2026年人工智能算法可解释性考试题库及解析.docxVIP

2026年人工智能算法可解释性考试题库及解析

一、单项选择题（每题2分，共20分）

1.下列关于模型可解释性的定义，最准确的是（）

A.模型能够被任何人完全理解其内部所有参数的含义

B.模型以人类可理解的方式表达其决策依据与行为逻辑的能力

C.模型在训练过程中记录所有中间计算结果的能力

D.模型将输入数据映射到输出标签的数学表达式的复杂度

答案B

解析可解释性指模型能够以人类可理解的方式呈现其决策依据与内部逻辑。A过于绝对，C是日志记录，D仅描述复杂度而非解释能力。

2.按解释对象划分，可解释性分为（）

A.模型级解释与结果级解释

B.全局解释与局部解释

C.内在解释与事后解释

D.自解释模型与代理模型

答案B

解析按解释对象范围分为全局解释（整个模型逻辑）和局部解释（单个预测结果）。A是解释层次，C是方法论分类，D是具体实现手段。

3.下列模型中，属于天然具备可解释性的白盒模型是（）

A.深度神经网络

B.随机森林

C.决策树

D.梯度提升机

答案C

解析决策树的树状结构和分裂规则可直接呈现，属于白盒模型。随机森林和梯度提升机虽基于树结构，但集成后的决策逻辑难以直接解读。

4.SHAP值方法的核心思想来源于（）

A.概率论中的贝叶斯定理

B.博弈论中的Shapley值

C.信息论中的互信息

D.