2026年人工智能工程师考试题库（附答案和详细解析）（0607）.docxVIP

人工智能工程师

一、单项选择题（共10题，每题1分，共10分）

在机器学习模型评估中，用于衡量模型在未见过的测试数据上表现好坏的核心指标是（）。A.训练准确率B.验证集准确率C.测试集准确率D.过拟合率答案：C解析：训练准确率仅反映模型对训练数据的记忆程度，无法代表泛化能力；验证集用于超参数调优；测试集（或称为评估集）在模型最终评估时使用，最能客观反映模型在真实场景下的性能，是模型评估的黄金标准。

下列关于梯度下降算法的描述，正确的是（）。A.梯度下降算法每次迭代都会减少损失函数的值B.梯度下降算法通常用于解决凸优化问题C.学习率越大，收敛速度通常越快D.随机梯度下降（SGD）每次更新参数时使用的是整个训练集答案：B解析：梯度下降是一种优化算法，其目的是最小化损失函数。对于凸优化问题，梯度下降可以保证找到全局最优解；对于非凸问题，容易陷入局部最优。虽然学习率大收敛快，但过大会导致震荡甚至发散；SGD使用的是单个样本或小批量更新，而非整个训练集。

在深度学习框架中，用于存储和计算张量（Tensor）及其导数的核心组件是（）。A.计算图B.自动求导引擎C.激活函数层D.批归一化层答案：B解析：自动求导引擎负责记录计算过程并自动计算梯度，是深度学习框架的核心组件（如PyTorch中的Autograd）。计算图是构建模