2026年人工智能训练师（五级）基础理论易错试题.docxVIP

2026年人工智能训练师（五级）基础理论易错试题

1.单项选择题（每题1分，共30分）

1.1在监督学习中，若训练集正负样本比例严重失衡（正样本仅占2%），下列哪种处理策略最可能导致模型在测试集上召回率骤降？

A.对负样本进行随机下采样使两类数量相等

B.在损失函数中对正样本施加10倍权重

C.采用FocalLoss并调大γ参数

D.使用SMOTE对正样本进行过采样

1.2某次训练过程中，损失函数曲线在前50轮持续下降，随后20轮开始上下剧烈震荡，但验证集准确率仍缓慢提升。最合理的解释是：

A.学习率过大导致参数在最优解附近震荡

B.模型已进入过拟合阶段

C.训练集与验证集分布不一致

D.优化算法陷入局部鞍点

1.3在Transformer中，若将缩放点积注意力公式中的缩放因子误写成，则当=256时，注意力分布的熵与正确实现相比会：

A.显著增大

B.显著减小

C.基本不变

D.先增大后减小

1.4使用ReLU激活的深层网络出现“神经元死亡”现象，其直接原因是：

A.权重初始化方差过大

B.学习率过小

C.批归一化参数β初始化为负值

D.梯度截断阈值设置过低

1.5在联邦学习场景下，客户端上传的模型梯度被恶意替换为全零向量，服务器若采用FedAvg算法，则聚合后全局模型在下一轮迭代时：

A.完全失效，参数全部归零

B.不受影响，因其余