人工智能高考历年试题及答案

人工智能高考历年试题及答案一、单项选择题（每题4分，共40分）1.2018年全国Ⅰ卷·理综第3题下列关于人工智能发展历程的表述，正确的是A.1956年达特茅斯会议首次提出“人工智能”概念，标志着学科诞生B.1980年代专家系统衰落的原因是硬件算力突破导致符号主义被连接主义取代C.2012年ImageNet竞赛中，GeoffreyHinton团队使用的CNN模型首次将错误率降至10%以下D.强化学习在1997年深蓝击败卡斯帕罗夫之后即成为主流学派答案：A解析：B项错误，专家系统衰落主因是知识获取瓶颈；C项错误，2012年Hinton团队错误率为15.3%，首次低于10%是2014年；D项错误，深蓝主要依赖暴力搜索与评估函数，不属于强化学习范畴。2.2020年山东卷·信息第5题在卷积神经网络中，若输入特征图为32×32×3，采用10个5×5×3的卷积核，步长为1，零填充为2，则输出特征图尺寸为A.30×30×10 B.32×32×10 C.28×28×10 D.34×34×10答案：B解析：输出尺寸公式O=(I−K+2P)/S+1，代入得(32−5+2×2)/1+1=32，通道数等于卷积核个数10，故为32×32×10。3.2021年全国乙卷·通用技术第7题下列关于梯度消失问题的描述，正确的是A.仅出现在循环神经网络，卷积网络不受影响B.使用ReLU激活函数可以完全消除梯度消失C.残差结构通过恒等映射缓解深层网络梯度信号衰减D.批量归一化（BN）的作用是增加网络稀疏性从而减轻梯度消失答案：C解析：A项错误，CNN深层亦可能梯度消失；B项错误，ReLU在负半轴梯度为零，仍可能出现“神经元死亡”；D项错误，BN主要作用是减少内部协变量偏移，而非增加稀疏性。4.2022年浙江卷·技术选考第12题在DQN算法中，引入目标网络（targetnetwork）的主要目的是A.提高样本利用率B.打破数据相关性C.稳定训练目标，减少震荡D.实现连续动作空间控制答案：C解析：目标网络延迟更新，使Q值回归目标短期内固定，从而稳定训练。5.2019年江苏卷·物理选修34第6题某AI芯片采用14nm工艺，片上集成N个晶体管，工作电压0.8V，若单次乘加运算耗能约0.5pJ，则执行一次ResNet50推理（约7.7×10^8次乘加）理论能耗最接近A.0.035J B.0.35J C.3.5J D.35J答案：B解析：7.7×10^8×0.5×10^(−12)=3.85×10^(−4)J≈0.385J，最接近0.35J。6.2020年天津卷·信息第9题在Transformer模型中，缩放点积注意力机制使用dk=64，若Query矩阵Q∈ℝ^(8×64)，Key矩阵K∈ℝ^(8×64)，则softmax输入矩阵最后一行元素的方差理论期望为A.1/64 B.1/8 C.64 D.8答案：A解析：点积结果方差为dk=64，缩放后变为1，故softmax输入方差为1/64。7.2021年广东卷·信息技术第4题联邦学习场景中，客户端上传本地模型梯度而非原始数据，主要考虑A.降低通信开销B.保护用户隐私C.提高模型精度D.减少本地计算量答案：B解析：梯度虽仍可能泄露信息，但相比原始数据隐私风险显著降低。8.2022年北京卷·通用技术第10题在生成对抗网络中，若判别器D过快收敛到最优，则生成器G容易出现A.模式崩塌（modecollapse）B.梯度爆炸C.过拟合D.欠拟合答案：A解析：判别器太强，G无法获得有效梯度，导致生成样本多样性下降。9.2017年全国Ⅲ卷·理综第2题下列关于支持向量机的说法，正确的是A.核函数将特征映射到高维一定线性可分，故无需软间隔B.SVM对缺失数据鲁棒，可直接忽略缺失维度C.当惩罚参数C→∞，软间隔SVM等价于硬间隔SVMD.SVM回归（SVR）的目标函数与分类完全相同答案：C解析：A项错误，高维不一定线性可分；B项错误，SVM对缺失敏感；D项错误，SVR引入ε不敏感损失。