2026年人工智能系统集成(人工智能部署)试题及答案.docxVIP

2026年人工智能系统集成(人工智能部署)试题及答案

一、单项选择题（每题2分，共20分）

1.在边缘计算场景下部署YOLOv8目标检测模型时，下列哪项优化手段最能显著降低首次推理延迟？

A.将权重从FP32量化为INT8

B.把模型拆分到两台边缘节点并行推理

C.使用知识蒸馏训练一个更深的学生网络

D.在云端完成推理，仅回传结果

答案：A

解析：INT8量化可把权重体积与访存量降至1/4，配合TensorRT等框架可在边缘端实现3~5倍加速，直接缩短首帧延迟。并行拆分（B）会增加通信开销；蒸馏更深网络（C）反而增大计算；云端推理（D）受网络抖动影响，延迟不可控。

2.联邦学习系统中，为防止模型更新泄露用户隐私，通常会在上传梯度前加入以下哪种机制？

A.同态加密

B.差分隐私噪声

C.梯度压缩

D.知识蒸馏

答案：B

解析：差分隐私通过在梯度上添加校准噪声，提供可量化的隐私预算ε，兼顾收敛与隐私。同态加密（A）计算开销大；压缩（C）不降隐私风险；蒸馏（D）与上传梯度无关。

3.某企业需在Kubernetes集群内以滚动方式升级一个人工智能推理服务，且要求“零宕机”。下列哪项配置最能保证Pod在升级期间持续可用？

A.设置strategy.rollingUpdate.maxUnavailable=0

B.设置readinessProbe.initialDelayS