2025年全省职业技能竞赛(人工智能训练师赛项)试题库及答案

2025年全省职业技能竞赛(人工智能训练师赛项)试题库及答案一、单选题（每题1分，共30分）1.在PyTorch中，若模型在GPU上训练，下列哪段代码能正确地把张量x从CPU迁移到GPU并确保后续运算仍在GPU？A.x=x.cuda()B.x=x.to('cuda:0')C.x=x.to(torch.device('cuda'))D.x=x.clone().cuda()答案：C解析：A在GPU不可用时抛出异常；B写法正确但不够通用；C先获取设备句柄，兼容多卡；D产生冗余拷贝。C为官方推荐写法。2.使用Transformer训练中文文本生成模型时，若出现“重复尾句”现象，优先调节下列哪个超参数？A.learning_rateB.beam_sizeC.repetition_penaltyD.dropout答案：C解析：repetition_penalty直接对重复token的概率进行惩罚，是缓解尾句重复的首选。3.在联邦学习场景下，采用FedAvg算法，当客户端本地epoch过多时，最可能导致：A.通信开销线性下降B.全局模型收敛速度加快C.客户端漂移（clientdrift）加剧D.梯度消失答案：C解析：本地epoch越多，本地模型偏离全局初始点越远，客户端漂移现象越明显。4.使用混合精度训练时，LossScaling的主要目的是：A.减少GPU显存占用B.避免低精度下梯度下溢C.加速前向计算D.提高模型鲁棒性答案：B解析：float16动态范围小，梯度容易下溢，LossScaling通过放大loss反向梯度，防止下溢。5.在目标检测任务中，YOLOv8引入的DFL（DistributionFocalLoss）损失函数主要解决：A.正负样本不平衡B.边界框分布建模C.小目标漏检D.多尺度融合答案：B解析：DFL把边界框坐标建模为概率分布，用交叉熵回归，缓解硬性L1/L2损失对噪声敏感的问题。6.当使用LoRA微调LLM时，若rank=8，原矩阵维度为4096×4096，则LoRA引入的可训练参数量约为：A.4096×8×2B.4096×8C.8×8×2D.4096×2答案：A解析：LoRA把ΔW分解为BA，其中B∈ℝ^(d×r)，A∈ℝ^(r×d)，参数量=dr+rd=2dr。7.在StableDiffusion推理阶段，若将DDIM采样步数从50减到20，理论上生成图像的FID会：A.显著下降B.基本不变C.上升D.先升后降答案：C解析：步数减少导致近似误差增大，生成质量下降，FID上升。8.使用DeepSpeedZeRO3时，下列哪项内存占用被彻底消除？A.优化器状态B.梯度C.模型参数D.激活值答案：C解析：ZeRO3把模型参数也分片到各GPU，每个GPU只存1/N参数，实现参数内存清零。9.在CTR预估中，DeepFM相比Wide&Deep的主要改进是：A.引入注意力机制B.共享Embedding层C.使用残差连接D.加入FM层自动学习二阶特征交叉答案：D解析：DeepFM用FM层替代Wide部分的人工交叉，减少特征工程。10.当使用KMeans对10万条512维向量聚类时，若k=1000，最耗时的环节是：A.初始化质心B.分配样本到最近质心C.更新质心D.计算轮廓系数答案：B解析：分配环节需计算1000×10万=1亿次距离，复杂度O(nkd)最高。11.在模型蒸馏中，若教师模型输出softmax温度T=4，学生模型T=1，则蒸馏损失权重通常应：A.随T升高而降低B.随T升高而升高C.固定0.5D.与T无关答案：B解析：T越大分布越平滑，信息熵高，需给予更大权重才能充分学习暗知识。12.使用TensorRT加速BERT推理时，下列哪种层最可能被融合为单一kernel？A.LayerNorm+GELUB.QKVMatMul+SoftmaxC.Add+LayerNormD.Softmax+Dropout答案：C解析：Add+LayerNorm为典型“瓶颈”结构，TensorRT将其纵向融合，减少内存读写。13.在NLP数据增强中，对于中文实体识别任务，下列哪种方法最易导致标签错位？A.同义词替换B.随机删除C.随机交换相邻字D.