2026年人工智能训练师（二级）职业技能真题题库

2026年人工智能训练师（二级）职业技能真题题库一、单项选择题（每题1分，共30分）1.在PyTorch中，若希望冻结某一层参数不参与反向传播，应使用下列哪条语句？A.layer.requires_grad=FalseB.layer.trainable=FalseC.layer.freeze()D.torch.no_grad(layer)答案：A解析：requires_grad是PyTorch中控制张量是否参与梯度计算的核心属性。2.当训练数据类别极度不平衡时，以下哪种损失函数最适合直接优化F1-score的近似？A.CrossEntropyLossB.FocalLossC.DiceLossD.MSELoss答案：C解析：DiceLoss直接基于重叠度，天然对前景/背景不平衡鲁棒。3.在Transformer中，位置编码使用正弦/余弦函数而非可学习向量的主要优点是：A.减少显存占用B.支持任意长度外推C.提升训练速度D.增强非线性答案：B解析：正弦位置编码具有周期性，可泛化到训练时未见过的更长序列。4.使用混合精度训练时，lossscaling的主要目的是：A.加速梯度下降B.防止梯度下溢C.减少通信量D.提高权重量化精度答案：B解析：FP16表示范围小，乘以scale可防止梯度下溢到零。5.在联邦学习场景下，FedAvg算法的服务器端更新规则为：A.加权平均客户端模型参数B.加权平均客户端梯度C.加权平均客户端损失D.加权平均客户端准确率答案：A解析：FedAvg将各客户端本地训练后的参数按数据量加权平均。6.若某卷积层输入通道为64，输出通道128，卷积核3×3，groups=32，则该层参数量为：A.128×64×3×3B.128×32×3×3C.128×2×3×3D.128×64×3×3/32答案：C解析：分组卷积每组输入通道2，输出通道4，共32组，参数量128×2×3×3。7.在强化学习中，DDPG算法使用以下哪种技巧实现策略探索？A.ε-greedyB.Ornstein-Uhlenbeck噪声C.熵正则D.重要性采样答案：B解析：DDPG在连续控制任务中采用OU噪声进行相关噪声探索。8.当使用知识蒸馏时，温度系数T增大将导致：A.教师模型softmax输出更尖锐B.学生模型梯度更小C.蒸馏损失权重自动降低D.教师模型准确率下降答案：B解析：温度升高，softmax分布更平滑，梯度幅值减小。9.在ONNX模型优化中，常量折叠(constantfolding)的作用是：A.合并BatchNorm与ConvB.将静态计算提前到编译期C.量化权重到INT8D.剪枝冗余节点答案：B解析：常量折叠在图优化阶段提前执行可静态求值的算子。10.当使用DeepSpeedZeRO-3时，下列哪项仍保存在单个GPU显存中？A.模型参数B.优化器状态C.梯度D.均分片到所有GPU，无单GPU保存答案：D解析：ZeRO-3将参数、梯度、优化器状态全分片，无单GPU完整保存。11.在图像分割任务中，若评价指标为mIoU，则其计算时对各类别IoU采取：A.算术平均B.几何平均C.调和平均D.加权平均（按像素数）答案：A解析：mIoU为各类别IoU算术平均，无视类别大小。12.当使用梯度累积模拟大batch时，学习率应：A.同比增大B.同比减小C.保持不变D.按平方根缩放答案：C解析：梯度累积不改变有效batch大小，故学习率无需调整。13.在NLP数据增强中，Back-translation主要提升模型：A.语法纠错能力B.鲁棒性与泛化C.推理速度D.显存利用率答案：B解析：回译生成语义一致、表达多样的伪数据，增强泛化。14.若某模型在验证集上损失持续下降而准确率不再提升，最可能的原因是：A.过拟合B.学习率过高C.标签噪声增大D.梯度爆炸答案：C解析：损失下降但准确率停滞，通常因标签噪声导致预测概率未对齐硬标签。15.在模型蒸馏中，若学生模型容量远小于教师，下列哪种策略最有助于提升学生上限？A.中间层特征蒸馏B.提高温度TC.增加数据增强D.使用更大的batch答案：A解析：中间层提示可弥补容量差距，提供额外监督信号。16.当使用RandAugment时，控制幅度的超参数为：A.n,mB.p,rC.alpha,betaD.k,theta答案：A解析：n为变换个数，m为幅度，由GridSearch搜索。17.在目标检测中，YOLOv5的anchor分配策略为：A.IoU阈值静态分配B.基于中心点偏移动态分配C.完全无anchorD.基于宽高比聚类答案：B解析：YOLOv5采用基于中心偏移的跨网格动态分配。18.若使用A100GPU训练，开启TF32后，单精度矩阵乘法的峰值算力约为：A.19.5TFLOPSB.156TFLOPSC.312TFLOPSD.624TFLOPS答案：B解析：A100TF32峰值约156TFLOPS，为FP16一半。19.在推荐系统冷启动场景，以下哪种方法最充分利用文本模态？A.MatrixFactorizationB.Wide&DeepC.DIND.BERT4Rec答案：D解析：BERT4Rec基于文本内容编码，适合冷启动。