2026年人工智能场景化应用基础考试试题及参考答案

2026年人工智能场景化应用基础考试试题及参考答案一、单项选择题（每题2分，共20分）1.在智慧零售场景中，以下哪项技术最能直接降低“试衣间排队率”？A.基于深度强化学习的动态定价算法B.基于语义分割的虚拟试衣镜C.基于联邦学习的会员画像系统D.基于知识图谱的供应链优化引擎答案：B解析：虚拟试衣镜通过实时语义分割将顾客形象与服装模型融合，减少实物试穿需求，直接降低排队率。2.某市部署“AI+红绿灯”系统后，平峰期平均车速提升12%，其核心技术最可能是：A.采用YOLOv7检测车流并做线性回归配时B.采用GAT图注意力网络预测未来5分钟流量并滚动优化相位C.采用LSTM对历史流量做离线拟合后固定配时D.采用LSTM+GAN生成虚假流量数据再训练模型答案：B解析：图注意力网络可捕捉路口间复杂时空关联，滚动优化相位才能实时适应平峰期动态变化。3.在医疗影像AI辅助诊断系统中，为缓解“数据孤岛”同时满足《个人信息保护法》，最合规的技术路线是：A.各医院上传原始DICOM到云端统一训练B.各医院在本地训练后上传梯度，中央服务器做FedAvg聚合C.各医院导出脱敏PNG再集中训练D.使用合成数据完全替代真实数据答案：B解析：联邦学习仅交换梯度，不传输原始影像，符合最小够用原则。4.以下关于“AI+农业无人机”变量喷洒的描述，错误的是：A.多光谱图像可用于反演NDVI指数B.强化学习可根据虫口密度动态调整喷量C.使用RTK定位可使喷洒精度达到厘米级D.变量喷洒一定比均匀喷洒更省药且更高产答案：D解析：若病虫害分布均匀，变量喷洒节省有限，甚至因频繁调节电磁阀而增加能耗，未必更高产。5.在智慧法院场景，AI书记员自动生成“庭审笔录”时，最关键的抗辩风险是：A.语音识别错字率B.语义连贯性C.法律实体遗漏D.语速过快导致丢字答案：C解析：法律实体（如“正当防卫”）一旦遗漏，可能直接影响判决，风险最高。6.某工厂部署“AI+工业听诊”系统，利用声学传感器监测轴承故障，其特征提取最常用的变换是：A.离散小波变换DWTB.离散余弦变换DCTC.离散傅里叶变换DFTD.梅尔倒谱系数MFCC答案：A解析：DWT对非平稳冲击信号具有多分辨率优势，适合早期裂纹瞬态特征。7.在“AI+金融反洗钱”场景，采用GNN建模交易网络时，为缓解“边信息过载”问题，最佳策略是：A.直接删除金额小于1万元的边B.采用注意力机制为边权重动态赋权C.将连续金额离散为one-hotD.使用随机游走采样子图答案：B解析：注意力机制可自动学习重要边，避免硬阈值带来的信息损失。8.以下关于“AI+数字人客服”情绪对齐的说法，正确的是：A.情绪对齐只需在语音层面调整语速B.采用Valence-Arousal二维模型比Plutchik三维模型更省算力C.情绪对齐必须在ASR之后、NLU之前完成D.情绪对齐无法通过纯文本实现答案：B解析：VA二维模型计算量小，适合实时场景；文本也可通过情感词典实现粗对齐。9.在“AI+智慧矿山”场景，利用激光雷达SLAM构建井下巷道地图时，主要误差来源是：A.激光雷达角分辨率B.尘土导致的光线散射C.IMU零偏漂移D.巷道反光板不足答案：C解析：井下GPS缺失，IMU漂移无法被全局约束，是长期误差主因。10.某市“AI+垃圾分类”桶采用近红外光谱识别塑料类别，其分类准确率受哪项影响最大？A.垃圾桶不锈钢外壁厚度B.样品表面水膜C.垃圾袋颜色D.环境湿度答案：B解析：水膜在1400nm处强吸收，直接掩盖聚合物特征峰。二、多项选择题（每题3分，共15分；多选少选均不得分）11.在“AI+冷链物流”场景，为保障疫苗运输温控可信，以下哪些技术组合可实现“端到端”溯源？A.5G+NB-IoT温感标签B.区块链时间戳C.