2026年人工智能训练师理论考试真题题库完整版

2026年人工智能训练师理论考试真题题库完整版一、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，通道数为128，则该层参数总量（含偏置）为多少？已知卷积核尺寸3×3，输入通道数96。A.110720  B.111104  C.221184  D.3328002.联邦学习框架下，客户端上传的梯度若被恶意放大100倍，服务器端最鲁棒的聚合策略是：A.FedAvg  B.FedProx  C.Trimmed-mean  D.SGD3.在Transformer中，若将多头注意力头数从8改为16，而隐层维度保持512不变，则每个头的维度变为：A.64  B.32  C.16  D.1284.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.提高批大小5.在强化学习PPO算法中，clip参数ε通常取0.2，若将其调为0.8，最可能出现的副作用是：A.策略更新过慢  B.策略崩溃  C.样本效率降低  D.熵增过大6.对类别极度不平衡的文本分类任务，下列评价指标最不适合作为早停依据的是：A.F1-macro  B.AUC-ROC  C.准确率  D.平均精度AP7.在ONNXRuntime中开启TensorRT后端时，若出现“CUDAerror700”，首要排查：A.显存超限  B.算子不支持  C.驱动版本  D.batchsize非8倍数8.若某模型在INT8量化后精度下降3%，使用QAT恢复精度，首次试跑应优先调整：A.学习率  B.量化位宽  C.校准样本数  D.权重衰减9.在DiffusionModel采样阶段，DDIM与DDPM相比，主要优势是：A.采样步数可少  B.似然更高  C.训练更快  D.噪声方差更大10.当使用DeepSpeedZeRO-3训练百亿参数模型时，optimizerstate被划分到：A.GPU0  B.CPU  C.所有数据并行rank  D.NVMe11.在推荐系统多任务学习中，MMoE与Shared-Bottom相比，核心改进是：A.参数量减少  B.缓解任务冲突  C.加速推理  D.降低过拟合12.若BERT-base模型在MLM预训练时mask比例从15%提到30%，则模型收敛后Maskedtoken预测准确率约：A.上升  B.下降  C.不变  D.先升后降13.在图像分割任务中，若DiceLoss出现负值，说明：A.预测全黑  B.预测全白  C.交集大于并集  D.学习率过高14.使用Horovod进行分布式训练时，若广播阶段挂死，最可能原因是：A.NCCL版本不一致  B.数据路径不同  C.随机种子不同  D.梯度累积15.在AutoMLNAS中，DARTS算法将架构搜索转化为：A.强化学习  B.进化算法  C.连续松弛  D.贝叶斯优化16.当使用知识蒸馏，教师为Ensembleof5大型模型，学生为小型CNN，若温度T→∞，则软标签趋近：A.one-hot  B.均匀分布  C.教师平均logits  D.高斯分布17.在图神经网络中，GCN与GraphSAGE最大差异在于：A.聚合方式是否固定  B.是否使用注意力  C.是否转导  D.是否采样邻居18.若某次训练出现NaN，首先应检查：A.学习率  B.批归一化momentum  C.权重初始化  D.数据增强19.在语音合成Tacotron2中，StopToken预测使用：A.MSE  B.BCE  C.CrossEntropy  D.MAE20.当使用梯度累积模拟全局batch=2048，而单卡batch=8，需累积：A.256  B.128  C.512  D.6421.在VisionTransformer中，若输入图像224×224，patchsize16，则序列长度为：A.196  B.256  C.128  D.22422.若将ReLU替换为GELU，模型参数量：A.增加  B.减少  C.不变  D.先减后增23.在模型剪枝中，magnitude-based方法对下列哪层权重最不敏感：A.第一层卷积  B.最后一层全连接  C.残差分支  D.批归一化gamma24.使用FairScale的FSDP训练时，full_shard与shard_grad_op相比，显存占用：A.更高  B.更低  C.相同  D.取决于模型大小25.在NLP数据清洗中，若出现“锟斤拷”乱码，最可能原始编码为：A.UTF-8  B.GBK  C.ISO-8859-1  D.ASCII26.当使用混合专家模型MoE，专家数为64，top-k=2，则每次激活参数量占总比：A.1/32  B.1/64  C.2/64  D.64/227.在目标检测YOLOv8中，若输入分辨率从640提到1280，mAP通常：A.下降  B.上升  C.不变  D.先升后降28.若使用LoRA微调LLM，rank=8，则可训练参数量约为原模型：A.0.1%  B.1%  C.10%  D.50%29.在模型部署TritonInferenceServer中，dynamicbatching的主要收益是：A.降低延迟  B.提高吞吐  C.减少显存  D.提高精度30.当使用A10080GB训练，模型占用70GB，若想开启checkpointing，需牺牲：A.计算时间  B.通信带宽  C.数据加载  D.精度二、多项选择题（每题2分，共20分，多选少选均不得分）31.下列哪些操作可有效缓解LLM推理时OOM：A.使用8-bit量化  B.开启gradientcheckpointing  C.降低beamsize  D.使用KV-cache  E.增加TPdegree32.在StableDiffusion中，Classifier-FreeGuidance(CFG)的关键要素包括：A.无条件预测  B.引导系数  C.双前向  D.温度采样  E.VAE解码33.关于Adam与AdamW，下列说法正确的是：A.AdamW权重衰减与梯度无关  B.AdamL2正则等价于AdamW  C.AdamW泛化更好  D.二者β1,β2默认相同  E.AdamW需修改权重衰减位置34.在数据并行DDP中，以下可能导致通信量增大的因素：A.模型参数量大  B.使用FP16  C.桶大小bucket太小  D.