2026年人工智能训练师职业技能考试综合题库

2026年人工智能训练师职业技能考试综合题库一、单项选择题（每题1分，共30分）1.在深度学习中，若某卷积层输出特征图尺寸为64×64，卷积核大小为5×5，步长为2，填充为1，则该层输入特征图尺寸为A.128×128  B.130×130  C.132×132  D.134×1342.使用Adam优化器时，若一阶动量系数β₁=0.9，二阶动量系数β₂=0.999，则初始学习率通常建议设置为A.0.0001  B.0.001  C.0.01  D.0.13.在联邦学习场景下，为防止模型更新泄露用户隐私，最常用且无需可信第三方的防御机制是A.同态加密  B.差分隐私  C.安全多方计算  D.梯度压缩4.当训练数据极度不平衡时，下列评价指标中最容易给出“虚高”结果的是A.F1-score  B.AUC-ROC  C.准确率  D.平均精度均值(mAP)5.在Transformer中，缩放点积注意力机制引入缩放因子√dₖ的主要目的是A.降低计算量  B.抑制梯度消失  C.缓解softmax饱和区  D.增强位置编码6.若某模型在ImageNet上Top-1准确率为76.3%，将其蒸馏至轻量网络后，若温度T=4，蒸馏损失权重α=0.7，则下列说法正确的是A.温度越高，软标签越尖锐  B.α越大，越关注真实标签  C.蒸馏后学生网络容量必须大于教师  D.蒸馏过程无需数据增强7.在强化学习中，若采用PPO算法，clip参数ε通常取0.2，其含义为A.策略更新步长上限  B.值函数误差上限  C.优势函数截断阈值  D.熵正则系数8.当使用混合精度训练时，下列操作顺序正确的是A.前向→Loss缩放→反向→梯度unscaling→优化器更新B.前向→反向→Loss缩放→梯度unscaling→优化器更新C.Loss缩放→前向→反向→梯度unscaling→优化器更新D.前向→反向→优化器更新→Loss缩放→梯度unscaling9.在目标检测任务中，若YOLOv8的anchor-free机制改用anchor-based，最可能导致A.正负样本分配策略失效  B.NMS后处理速度提升  C.小目标召回率下降  D.损失函数无需修改10.若某BERT-base模型参数量为110M，采用INT8量化后，理论上模型体积约为A.27.5MB  B.55MB  C.110MB  D.220MB11.在AutoML框架中，基于贝叶斯优化的超参搜索比随机搜索更高效，其核心原因是A.利用先验分布建模目标函数  B.并行度更高  C.支持离散空间  D.无需验证集12.当训练GAN时，若判别器损失快速趋近于0，而生成器损失震荡，应优先尝试A.增大生成器学习率  B.给判别器输入加噪声  C.减少批大小  D.增加生成器层数13.在语音合成Tacotron2中，停止token预测使用Sigmoid激活，其训练标签通常设置为A.每帧均0，末帧为1  B.每帧均1，末帧为0  C.末帧前5帧开始线性升至1  D.末帧后5帧开始线性降至014.若某推荐系统采用双塔结构，用户塔输出维度为256，物品塔输出维度为256，则线上召回时计算相似度可采用A.余弦+ANN  B.点积+精确排序  C.欧氏距离+暴力扫描  D.曼哈顿距离+PQ15.在图神经网络中，GraphSAGE采用邻居采样策略的主要好处是A.降低内存并支持小批量  B.增强过平滑  C.提高特征维度  D.消除自环16.当使用K-fold交叉验证时，若K值过大，可能导致A.方差降低  B.偏差增大  C.训练时间缩短  D.评估方差增大17.在模型可解释性方法中，IntegratedGradients相对于GradientInput的优点是17.在模型可解释性方法中，IntegratedGradients相对于GradientInput的优点是A.满足敏感性公理  B.计算量更小  C.无需基准输入  D.适用于离散变量18.若某LSTM网络输入维度为512，隐藏维度为1024，则单个时间步的参数量为A.512×1024  B.4×(512+1024)×1024  C.2×512×1024  D.1024×102419.在MLOps流水线中，若触发“数据漂移”警报，下一步最合理的操作是A.立即回滚模型  B.重新标注全部数据  C.启动自动重训练  D.关闭监控20.当使用Horovod做分布式训练时，若采用梯度累积，则下列说法正确的是A.allreduce需在每次前向后立即执行  B.累积步数越大，有效批大小越小  C.累积完成后再执行allreduce  D.