2026年二级人工智能训练师(技师)职业技能等级认定考试题及答案

2026年二级人工智能训练师(技师)职业技能等级认定考试题及答案一、单项选择题（每题1分，共30分）1.在深度学习模型训练中，若验证集损失持续上升而训练集损失持续下降，最可能的原因是A.学习率过低B.模型欠拟合C.模型过拟合D.批尺寸过大答案：C解析：训练集损失下降但验证集损失上升，表明模型对训练数据记忆过度，泛化能力下降，典型过拟合现象。2.使用Adam优化器时，若β₁=0.9，β₂=0.999，则第t步的一阶矩估计mₜ更新公式为A.mₜ=β₁mₜ₋₁+(1−β₁)gₜB.mₜ=(1−β₁)gₜ+β₁mₜ₋₁C.mₜ=β₁gₜ+(1−β₁)mₜ₋₁D.mₜ=mₜ₋₁+(1−β₁)gₜ答案：A解析：Adam的一阶矩估计采用指数移动平均，mₜ=β₁mₜ₋₁+(1−β₁)gₜ。3.在联邦学习场景下，为防止梯度泄露用户隐私，通常采用的最轻量级防御手段是A.同态加密B.差分隐私C.安全多方计算D.模型剪枝答案：B解析：差分隐私通过添加校准噪声即可实现隐私保护，计算与通信开销远低于同态加密与安全多方计算。4.当使用Transformer训练中文文本生成模型时，若出现“重复尾句”现象，优先调节的参数是A.temperatureB.top-kC.repetition_penaltyD.beam_size答案：C解析：repetition_penalty直接对重复token进行惩罚，可显著抑制循环生成。5.在模型蒸馏中，若教师模型输出为软标签z_T，学生模型输出为z_S，蒸馏损失通常采用A.KL(z_S||z_T)B.MSE(z_S,z_T)C.CrossEntropy(z_S,z_T)D.KL(z_T||z_S)答案：A解析：蒸馏损失用学生分布逼近教师分布，故KL(z_S||z_T)。6.当数据集中正负样本比例为1:99时，最适合的评估指标是A.AccuracyB.PrecisionC.F1-scoreD.AUC-ROC答案：D解析：类别极度不平衡时，Accuracy失效，AUC-ROC对阈值不敏感，最能反映排序能力。7.在PyTorch中，若需冻结除最后一层外的全部参数，应使用A.requires_grad=FalseB.torch.no_grad()C.detach()D.eval()答案：A解析：将对应层参数的requires_grad设为False即可停止梯度计算。8.使用混合精度训练时，LossScaling的主要目的是A.加速收敛B.防止梯度下溢C.减少显存占用D.提高精度答案：B解析：float16动态范围小，乘以Scale因子可防止梯度下溢。9.在强化学习PPO算法中，clip参数ε的典型取值范围是A.0.01~0.05B.0.1~0.3C.0.5~0.8D.1.0~2.0答案：B解析：实验表明ε∈[0.1,0.3]可在方差与偏差间取得平衡。10.当使用知识图谱嵌入模型RotatE时，关系r的嵌入维度为d，则复数旋转的参数量为A.dB.2dC.d/2D.d²答案：A解析：RotatE将关系表示为复数相位，每个维度仅需一个角度参数，共d个。11.在ONNX模型转换过程中，若出现“Unsupportedoperator”错误，最优先的解决路径是A.升级CUDAB.升级onnxruntimeC.注册自定义算子D.降低batch_size答案：C解析：自定义算子需通过注册映射到目标框架，升级runtime未必覆盖新算子。12.当使用DeepSpeedZeRO-3时，优化器状态、梯度、参数均被分区，其最大显存节省理论倍数为A.NB.N²C.√ND.logN答案：A解析：N张GPU下，显存线性扩展，理论节省N倍。13.在图像分割任务中，若Dice系数为0.9，则像素级Accuracy一定A.≥0.9B.≤0.9C.无法确定D.=0.9答案：C解析：Dice与Accuracy定义不同，前者侧重前景重叠，后者全局像素，无确定大小关系。14.当使用BERT进行文本分类时，若max_len=512，batch_size=8，则单卡显存占用主要与A.词汇表大小B.隐藏层维度C.层数D.以上全部答案：D解析：显存与词汇表嵌入、隐藏维度、层数均呈线性或平方关系。15.在AutoML框架中，用于搜索模型结构的算法是A.BayesianOptimizationB.HyperbandC.NASD.GridSearch答案：C解析：NAS（NeuralArchitectureSearch）专用于结构搜索。16.当使用Mosaic数据增强训练YOLOv5时，随机拼接四张图像的主要收益是A.提升小目标检出B.降低显存C.减少过拟合D.加速推理答案：A解析：四图拼接增加小目标数量，提升小目标训练样本密度。17.在联邦学习聚合阶段，若采用FedAvg，则服务器端更新公式为A.w=∑ₖ(nₖ/n)wₖB.w=mean(wₖ)C.w=∑ₖwₖ/|K|D.w=median(wₖ)答案：A解析：FedAvg按客户端数据量加权平均。18.