2026年计算机人工智能深度学习专项试题及答案.docxVIP

2026年计算机人工智能深度学习专项试题及答案

一、单项选择题（共10题，每题2分，满分20分）

1.2024年发布的混合注意力架构Mamba-2核心线性复杂度注意力的理论计算复杂度为（）

A.O(n)B.O(nlogn)C.O(n2)D.O(n^(3/2))

答案：A

解析：Mamba-2通过结构化状态空间模型（SSM）的选择性扫描机制替代传统Transformer的自注意力模块，消除了注意力分数计算过程中n对n的矩阵乘法，将序列长度维度的计算复杂度从O(n2)降至线性O(n)，在1Mtoken以上长序列任务上的推理速度较Llama3-7B提升4.2倍，精度损失控制在1.2%以内。

2.下列针对大模型参数高效微调（PEFT）技术的描述，符合2025年工业界落地主流标准的是（）

A.LoRA的最优秩参数必须固定为8才能保证微调精度

B.QLoRA通过4位双量化将70B参数模型的微调显存需求压缩至单张24GB消费级显卡可承载

C.PrefixTuning的可训练参数量占比通常高于全参数微调的10%

D.DoRA技术通过分离权重的幅度与方向分量，微调效果较同参数量LoRA平均下降3-5个百分点

答案：B

解析：QLoRA在2023年首次提出后经2024-2025年迭代优化，采用4位NormalFloat双量化、页优化器等技术，可在单张RTX4