2026年人工智能工程师资格试题及详解.docxVIP

2026年人工智能工程师资格试题及详解

考试说明

本试卷满分100分，考核内容覆盖人工智能基础理论、大模型开发、多模态技术、端侧部署、AI安全伦理、行业落地等核心领域，符合人工智能工程师岗位的实操能力与理论储备要求。

一、单项选择题（共10题，每题1分，共10分）

当前主流低资源大模型微调技术LoRA的核心优化对象是以下哪一项

A.大模型全量权重参数

B.注意力层的低秩适配器矩阵

C.模型输入层的词嵌入向量

D.输出分类层的偏置项

答案：B

解析：LoRA技术的核心原理是冻结大模型全部原有权重，仅在注意力层插入两个尺寸较小的低秩矩阵参与训练，大幅降低微调的算力和显存需求。A选项全量权重微调是传统微调方案，需要占用数倍于LoRA的算力资源；C选项词嵌入向量微调仅针对特定语种扩充等小场景使用，不是LoRA的优化对象；D选项输出层偏置项仅占参数总量的不到万分之一，无法实现有效的模型能力迁移。

在CLIP类跨模态对齐模型的训练目标中，核心的优化逻辑是让以下哪组特征的空间距离尽可能缩小

A.同一张图片对应的文本特征与图片特征

B.不同图片对应的相同语义的图片特征

C.同一文本描述对应的不同文本特征

D.不同语义的文本特征和图片特征

答案：A

解析：CLIP模型的对比学习训练核心是最大化配对的图文对特征相似度，同时最小化非配对图文对的特征相似度。B选项仅统一同类图片特征不属于跨