2026年自然语言处理工程师考试题库（附答案和详细解析）（0428）.docxVIP

2026年自然语言处理工程师考试题库（附答案和详细解析）（0428）

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模型中，Skip-gram架构的主要目标是：

A.通过上下文词预测中心词

B.通过中心词预测上下文词

C.计算词对的互信息

D.优化词向量正交性

答案：B

解析：Skip-gram通过中心词预测周围上下文词，而CBOW（A选项）相反。C选项是PMI模型核心，D选项非目标函数要求。

在Transformer模型中，残差连接的核心作用是：

A.降低计算复杂度

B.防止梯度消失

C.增加非线性表达能力

D.提升并行计算效率

答案：B

解析：残差连接允许梯度直接回传，缓解深层网络梯度消失问题（B正确）。A/D是自注意力机制优势，C是激活函数作用。

（题目3-10略）

二、多项选择题（共10题，每题2分，共20分）

关于Attention机制的描述，正确的有：

A.缩放点积注意力需除以√d_k避免梯度饱和

B.Self-Attention中Q、K、V均来自同一输入

C.多头注意力扩大了模型的表示空间

D.Attention权重计算必须用Softmax归一化

答案：ABC

解析：A是Transformer原始设计（论文公式）；B定义正确；C多头设计允许关注不同子空间；D错误（可用其他归一化如稀疏Atten