2026年人工智能问题解决能力考试试题及答案.docxVIP

2026年人工智能问题解决能力考试试题及答案

一、单项选择题（每题2分，共20分）

1.在深度强化学习中，若策略梯度更新后出现“梯度爆炸”现象，下列哪种方法最不可能缓解该问题？

A.梯度裁剪

B.使用自然策略梯度

C.增大学习率

D.引入基线函数

答案：C

解析：梯度爆炸通常由过大梯度引起，增大学习率会进一步放大梯度，反而加剧问题。

2.某医疗影像分割模型在验证集上的Dice系数为0.92，但在临床测试集上骤降至0.63。最可能的原因是：

A.验证集与训练集同分布

B.临床测试集存在域偏移

C.模型欠拟合

D.损失函数选择不当

答案：B

解析：验证集表现好而临床测试集差，提示分布外数据（域偏移）导致泛化失败。

3.在联邦学习框架下，客户端上传本地模型参数而非原始数据，主要解决：

A.通信开销

B.数据隐私

C.模型异构

D.标签噪声

答案：B

解析：参数上传避免原始数据泄露，核心目的是隐私保护。

4.对于Transformer模型，若将自注意力机制替换为线性注意力，其时间复杂度从O(n2d)降至：

A.O(nd)

B.O(nlognd)

C.O(n2logd)

D.O(d2)

答案：A

解析：线性注意力通过核技巧将注意力矩阵分解为两个矩阵乘积，复杂度降为O(nd)。

5.在图神经网络中，若节点特征维度极高且图稀疏，优先选择的聚合方式是：

A