2026年人工智能应用工程师考试题及答案.docxVIP

2026年人工智能应用工程师考试题及答案

满分：100分考试时间：150分钟

一、单项选择题（共15题，每题2分，共30分）

1.2026年主流大语言模型推理优化技术中，能够在不损失模型精度的前提下将7B参数模型推理速度提升3-5倍、显存占用降低40%以上的技术是？

A.INT8权重量化

B.结构化剪枝

C.SpeculativeDecoding（投机解码）

D.PagedAttention

答案：D

解析：PagedAttention通过将注意力键值对（KV缓存）分割为固定大小的页、非连续存储，消除了传统KV缓存的内存碎片化问题，单卡可支持的并发推理请求数提升2-3倍，7B模型在A10G显卡上单批次推理速度提升4倍以上，无精度损失。INT8量化会带来1%-2%的精度下降；结构化剪枝对7B模型提速通常不超过2倍；投机解码提速依赖小模型匹配度，平均提速1.5-2倍。

2.面向工业质检场景的视觉缺陷检测任务中，以下哪种多模态大模型微调方法最适配小样本（标注样本量500）、缺陷类型动态更新的需求？

A.全参数微调

B.LoRA（低秩适配）

C.QLoRA

D.视觉指令微调+动态提示工程模块

答案：D

解析：工业质检场景缺陷类型更新频繁，全参数微调、LoRA、QLoRA均需要重新训练适配新缺陷，成本高、周期长。视觉指令微调+动态提示工程模块仅需要为新缺陷补充3-5