无需修改学习率21.在VisionTransformer中，位置编码采用二维sin-cos，其维度与下列哪项一致A.隐藏维度  B.patch数量  C.注意力头数  D.层数22.若某模型在测试集上AUC=0.81，随机将50%标签翻转后AUC=0.50，则说明A.模型完全失效  B.标签噪声对AUC无影响  C.AUC对标签翻转单调  D.原模型具备一定判别力23.在文本生成任务中，若重复惩罚系数设为1.5，则对已生成token的概率影响为A.除以1.5  B.乘以1.5  C.开1.5次方  D.取1.5次幂后归一化24.当使用DeepSpeedZeRO-3时，下列哪项被分区到所有GPUA.优化器状态  B.梯度  C.模型参数  D.激活值25.在知识蒸馏中，若教师模型为集成3个不同随机初始化的网络，则学生模型受益最大的情况是A.教师输出平均logits  B.教师输出投票标签  C.学生与教师同架构  D.温度T=126.若某模型采用GroupNorm，组数G=32，当批大小为1时，相比BatchNorm优势是A.仍可获得稳定统计量  B.计算量更低  C.无需学习缩放参数  D.与批大小无关27.在强化学习DQN中，若采用DoubleDQN，则目标Q值计算为A.maxQ(s',a')  B.Q(s',argmaxQ(s',a'))  C.maxQ(s',argmaxQ(s,a))  D.meanQ(s',a')28.当使用RandAugment时，若N=2，M=9，则单张图片最大增强操作次数为A.2  B.9  C.18  D.随机29.在模型压缩技术中，知识蒸馏属于A.参数剪枝  B.低秩分解  C.知识迁移  D.量化感知训练30.若某自动驾驶感知模型在夜间场景mAP下降30%，最合理的域适应策略是A.增加白天数据  B.采用GAN做风格迁移  C.降低置信度阈值  D.冻结BN层二、多项选择题（每题2分，共20分；多选少选均不得分）31.下列方法中，可用于缓解图神经网络过平滑的有A.残差连接  B.跳跃知识网络  C.DropEdge  D.增加隐藏维度32.关于LabelSmoothing，下列说法正确的有A.可提升模型校准度  B.会略微降低训练集准确率  C.对多标签分类无效  D.等价于添加KL散度正则33.当使用PyTorchLightning时，下列哪些操作由框架自动完成A.分布式采样  B.检查点保存  C.日志可视化  D.混合精度缩放34.在语音识别Conformer中，包含的模块有A.多头自注意力  B.卷积增强模块  C.MacaronFFN  D.相对位置编码35.下列属于无监督聚类评估指标的有A.SilhouetteScore  B.Calinski-HarabaszIndex  C.Davies-BouldinIndex  D.AdjustedRandIndex36.当使用TensorRT加速时，下列层可能被融合的有A.Conv+BN+ReLU  B.MatMul+Add  C.Softmax+CrossEntropy  D.LSTM+Dropout37.在医疗影像分割中，若前景像素占比<1%，则损失函数可优先考虑A.DiceLoss  B.FocalLoss  C.WCE  D.MSE38.下列操作可能导致模型出现“数据泄露”的有A.先整体标准化再划分训练测试  B.交叉验证中使用未来数据做特征  C.用测试集调参  D.样本重复39.当使用KubeflowPipelines时，组件间数据传递可支持A.PVC  B.S3  C.GCS  D.NFS40.在NLP数据增强中，基于上下文嵌入的替换方法有A.EDA  B.BERT-embedding替换  C.MixUp  D.Back-translation三、判断题（每题1分，共10分；正确打“√”，错误打“×”）41.使用ReLU激活的深层网络一定不会发生梯度爆炸。42.在联邦学习中，SecureAggregation可防止中央服务器看到单个用户梯度。43.当批大小增加k倍时，线性缩放学习率规则对所有优化器均适用。44.VisionTransformer去掉位置编码后仍能达到原始精度。45.混合精度训练必然导致模型精度下降。46.在目标检测中，mAP@0.5一定高于mAP@0.75。47.采用EarlyStopping可防止模型过拟合。48.对于k-NN算法，k值越大模型偏差越大。49.自监督预训练无需任何人工标签。50.在GPT-3中，参数量的增加与下游任务性能呈线性关系。四、填空题（每空2分，共20分）51.