回译答案：C解析：交换字符会改变BIO标注边界，例如“BPERIPER”交换后可能变成“BPERBPER”。14.当使用Adam优化器时，若beta1=0.9，beta2=0.999，则二阶矩估计的偏差修正项在t=2步时为：A.1/(10.999^2)B.1/(10.9^2)C.10.999^2D.10.9^2答案：A解析：二阶矩修正分母为1beta2^t，t=2时为10.999^2。15.在图像分割任务中，若使用DiceLoss，其本质与下列哪种指标直接优化一致？A.IoUB.PixelAccuracyC.PrecisionD.Recall答案：A解析：Dice=2|A∩B|/(|A|+|B|)，与IoU单调一致，可直接优化。16.使用Horovod做分布式训练时，若采用梯度压缩（FP16+TopK），通信瓶颈主要受限于：A.参数服务器带宽B.AllReduce算法延迟C.压缩率D.网络往返时延答案：C解析：TopK压缩率决定实际传输数据量，压缩率越低带宽需求越小。17.在RLHF中，奖励模型过拟合会导致PPO训练出现：A.高方差策略B.模式崩溃C.奖励黑客（rewardhacking）D.探索不足答案：C解析：过拟合的奖励模型会被生成模型“欺骗”，输出虚假高分，即奖励黑客。18.当使用混合专家模型（MoE）时，若top_k=2，专家总数=64，则每个token激活的参数量占总量的：A.1/32B.1/64C.2/64D.64/2答案：C解析：top_k=2即激活2个专家，占比2/64=1/32。19.在时序预测中，Informer模型将selfattention复杂度从O(L²)降至O(LlogL)的核心操作是：A.低秩分解B.稀疏化得分矩阵C.卷积替换D.哈希分桶答案：B解析：ProbSparseattention只保留Topk得分，其余置零，实现稀疏化。20.当使用ONNX导出动态batch的VisionTransformer模型时，下列哪项必须设为动态轴？A.输入图像高和宽B.类别token维度C.PatchEmbedding输出序列长度D.Batch维度答案：D解析：动态batch只需把batch维度设为动态轴，其余维度固定即可。21.在模型压缩技术中，KnowledgeWithinaNeuralNetwork（KWIN）方法利用的是：A.特征图稀疏性B.权重冗余C.激活值量化D.梯度显著性答案：B解析：KWIN发现权重存在低秩子空间，通过分解去除冗余。22.使用DALL·E3生成图像时，若提示词包含“redcubeonbluecube”，模型需要理解：A.颜色分布B.空间关系C.材质属性D.光照方向答案：B解析：on表示空间堆叠关系，需3D场景理解。23.在语音识别中，若采用Conformer结构，卷积模块的主要作用是：A.捕获局部时序上下文B.降低帧率C.替代attentionD.减少参数量答案：A解析：卷积对相邻帧建模，弥补attention对局部细节不敏感的问题。24.当使用Fairseq训练多语言MT模型时，若采用“languagetoken”策略，该token应放在：A.编码器输入开头B.解码器输入开头C.编码器输出末尾D.解码器输出末尾答案：B解析：语言token作为解码器输入首符，指导目标语言生成。25.在模型可解释性中，IntegratedGradients方法需对输入做：A.随机扰动B.基线插值C.反向传播两次D.白盒攻击答案：B解析：IG沿直线路径从基线到输入积分梯度，需插值采样。26.当使用AutoML中的NAS时，DARTS算法将搜索空间松弛为：A.离散候选B.连续向量C.二进制编码D.哈希签名答案：B解析：DARTS把结构权重设为连续α，通过双层级优化求解。27.在推荐系统冷启动场景，利用CLIP图文模型做sideinformation，主要解决：A.交互稀疏B.特征交叉C.高维灾难D.曝光偏差答案：A解析：图文信息补充新物品缺失的交互信号，缓解稀疏。28.当使用RayTune做超参搜索时，若搜索算法为BayesianOptimization，其代理模型通常是：A.高斯过程B.随机森林C.深度神经网络D.XGBoost答案：A解析：BayesianOpt默认用GP拟合目标函数，评估采集函数。29.