20.当使用EarlyStopping时，若监控指标为“验证损失”，则模式应设为：A.minB.maxC.autoD.off答案：A解析：损失越小越好，模式取min。21.在PyTorchLightning中，若希望每训练epoch结束后执行验证，应重写：A.training_stepB.validation_stepC.training_epoch_endD.validation_epoch_end答案：C解析：training_epoch_end可在训练epoch末触发验证。22.当使用混合专家模型(MoE)时，门控网络输出通常经过：A.SoftmaxB.SigmoidC.ReLUD.LayerNorm答案：A解析：门控需概率化，使用Softmax。23.在语音合成中，若使用HiFi-GAN作为声码器，其生成器采用的卷积为：A.1DConvB.2DConvC.Transposed1DD.Transposed2D答案：C解析：HiFi-GAN生成器为反卷积1D上采样。24.当使用DeeplabV3+时，ASPP模块中不同并行的膨胀率设计为：A.[1,2,3,4]B.[6,12,18,24]C.[1,6,12,18]D.[3,6,9,12]答案：C解析：DeeplabV3+采用1,6,12,18。25.在模型部署阶段，若使用TensorRTINT8校准，校准集大小一般取：A.10B.100C.500D.1000答案：C解析：500张图片可覆盖激活分布，兼顾速度与精度。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.未定义答案：B解析：Swish(x)=xσ(x)，导数σ(0)+0·σ′(0)=0.5。27.在DiffusionModels中，DDPM的反向过程噪声预测网络通常采用：A.U-NetB.ResNet50C.TransformerD.RNN答案：A解析：DDPM使用U-Net预测噪声。28.当使用Megatron-LM训练GPT时，张量并行对下列哪一层无效？A.EmbeddingB.Self-AttentionC.FFND.LayerNorm答案：D解析：LayerNorm参数极少，无需张量并行。29.在CTR预估中，DCN的“交叉层”参数复杂度为：A.O(d)B.O(d^2)C.O(kd)D.O(kd^2)答案：C解析：每层交叉引入向量w，共k层，复杂度O(kd)。30.当使用K-FAC优化器时，其近似Fisher信息矩阵为：A.对角块B.全矩阵C.克罗内克积D.单位矩阵答案：C解析：K-FAC用Kronecker积近似层内Fisher。二、多项选择题（每题2分，共20分）31.以下哪些操作可有效缓解模型训练中的“梯度消失”？A.使用残差连接B.使用LayerNormC.使用ReLUD.增大学习率答案：A,B,C解析：残差、LayerNorm、ReLU均缓解梯度消失；过大学习率反而导致爆炸。32.在联邦学习中，下列哪些攻击可推断客户端私有数据？A.模型逆向攻击B.成员推理攻击C.梯度泄露攻击D.后门攻击答案：A,B,C解析：后门攻击旨在操控预测，不直接推断数据。33.当使用PyTorchDistributedDataParallel时，以下哪些环境变量必须正确设置？A.MASTER_ADDRB.MASTER_PORTC.WORLD_SIZED.CUDA_VISIBLE_DEVICES答案：A,B,C解析：CUDA_VISIBLE_DEVICES可选，前三者必须。34.在目标检测中，以下哪些方法属于anchor-free？A.FCOSB.CenterNetC.RetinaNetD.YOLOX答案：A,B,D解析：RetinaNet使用anchor。35.当使用知识蒸馏训练TinyBERT时，其蒸馏目标包括：A.预测层logitsB.注意力矩阵C.隐藏状态D.嵌入层答案：A,B,C解析：TinyBERT蒸馏预测、注意力、隐藏状态。36.以下哪些技术可降低Transformer推理延迟？A.KV-CacheB.BeamSearchC.DynamicAxialPos.Enc.D.SparseAttention答案：A,D解析：BeamSearch增加延迟；DynamicAxialPos.Enc.用于图像。37.在模型压缩中，下列哪些方法属于“量化感知训练”？A.LSQB.QATC.PTQD.LLM.int8()答案：A,B解析：PTQ与LLM.int8()为后训练量化。38.当使用Detectron2训练MaskR-CNN时，以下哪些数据增强默认开启？A.RandomFlipB.RandomCropC.ResizeShortestEdgeD.ColorJitter答案：A,C解析：Detectron2默认翻转与缩放，不默认裁剪与色彩抖动。39.在推荐系统多任务学习中，MMoE结构相比Shared-Bottom的优点有：A.缓解任务冲突B.参数量更少C.可扩展更多任务D.训练速度更快答案：A,C解析：MMoE参数量更大，训练略慢。40.当使用DeepSpeedMoE时，下列哪些策略可降低显存？