算法偏见试题及答案.docxVIP

算法偏见试题及答案

一、单项选择题（共10题，每题1分，共10分）

算法偏见主要来源于：

A.计算机硬件性能的差异

B.算法代码本身的逻辑错误

C.训练数据、算法设计或社会系统的不公平性

D.程序员的个人编程习惯

答案：C

解析：算法偏见的核心根源通常不是技术故障或硬件问题，而是根植于其训练数据中存在的偏见、算法模型设计时未能考虑公平性，以及算法部署于其中的社会系统本身存在结构性不平等。选项A、B、D虽然可能影响算法性能，但并非算法偏见产生的主要和普遍原因。

在招聘算法中，如果历史数据中男性员工被录用的比例远高于女性，该算法可能产生哪种偏见？

A.选择偏差

B.测量偏差

C.标签偏差

D.表示偏差

答案：A

解析：选择偏差是指训练数据未能代表目标群体或现实世界分布。此例中，历史招聘数据（即训练数据）本身已存在性别比例失衡，不能代表公平的、无性别偏见的招聘环境。算法学习这种有偏数据后，会延续甚至放大数据中的偏见，从而在未来的招聘决策中产生对女性的歧视。

“公平性通过忽略敏感属性来实现”这一说法通常指的是以下哪种公平性方法？

A.群体公平

B.个体公平

C.公平性处理

D.公平性感知

答案：C

解析：公平性处理（或称为“公平性通过无知”）是一种直接的方法，即在模型训练和预测时，故意移除或忽略“性别”、“种族”等敏感属性，希望模型不会基于这些属性进行歧