在DiffusionModel训练阶段，若噪声调度采用cosineschedule，相比linearschedule，其优势是：A.前向加噪速度更快B.末尾步噪声不足C.中间步信噪比变化更平滑D.采样步数必须增加答案：C解析：cosine在中间区域斜率更缓，信噪比过渡平滑，训练更稳定。30.当使用MindSpore的Graph模式时，模型调试最常用的方法是：A.打印中间张量B.开启PyNative模式C.使用gdbD.插入tf.summary答案：B解析：Graph模式静态编译，调试困难；切换PyNative可动态执行，方便打印。二、多选题（每题2分，共20分）31.下列哪些操作可有效降低Transformer模型推理延迟？A.KVCacheB.动态批处理C.使用GELU近似D.8bit量化答案：ABD解析：KVCache避免重复计算；动态批处理提高吞吐；8bit量化减少内存带宽；GELU近似仅轻微加速，不如其他显著。32.在联邦学习系统里，为防止模型投毒攻击，可采用的防御机制有：A.基于余弦相似度的异常检测B.安全聚合（SecureAggregation）C.差分隐私D.知识蒸馏答案：ABC解析：A过滤恶意更新；B防止服务器窥探；C添加噪声降低投毒影响；D与防御投毒无直接关系。33.使用PyTorchLightning时，下列哪些函数由Lightning自动调用？A.training_stepB.configure_optimizersC.optimizer.stepD.backward答案：ABCD解析：Lightning封装训练循环，自动调度backward、step，用户只需实现training_step等。34.在构建中文LLM预训练语料时，下列哪些清洗策略有助于提升模型质量？A.基于fastText的语言ID过滤B.重复ngram去重C.基于困惑度的垃圾文本过滤D.统一繁简转换答案：ABCD解析：四项均为常见清洗策略，分别解决语种混杂、重复、低质量、字形差异问题。35.当使用TensorBoard可视化梯度时，若出现梯度爆炸，可观察到：A.直方图分布集中在0附近B.直方图出现极大值C.全局范数急剧上升D.权重分布趋近于0答案：BC解析：梯度爆炸表现为范数激增、直方图长尾极大值；A为梯度消失；D为权重衰减过度。36.在DiffusionModel采样阶段，下列哪些技巧可提升生成质量？A.ClassifierFreeGuidanceB.DDIM重启采样C.TemperatureScalingD.EMA模型权重答案：ABD解析：ClassifierFreeGuidance增强条件控制；DDIM重启减少随机性；EMA平滑权重；Temperature主要用于语言模型。37.在构建多模态检索系统时，为缓解图文模态gap，可引入：A.对比学习损失B.掩码语言建模C.图文匹配损失D.跨模态注意力答案：ACD解析：对比学习拉近正样本；图文匹配二分类；跨模态注意力交互；B仅用于文本预训练。38.当使用Horovod做RingAllReduce时，下列哪些因素决定通信时间？A.梯度总字节数B.网卡带宽C.GPU计算能力D.集群节点数答案：ABD解析：通信量=总字节/带宽；节点数增加导致环延迟增大；GPU计算与通信时间无关。39.在AutoML框架NNI中，支持的超参搜索策略有：A.TPEB.HyperbandC.PBTD.GridSearch答案：ABCD解析：NNI内置以上全部算法。40.在模型部署阶段，使用TritonInferenceServer的好处包括：A.动态批处理B.多框架后端C.模型热更新D.自动扩缩容答案：ABC解析：Triton支持动态批、多后端、热更新；自动扩缩容由K8s负责，非Triton原生。三、判断题（每题1分，共10分）41.在PyTorch中，nn.DataParallel与DistributedDataParallel相比，前者能实现多机多卡。答案：错误解析：DataParallel仅支持单机多卡，DistributedDataParallel支持多机多卡。42.使用混合专家模型（MoE）时，专家容量因子（capacityfactor）越大，越容易出现token丢弃。