A.ZeRO-OffloadB.ExpertParallelC.ActivationCheckpointingD.GradientAccumulation答案：A,B,C解析：GradientAccumulation不改变显存峰值。三、判断题（每题1分，共10分）41.使用LayerNorm的模型在batchsize=1时仍可稳定训练。答案：正确解析：LayerNorm与batch无关。42.在PyTorch中，inplaceReLU可节省显存但会破坏梯度检查点。答案：正确解析：inplace操作与checkpoint反向重计算冲突。43.当使用Adam优化器时，β1=0.9,β2=0.999为固定最优值，无需调参。答案：错误解析：不同任务需微调。44.INT8量化后，模型推理速度一定快于FP16。答案：错误解析：若硬件无INT8单元，反而慢。45.在DiffusionModels中，DDIM采样过程可加速但牺牲一定质量。答案：正确解析：DDIM为确定性采样，步数少时可降质。46.使用TorchScript追踪(Trace)比脚本(Script)更支持动态控制流。答案：错误解析：Trace仅记录静态路径，不支持动态。47.当使用Horovod训练时，梯度压缩算法PowerSGD可保证无损收敛。答案：错误解析：PowerSGD为有损压缩。48.在VisionTransformer中，去除位置编码后模型仍能保持平移等变。答案：错误解析：Self-Attention本身平移等变，但图像切块后失去绝对位置，性能下降。49.当使用Kaiming初始化时，ReLU网络方差在前向保持1。答案：正确解析：Kaiming针对ReLU设计。50.在联邦学习中，SecureAggregation可防止服务器看到单个客户端梯度。答案：正确解析：通过同态加密或秘密共享实现。四、填空题（每空2分，共20分）51.若某卷积层输入特征图尺寸为112×112，kernel=5×5，stride=2，padding=1，则输出尺寸为________。答案：55解析：⌊52.当使用RoPE（旋转位置编码）时，其旋转矩阵维度为________。答案：d/2解析：RoPE在二维子空间旋转，维度为d/2。53.在PyTorch中，若模型已加载至GPU，欲查看显存占用，可调用torch.cuda.memory________()。答案：allocated54.当使用FSDP(FullyShardedDataParallel)时，其分片单位是________。答案：参数层/模块解析：FSDP按层分片参数。55.若某Transformer模型隐藏维度为1024，注意力头数为16，则每个头的维度为________。答案：6456.在推荐系统冷启动中，使用BERT编码物品标题，其输出通常取________标记对应的向量。答案：[CLS]57.当使用混合专家模型时，若Top-2gating，则每个token激活________个专家。答案：258.若使用cosineannealing学习率调度，周期设为T_max，则最小学习率为________。答案：eta_min59.在图像分类中，MixUp超参数α=0.2，则混合系数λ服从________分布。答案：Beta(0.2,0.2)60.当使用ONNXRuntime推理时，设置会话选项graph_optimization_level为________可开启最激进优化。答案：ORT_ENABLE_ALL五、简答题（每题10分，共30分）61.描述如何使用梯度累积在单卡上模拟batchsize=2048，并给出PyTorch代码片段。答案：设物理batch=32，累积步数=64。```pythonmodel.zero_grad()fori,(x,y)inenumerate(loader):loss=model(x,y)/64loss.backward()if(i+1)%64==0:optimizer.step()model.zero_grad()```解析：每步loss除以累积步数，梯度累加64次后更新，等效batch=32×64=2048。62.说明LayerNorm与BatchNorm在RNN训练中的差异，并指出为何LayerNorm更适合。答案：BatchNorm依赖batch统计量，RNN变长序列导致batch统计量不稳定；推理时需保存移动平均，对序列长度敏感。LayerNorm沿特征维度归一化，与batch无关，且对序列内部分布变化鲁棒，更适合RNN。63.给出KL散度公式，并解释其在知识蒸馏中的作用。答案：蒸馏中P为教师softmax输出，Q为学生，最小化KL使学生分布逼近教师，传递暗知识。六、计算题（共20分）64.某Transformer模型参数量如下：词嵌入矩阵：vocab_size=50000，d_model=1024位置编码：可学习，max_len=2048层数L=24，每层：Self-Attention：QKV合并权重kv∈FFN：∈LayerNorm：每层2个，每个可训练参数=2×1024（weight+bias）输出层共享词嵌入参数求总参数量（单位：百万），并