2026年人工智能训练师（四级）理论考试重点试题

2026年人工智能训练师（四级）理论考试重点试题一、单项选择题（每题1分，共30分。每题只有一个正确答案，请将正确选项字母填在括号内）1.在监督学习框架下，若训练集标签存在5%的随机噪声，下列哪种损失函数对噪声最不敏感？A.0-1损失B.交叉熵损失C.Huber损失D.平方误差损失（ ）2.使用Adam优化器时，若一阶矩估计系数β₁=0.9，二阶矩估计系数β₂=0.999，则经过1000步迭代后，偏差修正项对一阶矩的修正因子最接近：A.0.001B.0.01C.0.1D.1.0（ ）3.在PyTorch中，以下代码片段执行后，张量x的requires_grad属性值为：```pythonx=torch.tensor([1.0,2.0],requires_grad=False)x=x+1```A.TrueB.FalseC.报错D.取决于运行设备（ ）4.当使用BERT-base模型进行中文文本分类时，若最大序列长度设为128，则一条样本在GPU上的显存占用主要与下列哪项无关？A.批大小B.隐藏层维度C.词汇表大小D.注意力头数（ ）5.在联邦学习场景下，采用FedAvg算法，若客户端本地epoch数过大，可能导致：A.通信开销线性下降B.全局模型收敛速度加快C.客户端漂移加剧D.梯度稀疏性提高（ ）6.对不平衡二分类数据，若正类占比仅0.5%，下列哪种评价指标最能反映模型对少数类的识别能力？A.AccuracyB.Macro-F1C.AUC-ROCD.AUC-PR（ ）7.在卷积神经网络中，若输入特征图尺寸为112×112，采用3×3卷积，步长为2，填充为1，则输出特征图尺寸为：A.55×55B.56×56C.57×57D.58×58（ ）8.使用学习率预热（warm-up）策略的主要目的是：A.抑制过拟合B.加速后期收敛C.避免早期不稳定更新D.减少内存占用（ ）9.在强化学习中，若采用ε-greedy策略，ε随时间线性衰减至0，则智能体最终策略为：A.随机策略B.最优确定性策略C.玻尔兹曼策略D.无法确定（ ）10.当Transformer解码器在训练阶段使用teacherforcing时，主要好处是：A.减少曝光偏差B.提高推理速度C.降低内存占用D.增加序列多样性（ ）11.在混合精度训练（FP16+FP32）中，LossScaling的取值过大可能导致：A.梯度下溢B.梯度上溢C.权重更新停滞D.激活值饱和（ ）12.若采用K-fold交叉验证，K值越大，则：A.训练时间越短B.方差估计偏差越大C.模型方差估计越准确D.计算开销越小（ ）13.在知识蒸馏中，温度参数T→∞时，软标签分布趋近于：A.均匀分布B.狄拉克分布C.正态分布D.伯努利分布（ ）14.使用EarlyStopping时，若patience=5，监控指标为验证损失，则训练可能提前终止的轮次最早为：A.第5轮B.第6轮C.第7轮D.第8轮（ ）15.在目标检测任务中，若采用YOLOv5，输入分辨率从640提升至1280，则anchor数量将：A.翻倍B.不变C.减半D.随机变化（ ）16.当使用梯度裁剪（clip_grad_norm_）时，若全局范数阈值为1.0，而实际梯度范数为0.5，则梯度将被：A.放大2倍B.缩小一半C.保持不变D.置零（ ）17.在PyTorchLightning中，若定义了training_step与validation_step，则trainer.fit()会自动调用：A.training_step→backward→optimizer.step→validation_stepB.training_step→optimizer.step→backward→validation_stepC.training_step→backward→validation_step→optimizer.stepD.取决于手动调用顺序（ ）18.若采用余弦退火学习率调度，初始学习率为0.1，最小学习率为0，则第T/2轮的学习率为：A.0.05B.0.1×cos(π/2)C.0.1×(1+cos(π))/2D.0.1×(1+cos(π/2))/2（ ）19.在图神经网络中，GCN层数过深可能引发：A.节点特征过平滑B.节点特征过稀疏C.邻接矩阵秩升高D.计算图消失（ ）20.当使用混合专家模型（MoE）时，门控网络输出经Softmax后，若top-k=2，则每次激活的专家数量为：A.1B.2C.全体专家D.随机（ ）21.在自动机器学习（AutoML）中，采用贝叶斯优化搜索超参，其核心代理模型通常为：A.高斯过程B.随机森林C.XGBoostD.线性回归（ ）22.若采用LoRA（Low-RankAdaptation）微调LLM，秩r=8，则可训练参数量约为原模型参数的：A.0.1%B.1%C.10%D.50%（ ）23.在扩散模型训练阶段，若噪声调度为线性，则时间步t=0时的噪声强度为：A.0B.1e-4C.0.5D.1.0（ ）24.当使用DeepSpeedZeRO-3时，优化器状态、梯度与参数均被分区，则最大显存节省理论倍数为：A.1×B.2×C.Nd×D.Nd²×（ ）25.在语音合成中，若采用FastSpeech2，时长预测器输出的是：A.梅尔频谱B.音素时长帧数C.基频F0D.能量（ ）26.若采用对比学习SimCLR，温度参数τ=0.1，则InfoNCE损失对负样本的惩罚力度：A.减弱B.不变C.增强D.随机（ ）27.在推荐系统冷启动场景下，引入知识图谱的主要作用是：A.降低计算复杂度B.提供额外语义关联C.增加稀疏性D.减少参数量（ ）28.当使用ONNX导出动态轴模型时，需指定的动态维度为：A.批大小与序列长度B.隐藏层维度C.