2026年人工智能融合应用基础考试真题及解析.docxVIP

2026年人工智能融合应用基础考试真题及解析

一、单项选择题（每题2分，共20分）

1.在联邦学习框架下，下列哪项技术最能有效缓解“非独立同分布（Non-IID）”数据带来的模型偏差？

A.参数平均

B.梯度压缩

C.FedProx正则项

D.知识蒸馏

答案：C

解析：FedProx在客户端目标函数中加入近端正则项，限制本地更新与全局模型的偏离，从而抑制Non-IID导致的漂移。

2.某城市大脑项目需对4K无人机视频进行实时车辆检测，若采用边缘-云协同架构，下列哪种方案能在30ms内完成端到端推理且满足≤15W边缘设备功耗？

A.YOLOv8x全精度在云侧推理

B.YOLOv8n量化后部署于JetsonOrinNano

C.Swin-Transformer在5G基站侧容器运行

D.DETR在中心云GPU池推理

答案：B

解析：YOLOv8n为超轻量模型，INT8量化后帧率可达120FPS，OrinNano峰值15W，满足时延与功耗双约束。

3.在医疗影像联邦学习场景中，为保护患者隐私，以下哪种加密机制可在不暴露原始梯度的情况下完成全局聚合？

A.Paillier同态加密

B.RSA数字签名

C.AES-CTR流加密

D.SHA-256哈希

答案：A

解析：Paillier支持加法同态，服