10.2023年四省适应性测试·技术第6题在DiffusionModel训练阶段，网络通常预测A.原始图像x₀ B.噪声εₜ C.均值μₜ D.方差βₜ答案：B解析：网络学习目标为预测每一步添加的噪声，简化损失设计。二、多项选择题（每题5分，共30分，每题有2~3项符合题意，错选、多选、漏选均不得分）11.2022年全国甲卷·信息第14题下列技术可直接用于缓解过拟合的有A.Dropout B.L2正则 C.批量归一化 D.增加网络深度 E.数据增强答案：ABCE解析：增加深度可能加剧过拟合，其余均可缓解。12.2021年湖南卷·技术第13题关于BERT模型，下列说法正确的有A.预训练任务包含MaskedLM与NextSentencePredictionB.采用双向Transformer编码器C.位置编码使用可学习绝对位置向量D.微调阶段无法处理NER任务E.参数量大于GPT1答案：ABCE解析：D项错误，BERT微调可胜任NER。13.2020年海南卷·信息技术第15题在强化学习中，若环境状态完全可观测、转移概率已知，则A.可直接用动态规划求解最优策略B.模型无关算法仍适用C.价值迭代一定比策略迭代更快收敛D.贝尔曼方程提供最优性保证E.探索不再必要答案：ABD解析：C项错误，收敛速度视问题而定；E项错误，探索可加速早期收敛。14.2023年吉林模拟·技术第16题下列关于模型压缩的说法，正确的有A.知识蒸馏属于模型压缩手段B.剪枝后无需再训练即可保持精度C.量化将32位浮点权重映射到8位整型D.MobileNet使用深度可分离卷积减少参数量E.权重共享可进一步降低存储答案：ACDE解析：B项错误，剪枝后通常需再训练恢复精度。15.2019年上海卷·信息第18题在目标检测算法中，YOLOv3相对于YOLOv1的改进包括A.引入多尺度预测B.使用Darknet53骨干网络C.采用AnchorFree机制D.增加GIOU损失E.使用Sigmoid代替Softmax进行多标签分类答案：ABE解析：C项错误，YOLOv3仍用anchor；D项错误，GIOU在YOLOv4才引入。三、填空题（每空3分，共30分）16.2018年浙江卷·技术选考第21题ResNet中，若恒等映射分支输出为h(x)，主分支输出为F(x)，则层输出为________；当维度不匹配时，采用________变换进行下采样。答案：h(x)+F(x)；1×1卷积解析：恒等加残差，维度不一致用1×1卷积升维或降维。17.2020年江苏卷·信息技术第22题在LSTM单元中，遗忘门公式为fₜ=σ(Wf·[hₜ₋₁,xₜ]+bf)，其中σ表示________函数，输出范围________。答案：Sigmoid；(0,1)解析：Sigmoid输出0~1，控制遗忘比例。18.2022年重庆卷·通用技术第23题Transformer多头注意力中，若隐藏维512，头数8，则每个头的维度为________，输出再经________线性变换恢复512维。答案：64；Wo解析：512/8=64，Wo∈ℝ^(512×512)。19.2021年辽宁卷·信息第24题在联邦平均算法FedAvg中，第t轮全局模型更新公式为wₜ₊₁=________，其中η为学习率，m为客户端数量。答案：wₜ−η∑ₖ₌₁ᵐ(nₖ/n)∇Fₖ(wₜ)解析：按客户端数据量加权平均梯度。20.2023年河北模拟·技术第25题若某卷积层输入特征图尺寸为112×112，采用3×3卷积，步长2，填充1，则输出尺寸为________；若继续接入2×2最大池化，步长2，则最终尺寸为________。答案：56×56；28×28解析：第一次(112−3+2×1)/2+1=56；第二次56/2=28。四、实验与计算题（共50分）21.2022年全国乙卷·理综第29题（12分）某同学使用PyTorch实现GAN，生成器G输入噪声z∼N(0,I)，输出28×28灰度图像。训练时采用BCELoss，并令真实标签为1，虚假标签为0。