当使用余弦退火学习率调度时，若T_max=100，则第50个epoch的lr为A.lr_min+(lr_max−lr_min)(1+cos(π·50/100))/2B.lr_max/2C.lr_minD.lr_max答案：A解析：余弦退火公式即A选项。19.在模型部署阶段，若TensorRT报告“Dimensionmismatch”，最可能原因是A.输入尺寸动态但未标记B.精度为INT8C.batch_size=1D.使用CUDA11答案：A解析：动态尺寸需显式标记，否则引擎构建失败。20.当使用K-fold交叉验证时，若K=数据集大小，则称为A.留一法B.留P法C.BootstrapD.Holdout答案：A解析：K=N即留一交叉验证。21.在PyTorchLightning中，用于自动调整学习率的回调是A.LearningRateMonitorB.EarlyStoppingC.ModelCheckpointD.GradientAccumulationScheduler答案：A解析：LearningRateMonitor可记录并自动调整LR。22.当使用混合专家模型MoE时，若Top-2门控，则每次激活的专家数为A.1B.2C.全体D.随机答案：B解析：Top-2即选2个专家。23.在图像分类数据增强中，RandAugment相比AutoAugment的主要优势是A.无需搜索B.精度更高C.速度更慢D.参数更多答案：A解析：RandAugment采用固定策略，无需强化学习搜索。24.当使用EarlyStopping时，若patience=10，则连续10次未提升即停止训练，该回调监控的默认模式是A.minB.maxC.autoD.off答案：C解析：Lightning根据监控指标自动判断min/max。25.在模型压缩中，若采用权重共享，则压缩率主要与A.码本大小B.剪枝率C.量化位宽D.稀疏度答案：A解析：权重共享通过聚类中心码本实现，码本越小压缩率越高。26.当使用Swish激活函数时，其导数在x=0处的值为A.0B.0.5C.1D.σ(0)答案：B解析：Swish(x)=x·σ(x)，导数σ(x)+x·σ(x)(1−σ(x))，x=0时σ(0)=0.5，故导数=0.5。27.在目标检测评价中，若mAP@0.5:0.95=0.6，则意味着A.IoU阈值0.5时AP=0.6B.在IoU∈[0.5,0.95]步长0.05的10个阈值下AP均值为0.6C.AP@0.5=0.6且AP@0.95=0.6D.最大AP为0.6答案：B解析：COCO指标定义即B。28.当使用GradientCheckpointing时，显存占用由O(L)降为A.O(√L)B.O(logL)C.O(1)D.O(L²)答案：B解析：以时间换空间，显存与logL成正比。29.在联邦学习后门攻击中，攻击者主要篡改A.模型参数B.数据标签C.梯度更新D.学习率答案：C解析：上传恶意梯度即可植入后门。30.当使用A100GPU训练时，若打开TF32，则矩阵乘法的精度位宽为A.16B.19C.32D.64答案：B解析：TF32采用19位精度。二、多项选择题（每题2分，共20分）31.以下哪些技术可有效缓解模型训练中的梯度消失问题A.残差连接B.LayerNormC.ReLUD.权重衰减答案：A,B,C解析：残差、归一化、激活函数均可缓解，权重衰减仅正则化。32.在Transformer中，以下哪些操作具有O(n²)复杂度A.Self-attentionB.FeedForwardC.LayerNormD.解码器Cross-attention答案：A,D解析：Self-attention与Cross-attention均计算n×n矩阵。33.当使用TensorRTINT8量化时，需要A.校准数据集B.动态范围统计C.再训练D.反量化节点答案：A,B,D解析：PTQ无需再训练。34.以下哪些属于无监督数据增强策略A.AutoAugmentB.MixUpC.Back-translationD.CutMix答案：C解析：Back-translation无需标签，其余需标签或混合。35.在模型蒸馏中，若教师为集成模型，学生可获得的收益包括A.提升鲁棒性B.降低参数量C.提高训练速度D.降低推理延迟答案：A,B,D解析：集成教师鲁棒性可迁移，学生模型小，推理快，但训练需额外开销。36.当使用DeepSpeed时，ZeRO-2与ZeRO-1的区别包括A.梯度分区B.优化器状态分区C.参数分区D.通信量答案：A,D解析：ZeRO-2新增梯度分区，通信量不同。37.以下哪些指标可用于评估生成模型多样性A.Self-BLEUB.MS-JaccardC.FréchetInceptionDistanceD.n-gram重复率答案：A,B,D解析：FID评估质量，非多样性。38.在联邦学习中，以下哪些攻击属于拜占庭攻击A.Label-flippingB.Sign-randomC.Gaussian-deltaD.Back-gradient答案：B,C,D解析：随机符号、高斯扰动、反向梯度均属拜占庭。