B.从头训练一个新的CNN模型用于MNIST手写数字识别

C.通过强化学习训练机器人走迷宫

D.用K-means算法对用户行为数据分群

答案：A

解析：迁移学习利用预训练模型（如ResNet在ImageNet上的知识）迁移到目标任务（如宠物分类），减少标注数据需求。B（从头训练）、C（强化学习）、D（无监督聚类）均非迁移学习，故错误。

二、多项选择题（共10题，每题2分，共20分）

以下属于深度学习框架的有？（至少2个正确选项）

A.TensorFlow

B.PyTorch

C.Scikit-learn

D.Caffe

答案：ABD

解析：TensorFlow（Goo