2026年人工智能期末试题及答案.docxVIP

2026年人工智能期末试题及答案

一、单项选择题（每题2分，共20分）

1.在深度强化学习中，下列哪种方法最适合解决连续动作空间问题？

A.Q-learning

B.SARSA

C.DDPG

D.表格型策略迭代

2.若某Transformer模型的自注意力权重矩阵对角线元素全部为零，则下列说法正确的是：

A.模型无法捕捉任何位置信息

B.模型退化为全连接前馈网络

C.模型无法计算上下文表示

D.模型仍可通过位置编码保留顺序信息

3.在联邦学习框架下，客户端上传本地模型梯度而非原始数据，其主要目的是：

A.降低通信开销

B.提高全局模型准确率

C.保护数据隐私

D.减少服务器计算量

4.对于生成对抗网络（GAN），若判别器损失迅速降至零而生成器损失居高不下，最可能的原因是：

A.生成器学习率过高

B.判别器过强，梯度消失

C.生成器容量不足

D.判别器正则化过度

5.在神经架构搜索（NAS）中，采用权重共享技术的主要优点是：

A.降低搜索空间维度

B.减少子模型训练时间

C.提高最终模型鲁棒性

D.避免局部最优

6.若某图神经网络（GNN）在节点分类任务上表现良好，但将图随机重排节点编号后性能骤降，说明该模型：

A.对图结构过拟合

B.未使用图池化

C.缺乏置换不变性

D.未使用残差连接

7.在对比学习框架SimCLR中，温度参数τ的作