2026年人工智能工程师考试题库（附答案和详细解析）（0602）.docxVIP

人工智能工程师

一、单项选择题（共10题，每题1分，共10分）

在机器学习中，当模型的方差很高但偏差很低时，这通常意味着模型出现了什么问题？A.模型过于简单，未能充分拟合训练数据B.模型过于复杂，对训练数据发生了过拟合C.模型的训练数据存在严重的噪声干扰D.模型的特征工程做得不够充分答案：B解析：偏差衡量模型的预测值与真实值的差异，方差衡量模型对不同训练样本的敏感度。低偏差意味着模型能够很好地拟合训练数据；高方差意味着模型对训练数据过于敏感，过度学习了数据中的局部噪声和特征，导致在测试集上表现不佳，即发生了过拟合。选项A和D会导致高偏差；选项C虽然是引发过拟合的可能外部原因，但不是对“高方差低偏差”这一现象本质的直接描述。

下列哪一项不是缓解深度神经网络中梯度消失问题的有效方法？A.使用ReLU等非饱和激活函数B.引入批归一化层C.使用Sigmoid或Tanh作为隐藏层的激活函数D.采用残差连接结构构建网络答案：C解析：梯度消失主要是由于使用Sigmoid或Tanh等饱和型激活函数时，其导数在输入值较大或较小时趋近于0，多层反向传播会导致梯度连乘后呈指数级衰减。使用ReLU（选项A）、引入批归一化（选项B）和残差连接（选项D）都是解决梯度消失的有效手段。因此，选项C不仅不是解决方法，反而是导致该问题的元凶。

在自然语言处理中，Word2Vec