2026年大学人工智能（自然语言处理基础）试题及答案.docxVIP

2026年大学人工智能（自然语言处理基础）试题及答案

一、单项选择题（每题2分，共20分）

1.以下哪种词嵌入方法通过预测中心词周围的上下文词来学习向量表示？

A.GloVe

B.Word2Vec的CBOW模型

C.FastText

D.ELMo

答案：B

2.在BERT的预训练任务中，“下一句预测（NSP）”被后续研究（如RoBERTa）改进的主要原因是？

A.任务太简单，无法捕捉长距离依赖

B.正样本（连续句子）与负样本（随机句子）的区分度不足

C.增加了计算复杂度但收益有限

D.与MLM任务存在冲突

答案：B

3.以下哪项不是循环神经网络（RNN）处理长文本时的主要问题？

A.梯度爆炸

B.梯度消失

C.并行计算能力差

D.无法捕捉词序信息

答案：D

4.子词分词（SubwordTokenization）的主要目的是？

A.减少词表大小，同时保留词的内部结构信息

B.完全替代基于字的分词

C.提高模型对未登录词（OOV）的处理能力

D.A和C

答案：D

5.在Transformer的注意力机制中，“缩放点积注意力（ScaledDot-ProductAttention）”引入缩放因子（通常为√d_k）的主要原因是？

A.避免点积结果过大