39.当使用混合专家模型时，以下哪些技术可降低门控网络计算开销A.Top-K稀疏门控B.共享专家C.路由正则化D.专家并行答案：A,C解析：Top-K与正则化减少计算，共享与并行属架构策略。40.以下哪些方法可用于模型可解释性A.IntegratedGradientsB.LIMEC.Grad-CAMD.Dropout答案：A,B,C解析：Dropout仅正则化，非解释性方法。三、判断题（每题1分，共10分）41.使用LayerNorm的模型在推理阶段必须保存运行均值与方差。答案：错解析：LayerNorm无运行统计，BatchNorm才需。42.在PyTorch中，torch.cuda.amp.autocast默认使用float16。答案：对解析：AMP默认float16。43.当使用Kaiming初始化时，若激活函数为ReLU，则方差缩放因子为2/fan_in。答案：对解析：Kaiming公式即2/fan_in。44.在目标检测中，YOLOv5的anchor-free版本称为YOLOv5x。答案：错解析：YOLOv5x为深度宽度放大，非anchor-free。45.使用知识蒸馏时，温度τ越大，软标签分布越尖锐。答案：错解析：τ越大分布越平滑。46.在联邦学习中，SecureAggregation可防止服务器看到单个用户梯度。答案：对解析：同态加密或秘密共享实现。47.当使用SwiGLU激活时，参数量是普通ReLUFFN的1.5倍。答案：对解析：SwiGLU引入门控投影。48.INT8量化后，模型推理速度一定提升。答案：错解析：若硬件不支持INT8，可能反而下降。49.在Transformer中，位置编码可完全替代Self-attention。答案：错解析：位置编码仅提供顺序信息，无法替代注意力。50.使用GradientAccumulation时，等效batch_size=accumulation_steps×micro_batch_size。答案：对解析：梯度累加即等价扩大batch。四、填空题（每空2分，共20分）51.在Transformer中，若隐藏维度d_model=768，注意力头数h=12，则每个头的维度为______。答案：64解析：768/12=64。52.若使用cosineannealing学习率调度，初始lr=0.1，最小lr=0.001，则周期T_max=100时，第50个epoch的lr=______（保留四位小数）。答案：0.0505解析：0.001+(0.1−0.001)(1+cos(π·50/100))/2=0.0505。53.当使用FocalLoss时，若γ=2，则易分类样本的权重衰减因子为______。答案：(1−p)²解析：Focal权重=(1−p)^γ。54.在YOLOv5中，若输入图像尺寸为640×640，下采样倍数为32，则特征图尺寸为______。答案：20×20解析：640/32=20。55.若模型参数量为1.2×10⁹，采用float16存储，则显存占用约为______GB。答案：2.4解析：1.2×10⁹×2Byte=2.4×10⁹Byte≈2.4GB。56.当使用RandAugment时，默认策略为N=______，M=______。答案：2,10解析：论文默认2种变换，幅度10。57.在联邦学习中，若总客户端1000，每轮参与比例C=0.1，则每轮采样______个客户端。答案：100解析：1000×0.1=100。58.当使用DeepSpeedZeRO-3时，若GPU数量为8，则理论显存节省倍数为______。答案：8解析：线性扩展。59.若使用KL散度作为蒸馏损失，温度τ=4，则软标签概率计算公式为______。答案：exp(z_i/τ)/∑_jexp(z_j/τ)60.在图像分类中，若Top-1误差为5%，则Top-1准确率为______%。答案：95解析：100−5=95。五、计算题（共20分）61.（10分）某Transformer模型，d_model=1024，序列长度n=2048，词汇表V=32000，层数L=24，注意力头h=16。(1)计算Self-attention的QK^T矩阵元素数量。(2)若采用混合精度float16，计算单样本前向激活显存（仅Self-attention部分）。(3)若使用GradientCheckpointing，显存降低多少倍（理论值）。答案与解析：(1)QK^T为n×n矩阵，元素数=n²=2048²=4,194,304。(2)显存=n²×2Byte=4,194,304×2≈8.39MB。(3)由O(n²L)降为O(n²logL)，理论倍数为L/logL≈24/log₂24≈24/4.58≈5.24倍。62.（10分）某联邦学习场景，100客户端，数据量均等，模型参数量d=1×10⁸，上传带宽10Mbps，下载带宽100Mbps，每轮参与比例C=0.1。(1)计算每轮上传总数据量（float32）。(2)计算上传耗时（秒）。(3)若采用INT8量化，上传耗时降低多少倍。答案与