2026年AI自然语言处理与信息检索结合训练试题及答案.docxVIP

2026年AI自然语言处理与信息检索结合训练试题及答案

一、单项选择题（本大题共20小题，每小题2分，共40分。在每小题给出的四个选项中，只有一项是符合题目要求的）

1.在自然语言处理与信息检索结合的现代架构中，Transformer模型的核心机制“自注意力”旨在解决什么问题？

A.解决梯度消失问题

B.捕捉序列中的长距离依赖关系

C.加速矩阵运算速度

D.减少模型的参数量

2.在经典的向量空间模型中，用于衡量两个文档向量相似度最常用的度量方法是？

A.欧氏距离

B.曼哈顿距离

C.余弦相似度

D.杰卡德相似系数

3.BM25算法是信息检索中广泛使用的概率检索模型，相比传统的TF-IDF，它引入了哪两个关键参数来控制词频饱和度和文档长度归一化？

A.α和β

B.和b

C.λ和μ

D.γ和δ

4.在基于BERT的神经信息检索模型中，通常使用特殊的标记[CLS]的输出向量来表示？

A.文档的语义内容

B.查询与文档的交互关系

C.整个输入序列（查询-文档对）的全局表示

D.下一个单词的预测概率

5.倒排索引是搜索引擎的核心数据结构。对于包含“自然语言处理”这一短语的文档，以下哪种索引结构能最高效地支持短语查询？

A.前缀树

B.后缀数组

C.位置信息倒排索引

D.签名文件

6.检索增强生成（RAG）技术旨在解决大型语言模型（LLM