2026年高职(人工智能技术应用)模型训练阶段测试题及答案.docxVIP

  • 0
  • 0
  • 约1.04万字
  • 约 32页
  • 2026-11-21 发布于河南
  • 举报

2026年高职(人工智能技术应用)模型训练阶段测试题及答案.docx

2026年高职(人工智能技术应用)模型训练阶段测试题及答案

一、单项选择题(共20题,每题2分,总计40分)

1.在工业表面缺陷检测这类存在显著样本不均衡特征的场景下,为兼顾模型训练效果与评估结果可靠性,训练集、验证集、测试集的合理分层划分比例为()

A.5:3:2

B.7:1.5:1.5

C.9:0.5:0.5

D.4:4:2

2.LoRA是当前产业级模型微调中应用最广泛的参数高效微调方法,其核心实现原理是()

A.冻结全部预训练模型参数,仅在注意力层插入低秩矩阵训练参数增量

B.解锁模型全部网络层参数,用较小学习率做全参数更新

C.仅训练输入层的可学习提示词嵌入向量,不修改模型主体参数

D.将模型做4bit量化后开展全参数训练,降低显存占用

3.某工业缺陷检测场景中,缺陷样本占总样本量的比例仅为2%,以下训练策略中不合理的是()

A.采用带类别权重的交叉熵损失函数,提高缺陷类别的损失权重

B.对少数类缺陷样本做随机过采样,平衡训练批次中的类别占比

C.将分类准确率(Accuracy)作为唯一核心评估指标判断模型效果

D.采用SMOTE算法在特征空间合成少数类缺陷样本,扩充样本多样性

4.模型训练过程中观测到训练集损失持续稳定下降,但验证集损失先下降至某一阈值后持续上升,该现象说明模型出现了()

A.欠拟合

B.过拟合

C.梯

文档评论(0)

1亿VIP精品文档

相关文档