梯度累积  E.使用NCCL35.下列属于自监督视觉预训练方法：A.MoCov3  B.SimCLR  C.BYOL  D.SwAV  E.MaskedAutoencoder36.在推荐系统冷启动场景，可采用的策略：A.Meta-learning  B.内容特征  C.探索利用  D.迁移学习  E.强化学习37.关于GPT与BERT，下列正确：A.GPT使用双向注意力  B.BERT使用MLM  C.GPT解码用自回归  D.BERT参数量大于GPT-3  E.GPT-3可零样本推理38.在模型安全测评中，以下属于对抗攻击方法：A.FGSM  B.PGD  C.CW  D.Backdoor  E.Dropout39.下列可用于可解释AI的技术：A.SHAP  B.LIME  C.Grad-CAM  D.Attention可视化  E.混淆矩阵40.在边缘设备部署时，可考虑：A.知识蒸馏  B.剪枝  C.量化  D.算子融合  E.动态推理三、判断题（每题1分，共10分，正确打“√”，错误打“×”）41.使用ReZero后，网络深度可无限增加而不出现梯度消失。42.在DiffusionModel中，加噪过程是可学习的。43.当使用LabelSmoothing=0.1时，交叉熵损失下限大于0。44.在Transformer中，位置编码去掉后，模型仍能保持序列顺序感知。45.使用混合专家模型MoE时，专家路由决策可视为离散随机变量。46.在目标检测中，mAP@0.5一定大于mAP@0.5:0.95。47.使用梯度裁剪clip=1.0后，模型梯度范数一定≤1.0。48.在GPT推理时，KV-cache可随序列增长而线性增加显存。49.使用RandAugment时，增强策略与数据集无关。50.在联邦学习中，SecureAggregation可防止服务器看到单个用户梯度。四、填空题（每空2分，共20分）51.若某卷积层输入尺寸为112×112，输出56×56，步长为2，padding为1，则卷积核边长为________。52.在Transformer中，若Q、K、V维度均为64，头数为8，则Multi-Head输出拼接后维度为________。53.使用cosinescheduler，初始学习率1e-3，训练总步数T=1000，warmup=100，则第50步学习率为________。（保留6位小数）54.若某模型参数量为1.2B，使用FP16+Adam，则显存理论占用约为________GB。（不计激活与缓存）55.在YOLOv8中，若输入640×640，下采样倍数为32，则特征图尺寸为________×________。56.若使用BeamSearch，beam=4，词表大小为50000，则每步候选数为________。57.在StableDiffusion中，VAE编码下采样倍数为________。58.若使用DeepSpeedZeRO-2，optimizerstate分区后，显存节省比例为________。（单卡视角）59.在LLM评估中，若模型输出长度超过max_new_tokens，则采用________策略截断。60.使用混合精度时，LossScaling若出现梯度溢出，应________缩放因子。五、计算与推导题（共20分）61.（10分）某Transformer模型隐层维度d=512，序列长度n=1024，batch=32，头数h=8，计算一次Self-Attention的浮点运算量（FLOPs），需写出推导过程。62.（10分）在强化学习PPO中，给定旧策略π_θ_old(a|s)=0.3，新策略π_θ(a|s)=0.6，优势函数A(s,a)=2.5，clip参数ε=0.2，计算clip后的概率比与最终目标函数值L^CLIP，需写出公式与代入过程。六、简答题（共20分）63.（10分）阐述LoRA低秩适应为何能降低大模型微调显存，并说明rank选择对性能与显存的权衡。64.（10分）列举三种缓解LLM幻觉（hallucination）的技术路线，并对比其优缺点。七、案例分析题（共20分）65.（20分）某电商场景需训练10万亿参数推荐模型，数据日增量10TB，用户侧特征高维稀疏，商品侧特征多模态。请设计一套完整训练与推理方案，涵盖数据并行、模型并行、流水并行、存储、通信、量化、推理优化、在线学习、灾备、合规十个维度，需给出技术选型、资源估算、潜在风险与回退策略。卷后答案与解析一、单选1.B 2.C 3.B 4.B 5.B 6.C 7.A 8.C 9.A 10.C 11.B 12.B 13.C 14.A 15.C 16.B 17.D 18.A 19.B 20.A 21.A 22.C 23.D 24.B 25.B 26.C 27.B 28.A 29.B 30.A解析示例：1.参数量=(3×3×96×128+128)=110720，含偏置再加128→111104。9.DDIM通过确定性采样可在少步数下保持质量。二、多选31.ACDE 32.ABC 33.ACDE 34.AC 35.ABCDE 36.ABCDE 37.BCE 38.ABCD 39.ABCD 40.ABCD三、判断41.× 42.× 43.√ 44.× 45.√ 46.√ 47.√ 48.√ 49.× 50.√四、填空51.4 52.512 53.5.000000e-4 54.7.2 55.20×20 56.200000 57.8 58.75% 59.截断 60.减半五、计算61.解：Self-AttentionFLOPs=4nd^2+2n^2d代入n=1024，d=512：4×1024×512²+2×1024²×512=4×1024×262144+2×1048576×512=1073741824+1073741824=2.15×10^9FLOPs62.解：概率比r=π_θ/π_θ_old=0.6/0.3=2clip(r,1-ε,1+ε)=clip(2,0.8,1.2)=1.2L^CLIP=min(rA,clip(r,1-ε,1+ε)A)=min(2×2.5,1.2×2.5)=min(5,3)=3六、简答63.LoRA将权重更新ΔW分解为低秩矩阵BA，显存仅存储B、A与少量激活，秩r越小显存越小，但表达能力下降，需网格搜索权衡。64.1.检索增强：外挂知识库，实时检索，优点可解释，缺点延迟高；2.强化学习人类反馈(RLHF)：对齐人类偏好，优点质量