2025年人工智能与计算机视觉技术考试试题及答案.docxVIP

2025年人工智能与计算机视觉技术考试试题及答案

一、单项选择题（每题3分，共30分）

1.当前主流视觉Transformer模型普遍采用哪种位置编码方案来提升长序列建模能力

A.绝对位置编码

B.可学习位置编码

C.旋转位置编码（RoPE）

D.相对位置编码

答案：C

解析：旋转位置编码通过为不同位置的词向量注入旋转偏置，能够天然保留不同位置之间的相对距离信息，在长序列输入上的外推性更好，精度更高，因此成为2023-2025年主流视觉Transformer大模型的首选位置编码方案，其余选项的位置编码在长序列场景下性能弱于RoPE。

2.SegmentAnythingModel（SAM）的核心定位是

A.专用语义分割模型

B.通用可提示分割基础大模型

C.专用实例分割模型

D.全景分割专用模型

答案：B

解析：SAM基于超大规模分割预训练，支持点、框、文本等多种交互提示输入，能够完成零样本场景下的各类分割任务，是面向通用分割任务的基础大模型，并非针对某一类特定分割任务设计的专用模型。

3.人工智能对齐（Alignment）技术在计算机视觉大模型中核心解决的问题是

A.提升模型特征提取能力

B.降低模型推理延迟

C.让模型输出符合人类意图与安全规范

D.减少训练所需数据量

答案：C

解析：对齐技术的核心目标是缩小大模型自身训练目标和人类实际需求、价值规范之