2026年自然语言处理工程师考试题库（附答案和详细解析）（0213）.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）

Word2Vec的Skip-gram模型训练目标是？

A.预测中心词周围的上下文词

B.预测上下文词对应的中心词

C.最大化词向量的余弦相似度

D.最小化词频的交叉熵损失

答案：A

解析：Skip-gram模型的核心是“用中心词预测周围的上下文词”（如输入“苹果”，预测“吃”“水果”等上下文词），而CBOW模型是“用上下文词预测中心词”（选项B错误）。选项C是词向量评估指标，非训练目标；选项D描述的是词频统计任务，与Word2Vec无关。

BERT预训练任务不包括？

A.掩码语言模型（MLM）

B.下一句预测（NSP）

C.自回归语言模型（ARLM）

D.词级掩码预测

答案：C

解析：BERT的预训练任务是MLM（随机掩码部分输入词，预测被掩码的词）和NSP（判断两句话是否连续）。自回归语言模型（如GPT）是“用前n个词预测第n+1个词”，属于单向建模，而BERT是双向自编码模型（选项C错误）。选项D是MLM的具体实现方式（掩码词级单元），属于BERT任务。

以下哪种技术主要用于解决RNN的长距离依赖问题？

A.注意力机制

B.词袋模型（Bag-of-Words）

C.卷积神经网络（CNN）

D.循环dropout

答案：A

解析：RNN因梯度消失/爆炸问题难以捕捉长距离依赖，注意