联邦学习预测温度漂移D.可信执行环境TEE答案：A、B、D解析：联邦学习用于预测，不直接提供溯源证据。12.以下哪些做法可有效降低“AI+招聘”系统的性别偏见？A.在损失函数中加入EqualizedOdds正则项B.采用Word2Vec做简历语义扩展C.使用合成少数群体简历再训练D.在评估阶段引入对抗性去偏网络答案：A、C、D解析：B可能引入历史偏见放大。13.在“AI+智慧水务”场景，预测管网爆管时，以下哪些数据属于“高价值但低可用”？A.30年前埋管时的纸质竣工图B.居民智能水表分钟级流量C.道路重载车辆GPS轨迹D.市政投诉电话文本答案：A、C解析：纸质图需OCR+人工校验，可用性低；重载车轨迹与爆管相关但获取门槛高。14.以下哪些指标可直接用于评估“AI+数字孪生工厂”的“虚实一致性”？A.平均绝对误差MAEB.动态时间规整DTWC.结构相似性SSIMD.峰值信噪比PSNR答案：A、B解析：SSIM与PSNR主要用于图像，不适用于产线KPI曲线。15.在“AI+智慧图书馆”场景，采用RFID+机器人盘点图书时，可能导致漏读的因素包括：A.图书标签重叠B.金属书架谐振C.机器人速度高于0.8m/sD.环境湿度>80%答案：A、B、C解析：湿度对UHFRFID影响较小。三、判断题（每题1分，共10分；正确打“√”，错误打“×”）16.在“AI+智慧灯杆”场景，使用联邦学习训练人流预测模型时，灯杆本地芯片必须支持CUDA。答案：×解析：联邦学习可用CPU进行轻量级梯度计算，无需CUDA。17.采用Transformer做“AI+风电功率预测”时，位置编码对超短期（15min）预测可完全去掉。答案：×解析：风序列仍具时间顺序，去掉位置编码会损失时序关系。18.在“AI+智慧监狱”场景，使用步态识别进行身份确认时，戴口罩不会影响识别准确率。答案：√解析：步态依赖全身时空特征，与面部无关。19.“AI+声纹锁”系统中，采用GMM-UBM框架比X-vector+PLDA更易受跨信道干扰。答案：√解析：GMM-UBM缺乏信道补偿，X-vector+PLDA引入神经网络提取更鲁棒嵌入。20.在“AI+智慧厨房”场景，使用计算机视觉识别“炒焦”时，HSV颜色空间比RGB更敏感。答案：√解析：焦糊区域饱和度S显著下降，HSV更易分割。21.采用深度强化学习做“AI+数据中心制冷”时，动作空间定义为“冷冻水阀门开度{0,1}”属于离散控制。答案：√解析：{0,1}只有两个离散动作。22.在“AI+智慧景区”场景，使用无人机航拍估算游客密度时，透视变换误差可通过安装RTK完全消除。答案：×解析：RTK仅提供位置，无法消除透视投影本身的几何误差。23.采用知识蒸馏把BERT压缩为TinyBERT用于“AI+智能客服”时，教师模型输出logits需做温度缩放。答案：√解析：温度缩放可软化分布，利于学生学到暗知识。24.在“AI+智慧养老”场景，毫米波雷达检测跌倒时，多径效应会导致虚警，可通过提高雷达功率完全解决。答案：×解析：提高功率可能加重多径，需算法层面抑制。25.“AI+智慧工地”采用MaskR-CNN检测工人是否佩戴安全帽，IoU阈值设为0.9可提高召回率。答案：×解析：IoU越高越严格，召回率下降。四、填空题（每空2分，共20分）26.在“AI+智慧电网”光伏功率预测中，若采用Informer模型，其ProbSparse自注意力机制的时间复杂度为________。答案：O(LlogL)27.某“AI+智慧交通”项目采用GLOSA（GreenLightOptimalSpeedAdvisory）系统，车端OBU与路侧RSU通信接口标准为________。答案：C-V2XPC528.在“AI+智慧环保”场景，使用无人机高光谱反演PM2.5时，常采用________指数来削弱水汽吸收带干扰。