若某卷积输出尺寸公式为O=⌊(I−K+2P)/S⌋+1，则当I=224，K=7，P=3，S=4时，O=________。52.在Transformer中，若隐藏维度d=768，注意力头数h=12，则每个头的维度为________。53.若某模型参数量为1.2×10⁹，采用FP16存储，则理论内存占用为________GB（保留两位小数）。54.在强化学习中，若折扣因子γ=0.99，则100步后的奖励衰减系数为________（保留四位小数）。55.若某推荐系统日活1000万，平均曝光100条/人，则日志量每日约________条（科学计数法，保留两位有效数字）。56.当使用RandAugment时，若M=10，则单操作强度最大值为________。57.在知识蒸馏中，若温度T=3，则softmax输出概率比T=1时更________（尖锐/平滑）。58.若某GAN采用WGAN-GP，梯度惩罚系数λ=10，则优化目标为原始损失+λ·________。59.在BERT预训练中，NSP任务的正样本比例为________%。60.当使用DeepSpeedZeRO-2时，优化器状态被分区到________数量级。五、计算与推导题（共30分）61.（8分）已知某分类任务中，类别数为5，采用LabelSmoothingε=0.1。(1)写出平滑后单样本目标分布向量；(2)若模型输出logitsz=[3,1,0,2,4]，温度T=1，求平滑后的交叉熵损失（给出公式与数值结果，ln取自然对数）。62.（10分）在目标检测任务中，给定预测框P=(0.1,0.2,0.5,0.6)，真实框G=(0.15,0.25,0.55,0.65)。(1)计算IoU；(2)采用GIoU损失，求最终损失值（公式：GIoU=IoU−|C−U|/|C|，其中C为最小闭包框）。63.（12分）在强化学习策略梯度中，已知轨迹τ：(s₁,a₁,r₁=1),(s₂,a₂,r₂=2),(s₃,a₃,r₃=3)，折扣因子γ=0.9，基线b=1.5。(1)计算折扣回报G₁,G₂,G₃；(2)写出带基线的策略梯度目标函数；(3)若∇logπ(a₁|s₁)=0.2，求该样本对参数的更新方向（假设学习率α=0.1）。六、综合设计题（共40分）64.（20分）某城市希望构建实时交通违法检测系统，需识别闯红灯、逆行、压实线三类事件。(1)给出数据收集与标注方案，需涵盖数据多样性、隐私合规、标注粒度；(2)设计模型架构，要求边缘端延迟<100ms，单卡GTX1660，说明Backbone、Neck、Head选型及压缩策略；(3)给出训练策略，包括损失函数、样本不平衡处理、难例挖掘；(4)给出上线后监控指标与漂移应对方案。65.（20分）某电商搜索系统需支持多语言（中/英/泰）混合查询，要求零样本迁移至泰语。(1)设计预训练任务，需利用单语+平行语料；(2)说明如何构建查询-商品语义双塔，包括负采样、温度、归一化；(3)给出泰语冷启动评估方案，指标至少3项；(4)若发现泰语CTR下降15%，给出诊断与迭代流程。七、答案与解析一、单项选择题1.B 2.B 3.B 4.C 5.C 6.A 7.A 8.C 9.A 10.A11.A 12.B 13.C 14.A 15.A 16.D 17.A 18.B 19.C 20.C21.A 22.D 23.A 24.C 25.A 26.A 27.B 28.A 29.C 30.B二、多项选择题31.ABC 32.ABD 33.ABD 34.ABCD 35.ABC36.ABC 37.ABC 38.ABCD 39.ABCD 40.BD三、判断题41×42√43×44×45×46×47√48√49√50×四、填空题51.56 52.64 53.2.40 54.0.3660 55.1.0×10⁹56.10 57.平滑 58.(‖∇ₓD(x̂)‖₂−1)² 59.50 60.GPU五、计算与推导题61.(1)目标向量t=[0.9,0.025,0.025,0.025,0.025](2)先求softmax：p_i=exp(z_i)/∑exp(z_j)，得p≈[0.474,0.064,0.024,0.117,0.321]交叉熵L=−∑t_ilnp_i≈0.1×ln0.474+…≈1.6862.(1)交集面积=0.35×0.4=0.14，并集面积=0.45×0.45−0.14=0.0625，IoU=0.14/(0.14+0.0625)=0.691(2)最小闭包C面积=0.5×0.5=0.25，GIoU=0.691−(0.25−0.2025)/0.25=0.691−0.19=0.5