2026年自然语言处理工程师考试题库（附答案和详细解析）（0425）.docxVIP

2026年自然语言处理工程师考试题库（附答案和详细解析）（0425）

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中，Skip-gram模型的主要训练目标是：

A.预测上下文词基于中心词

B.预测中心词基于上下文词

C.直接学习词嵌入权重

D.优化句法树结构

答案：A

解析：Skip-gram通过中心词预测周围上下文词，而CBOW模型相反。选项B描述的是CBOW，C和D与模型设计无关。

Transformer模型中位置编码的作用是：

A.替代词嵌入层

B.引入序列顺序信息

C.减少计算复杂度

D.防止梯度消失

答案：B

解析：自注意力机制本身无位置感知能力，位置编码通过正弦函数添加序列顺序信息。选项A会丢失语义特征，C和D是模型结构优化的结果。

二、多项选择题（共10题，每题2分，共20分）

关于BERT预训练任务，正确的有：

A.使用掩码语言模型（MLM）

B.包含下一句预测（NSP）

C.采用自回归语言模型

D.需要双向上下文编码

答案：ABD

解析：MLM和NSP是BERT的核心预训练任务，且BERT通过双向Transformer编码上下文。选项C描述的是GPT等自回归模型的特点。

下列哪些是CRF（条件随机场）在NER任务中的优势：

A.可建模标签间转移概率

B.天然支持多标签分类

C.对未