2026年自然语言处理工程师考试题库（附答案和详细解析）（0109）.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.预测词语的词性标注

B.通过中心词预测上下文词（CBOW）或通过上下文词预测中心词（Skip-gram）

C.学习句法结构中的依赖关系

D.生成符合语法规则的句子

答案：B

解析：Word2Vec包含CBOW（连续词袋模型）和Skip-gram两种架构，核心目标是通过词的上下文信息学习词的分布式表示（词向量）。A是词性标注任务目标，C是句法分析任务目标，D是文本生成任务目标，均与Word2Vec无关。

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.序列到序列生成（Seq2Seq）

D.双向上下文建模

答案：C

解析：BERT的预训练任务是MLM（随机掩码部分输入词并预测）和NSP（判断两句话是否连续），核心是双向上下文建模。Seq2Seq是生成任务的训练方式（如GPT），并非BERT的预训练任务。

循环神经网络（RNN）在处理长文本时的主要缺陷是？

A.无法处理可变长度输入

B.存在梯度消失/爆炸问题，导致长距离依赖建模困难

C.参数量过大，计算效率低

D.只能捕捉局部上下文信息

答案：B

解析：RNN的链式结构导致反向传播时梯度经过多次矩阵乘法后可能消失（接近0）或爆炸（指数增