2026年人工智能工程师试题精炼考试题及答案.docxVIP

2026年人工智能工程师试题精炼考试题及答案

1.当前大模型参数高效微调方法中，能够在不修改预训练模型主干参数的前提下，仅通过引入少量可训练参数适配下游任务，且对硬件显存占用最低的常用方法是以下哪项？

A.全参数微调B.LoRAC.IA3D.PrefixTuning

参考答案与解析：C。全参数微调需要更新预训练模型所有主干参数，显存占用最高；PrefixTuning需要在每一层输入添加可训练的前缀向量，参数量通常在百万到千万级别；LoRA通过在模型注意力层添加低秩可训练矩阵实现适配，参数量通常为数十万到百万级别；IA3通过仅学习少量缩放向量对模型原激活值进行缩放调整，参数量仅为千到万级别，远低于其他参数高效微调方法，因此显存占用最低。

2.在多模态大模型的对齐训练中，以下哪种损失函数最常用于对齐文本嵌入与视觉嵌入的特征空间？

A.Cross-EntropyLossB.ContrastiveLossC.MSELossD.FocalLoss

参考答案与解析：B。交叉熵损失主要用于分类任务，优化类别预测的概率分布；对比损失通过拉近相同语义下的跨模态样本对特征距离，推远不同语义样本对的特征距离，能够有效将不同模态的特征映射到统一语义空间，是当前多模态对齐训练最常用的损失函数；MSE损失主要用于回归任务，拟合连续值输出，跨模态对齐中效果弱于对比损失；Focal损失主要