（1）写出判别器D的损失函数表达式；（2）若G希望最大化logD(G(z))，请给出G的损失等价形式；（3）实际训练易出现梯度饱和，请提出一种改进损失并写出公式。答案与解析：（1）L_D=−[𝔼_x∼p_datalogD(x)+𝔼_z∼p_zlog(1−D(G(z)))]（2）L_G=−𝔼_z∼p_zlogD(G(z))（3）可采用最小二乘GAN（LSGAN）损失：L_D=½𝔼_x(D(x)−1)^2+½𝔼_z(D(G(z)))^2L_G=½𝔼_z(D(G(z))−1)^2，使梯度更平滑。22.2021年浙江卷·技术选考第31题（14分）给定文本分类任务，使用预训练BERTbase，类别数5。（1）写出微调时添加的分类头结构；（2）若输入序列最大长度128，批次大小32，计算一次前向传播所需显存约多少MB（假设FP32，忽略中间激活，只计参数与输入）；（3）若采用混合精度训练，显存可降低多少百分比？答案与解析：（1）取[CLS]输出h∈ℝ^(768)，经Dropout→Linear(768,5)→Softmax。（2）参数：BERTbase约110M，分类头768×5+5≈3.8k，总计≈110M；输入32×128×4B≈16.4kB；显存≈110×4=440MB。（3）FP16参数减半，显存≈220MB，降低50%。23.2023年湖北模拟·技术第32题（12分）某自动驾驶系统使用激光雷达点云，采用PointNet++语义分割。（1）简述MSG（MultiScaleGrouping）模块作用；（2）若原始点云含10⁵点，经最远点采样保留1024中心，球查询半径0.4m，最大点数64，则采样后每组特征维度若初始为3+64（坐标+全局特征），写出MLP输出维度变换(3+64)→64→128→256，计算该层参数总量；（3）说明PointNet++如何解决点云无序性问题。答案与解析：（1）MSG对每组中心点在不同半径下聚邻域，提取多尺度局部特征，增强几何感知。（2）参数：第一层(3+64)×64+64=4352第二层64×128+128=8320第三层128×256+256=33024总计4352+8320+33024=45696。（3）通过共享权重MLP提取逐点特征，再使用对称函数（maxpooling）聚合，保证输入顺序不变性。24.2020年天津卷·信息第33题（12分）阅读程序并完成下列任务：```pythonimporttorchx=torch.randn(4,3,32,32)conv=torch.nn.Conv2d(3,6,5,stride=1,padding=0)y=conv(x)pool=torch.nn.MaxPool2d(2,2)z=pool(y)```（1）写出z.shape；（2）若希望输出z为4×6×14×14，应如何修改conv参数；（3）若改用深度可分离卷积，参数量减少多少百分比？答案与解析：（1）y:4×6×28×28，z:4×6×14×14。（2）需使y为28×28，故conv输出尺寸公式(32−K+2P)/S+1=28，解得K=5,S=1,P=2，即padding=2。（3）普通卷积参数量：5×5×3×6=450；深度可分离：深度卷积5×5×3=75，点卷积1×1×3×6=18，总计93；减少百分比：(450−93)/450≈79.3%。五、综合应用题（共30分）25.2023年四省联考·技术压轴第34题某市高考阅卷采用AI辅助质检，需构建作文跑题检测模型。给定历年扫描图像8万份，已人工标注是否跑题。（1）请设计一套完整技术路线，包括数据预处理、模型选择、训练策略、评价指标；（2）若仅20%数据有标注，提出一种利用无标注数据的方案并说明原理；（3）若模型在高分数段（≥55分）召回率不足，分析可能原因并给出改进措施；（4）说明如何保障考生隐私。参考答案与评分要点：（1）预处理：OCR提取文本，去除乱码，限制长度512；模型：中文RoBERTawwmext，接二分类头；策略：5折交叉验证，加权损失（跑题样本少，权重上调），earlystopping；指标