答案：错误解析：容量因子越大，缓冲越大，token丢弃概率越小。43.在知识蒸馏中，若教师与学生架构完全相同，则蒸馏无效。答案：错误解析：即使架构相同，教师使用EMA权重或更高精度，仍可传递暗知识。44.在StableDiffusion中，将VAE解码器替换为更高分辨率版本，可直接提升生成图像细节。答案：正确解析：VAE解码器负责latent到像素空间，更高分辨率decoder减少上采走样。45.在联邦学习中，SecureAggregation能完全抵御模型投毒攻击。答案：错误解析：SecureAggregation仅保护隐私，无法检测或过滤恶意更新。46.使用DeepSpeedZeROOffload时，优化器状态可卸载到CPU内存，从而支持超大模型训练。答案：正确解析：ZeROOffload利用CPU内存扩展，支持百亿参数级别。47.在CTR预估中，DCNV2相比DCN，把交叉层改为矩阵分解形式，减少参数量。答案：错误解析：DCNV2引入低秩矩阵，但参数量因扩展维度反而增加，交叉能力更强。48.在语音识别中，使用CTCLoss时，必须引入外部语言模型才能解码。答案：错误解析：CTC可独立解码，但引入语言模型可提升准确率。49.在VisionTransformer中，去除位置编码会导致模型无法处理任意分辨率。答案：正确解析：无位置编码，模型失去序列顺序信息，无法正确推理空间关系。50.使用RayTune时，设置checkpoint_score_attr="loss"，则调度器会保存loss最大的模型。答案：错误解析：默认保存score最大，若属性为loss，应设置mode="min"。四、填空题（每题2分，共20分）51.在Transformer中，自注意力计算复杂度为________。答案：O(n²d)52.使用LoRA微调时，若原线性层权重为W∈ℝ^(d×k)，低秩分解为B∈ℝ^(d×r)、A∈ℝ^(r×k)，则前向计算表达式为________。答案：h=Wx+BAx53.在DDPM中，若前向加噪总步数T=1000，则第t步的噪声调度β_t通常采用________schedule。答案：linear或cosine（任填一个即得分）54.在联邦学习场景，FedProx算法通过添加________范数约束缓解客户端漂移。答案：L2近端55.在模型量化中，将FP32权重量化为INT8，其量化比例系数s的计算公式为________。答案：s=(max|min|)/(2^81)56.在VisionTransformer中，若输入图像224×224，patch_size=16，则序列长度为________。答案：197（14×14+1）57.使用DeepSpeed时，开启________功能可在训练千亿参数模型时，将优化器状态、梯度、参数均分片到所有GPU。答案：ZeRO358.在对比学习中，InfoNCE损失的温度超参τ越小，则正负样本区分度越________。答案：大（或高）59.在StableDiffusion中，文本提示首先通过________模型转换为语义向量。答案：CLIPTextEncoder60.在AutoML中，DARTS算法把结构搜索转化为________优化问题。答案：双层级（bilevel）五、简答题（每题10分，共30分）61.描述在百亿参数模型训练过程中，如何利用CPUOffload+ZeRO3+ActivationCheckpointing组合，把单卡显存占用降至30GB以下，并给出各模块显存占用估算。答案与解析：1)ZeRO3将参数、梯度、优化器状态分片到64GPU，每卡显存≈(总参数量×12字节)/64，百亿参数≈100G×12/64≈18.75GB。2)ActivationCheckpointing以时间换空间，显存降至O(n√n)，对于seq=2k、batch=1、hidden=8192、layer=80，显存≈8GB。3)CPUOffload把优化器状态进一步卸载到CPU，每卡仅保留当前分片参数≈1.6GB。4)综合：参数1.6GB+梯度1.6GB+激活8GB+临时缓存≈30GB以内。解析：三者协同，分片、重计算、卸载分别解决参数、激活、优化器显存瓶颈。62.给定一个中文医疗问答数据集，存在严重的类别不平衡（常见病样