2026年自然语言处理工程师考试题库（附答案和详细解析）（0203）.docxVIP

自然语言处理工程师考试试卷

一、单项选择题（共10题，每题1分，共10分）

以下哪项是Word2Vec模型的核心训练目标？

A.预测句子的下一个词

B.最大化词向量的上下文共现概率

C.学习句子的整体语义表示

D.生成符合语法的完整句子

答案：B

解析：Word2Vec通过滑动窗口捕捉词的上下文共现关系，核心目标是最大化给定中心词时上下文词的出现概率（CBOW模型）或给定上下文词时中心词的出现概率（Skip-gram模型）。A是语言模型（如GPT）的目标；C是句子嵌入（如Sentence-BERT）的目标；D是文本生成模型的目标。

BERT模型的预训练任务不包括以下哪项？

A.掩码语言模型（MLM）

B.下一句预测（NSP）

C.句子连贯性预测

D.词元位置预测

答案：D

解析：BERT的预训练任务是MLM（随机掩码部分词并预测）和NSP（判断两句子是否连续）。C是后续改进模型（如RoBERTa）优化NSP后的任务；D未作为BERT原生预训练任务。

循环神经网络（RNN）在处理长文本时的主要缺陷是？

A.参数量过大导致过拟合

B.无法处理变长序列

C.梯度消失/爆炸问题

D.无法捕捉局部特征

答案：C

解析：RNN的循环结构导致反向传播时梯度经过多次矩阵乘法，易出现梯度消失（长距离依赖丢失）或爆炸（训练不稳定）。A是深层模型的普遍问题；B可通过填充/截断解决