答案：NDVI（或NDWI，答其一即可）29.某“AI+智慧油田”采用强化学习优化抽油机冲次，状态空间包含“泵充满程度”，其可通过________传感器间接测量。答案：载荷30.在“AI+智慧零售”无人店中，采用________算法可解决“多人同时拿取同一件商品”造成的遮挡问题。答案：FairMOT（或多目标跟踪Re-ID融合）31.“AI+智慧港口”无人集卡采用________定位技术，可在集装箱堆场实现±3cm精度。答案：GNSS-RTK+IMU+SLAM融合32.在“AI+智慧消防”场景，使用热成像+YOLOv5检测火点，为减少误报，需在损失函数中加入________损失以抑制小目标误检。答案：FocalLoss33.某“AI+智慧矿山”采用5G+AR远程掘进，AR眼镜需支持________协议才能解码H.2658K码流。答案：RTSP2.0（或MPEG-DASH）34.在“AI+智慧养殖”场景，使用声音识别猪咳嗽，需先对原始音频做________滤波以去除风机噪声。答案：谱减法（或自适应LMS）35.“AI+智慧场馆”采用激光投影进行沉浸式演出，为避免多投影画面错位，需先做________标定。答案：几何（或Gamma+几何联合）五、简答题（每题10分，共20分）36.简述“AI+智慧医疗”采用联邦学习进行多中心胶质瘤分割时，如何解决“数据异构”与“标签差异”双重挑战，并给出技术细节。答案与解析：（1）数据异构：各中心MRI扫描仪型号、序列参数（TR、TE）不同，导致图像灰度分布差异。采用“风格迁移+批次归一化”双策略：①本地端使用CycleGAN将图像映射到统一虚拟域，减少中央服务器聚合时的漂移；②中央模型采用AdaptiveBN，为每个中心保留独立BN参数，聚合时仅共享卷积权重。（2）标签差异：各中心标注协议不一（WHOvs.VisuallyAccessible）。引入“软标签”机制：本地模型输出概率图，中央服务器使用Dirichlet分布加权平均，再回传软标签供本地蒸馏，逐步对齐标签空间。（3）收敛性：采用FedProx算法，在本地损失中加入μ-正则项，限制本地更新偏离全局模型，实验表明μ=0.1时Dice系数提升4.7%。37.某“AI+智慧高速”车道级事件检测系统，需同时完成“抛洒物、停车、逆行”三类任务，请设计一套“端-边-云”协同架构，并说明AI模型选型、数据流转及灾备策略。答案与解析：（1）端：4K枪机+毫米波雷达双模，边缘计算盒搭载JetsonAGXOrin，运行YOLOv7-lite（INT8）处理30fps视频，输出目标框+雷达测速。（2）边：路段级边缘服务器聚合多路结果，采用Transformer时序融合网络（TimeSformer）对跨相机目标做轨迹关联，生成事件候选。（3）云：省中心云平台运行大模型Swin-Transformer做二次校验，并存储特征到Milvus向量库，支持以图搜图。（4）数据流转：端侧仅上传疑似事件截图与特征向量，原始视频本地循环覆盖，节省95%带宽。（5）灾备：边缘节点采用双机热备+RAID1；若链路中断，本地可缓存7天事件，待恢复后断点续传；云侧使用跨可用区Replication，RPO<5min。六、计算题（共15分）38.某“AI+智慧光伏”电站需预测t+1时刻功率P(t+1)。已知线性模型P(t+1)=w_1⋅G(t)+w_2⋅T(t)+b其中G(t)为t时刻辐照度（W/m²），T(t)为组件温度（℃）。给定训练集前3个样本：G(t)T(t)P(t+1)800456006005040040055250采用最小二乘法求解w_1、w_2、b，请写出正规方程组并给出解析解。（结果保留两位小数）答案与解析：构造设计矩阵X=[800451;600501;400