2026年自然语言处理工程师考试题库（附答案和详细解析）（0208）.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中Skip-gram模型的训练目标？

A.给定上下文预测中心词

B.给定中心词预测上下文

C.最大化相邻词的共现概率

D.最小化词向量的欧氏距离

答案：B

解析：Skip-gram模型的核心是“中心词预测上下文”（如给定“苹果”预测周围可能出现的“水果”“手机”等词），而CBOW模型是“上下文预测中心词”。选项A描述的是CBOW的目标；C是共现矩阵的统计目标；D是词向量优化的中间手段，非训练目标。

BERT预训练任务中，“下一句预测（NSP）”的主要作用是？

A.学习句子间的逻辑关系

B.提升词级别的语义理解

C.增强模型的长距离依赖能力

D.减少过拟合风险

答案：A

解析：NSP任务通过判断两个句子是否为连续上下文（如“今天下雨”和“我带了伞”是正例，“今天下雨”和“苹果是红色”是负例），帮助模型学习句子间的逻辑关联（如因果、转折）。B是MLM（掩码语言模型）的作用；C是Transformer自注意力的特性；D是正则化技术的作用。

以下哪种模型最适合处理长文本的序列依赖问题？

A.卷积神经网络（CNN）

B.循环神经网络（RNN）

C.长短期记忆网络（LSTM）

D.前馈神经网络（FNN）

答案：C

解析：LSTM通过门控机制（输入门、遗忘门、输出门）解决