注意力头数D.词汇表大小（ ）29.在模型压缩中，采用权重共享（WeightSharing）后，模型体积减小倍数理论上等于：A.共享桶数量/总参数量B.总参数量/共享桶数量C.桶内方差D.哈希函数数量（ ）30.若采用RMSNorm代替LayerNorm，则省略的参数为：A.缩放参数B.偏移参数C.均值D.方差（ ）二、多项选择题（每题2分，共20分。每题有两个或两个以上正确答案，多选、少选、错选均不得分）31.下列哪些操作可有效缓解Transformer模型中的长度外推问题？A.RoPE位置编码B.ALiBi偏置C.绝对正弦位置编码D.线性注意力（ ）32.在数据并行训练时，以下哪些技术可显著降低通信量？A.梯度压缩B.本地梯度累积C.ZeRO-OffloadD.1-bitAdam（ ）33.关于A/B测试，下列说法正确的是：A.需保证实验组与对照组用户互斥B.指标提升显著即可全量上线，无需长期观察C.需进行功效分析确定样本量D.多重检验需校正p值（ ）34.在模型可解释性方法中，属于局部解释的有：A.SHAPB.LIMEC.Grad-CAMD.PermutationImportance（ ）35.下列哪些损失函数可直接用于多标签分类？A.BinaryCrossEntropyB.CategoricalCrossEntropyC.FocalLossD.KL散度（ ）36.在生成对抗网络中，模式崩塌（ModeCollapse）的常见缓解策略包括：A.历史缓冲区B.Wasserstein损失C.UnrollingGAND.增加批大小（ ）37.关于TorchScript，下列说法正确的是：A.支持动态控制流B.需通过torch.jit.trace或script转换C.可在C++环境运行D.支持所有Python语法（ ）38.在超参搜索中，属于基于种群优化的方法有：A.遗传算法B.TPEC.CMA-ESD.PSO（ ）39.下列哪些技术可用于提升小样本学习性能？A.原型网络B.模型无关元学习MAMLC.迁移学习D.Mixup数据增强（ ）40.在模型服务部署阶段，以下哪些做法可降低P99延迟？A.动态批处理B.模型分片C.预热推理实例D.使用TF32精度（ ）三、判断题（每题1分，共10分。正确打“√”，错误打“×”）41.使用LayerNorm时，将特征维度放缩到单位方差会削弱ReLU的稀疏激活特性。（ ）42.在PyTorch中，nn.DataParallel与DistributedDataParallel在多卡环境下性能差异可忽略。（ ）43.当采用知识蒸馏时，学生模型容量越小，温度参数应设置越大。（ ）44.在扩散模型中，DDIM采样过程可视为确定性的常微分方程求解。（ ）45.使用混合专家模型时，门控网络可完全由随机函数替代而不影响性能。（ ）46.在联邦学习中，SecureAggregation协议可防止中央服务器看到单个客户端梯度。（ ）47.对于BERT模型，移除所有位置编码后，下游分类任务准确率将降至随机水平。（ ）48.在目标检测中，CIoU损失同时考虑中心点距离、重叠面积与长宽比。（ ）49.使用FlashAttention可在不改变注意力数学定义的前提下降低显存复杂度至线性。（ ）50.在推荐系统训练中，采样修正权重（SampledSoftmax）可提高稀有item的打分准确性。（ ）四、填空题（每空2分，共20分）51.若使用Adam优化器，初始学习率α=0.001，β₁=0.9，则在第t步时，一阶矩偏差修正项为__________。52.在Transformer中，自注意力机制的点积结果需除以__________以防止梯度消失。53.若采用FocalLoss解决类别不平衡，当γ=2时，易分类样本的权重衰减因子为__________。54.在混合精度训练中，FP16可表示的最大正值为__________。55.当使用DeepSpeedZeRO-2，若GPU数量为N，则优化器状态显存降低__________倍。56.若卷积输出尺寸公式为O=(I−K+2P)/S+1，当I=224，K=7，S=4，P=2时，O=__________。57.在对比学习中，若批大小为B，则InfoNCE损失中负样本数量为__________。58.若采用线性预热学习率，预热步数为W，则第t步（t≤W）的学习率为__________。59.在LoRA微调中，若原矩阵W∈ℝ^{d×k}，秩为r，则新增可训练参数量为__________。60.若使用GroupNorm，组数G=32，则每组的通道数为__________（用符号表示即可）。五、简答题（每题10分，共30分）61.简述Transformer中RoPE位置编码与绝对正弦位置编码在长度外推上的差异，并给出RoPE的复数形式表达式。62.说明在联邦学习场景下，如何通过局部梯度裁剪与噪声添加实现(ε,δ)-差分隐私，并给出高斯机制的标准差计算公式。63.对比知识蒸馏中Logits蒸馏与Feature蒸馏的优缺点，并说明如何在大模型蒸馏中平衡二者权重。六、计算题（每题10分，共20分）64.已知某模型参数量M=1.2×10⁹，使用Adam优化器，参数以FP16存储，优化器状态以FP32存储。若采用DeepSpeedZeRO-3，GPU数量N=64，求：（1）原始显存占用（单位GB）；（2）ZeRO-3后每卡显存占用（单位GB，保留两位小数）。（提示：1字节=8位，Adam状态含m与v，各FP32）65.给定一个二分类任务，正类占比p=0.3%，若采用FocalLoss，α=0.25，γ=2，对于某正样本模型输出概率p̂=0.97，计算该样本的FocalLoss值（给出LaTex公式与数值结果，保留四位小数）。七、综合应用题（20分）66.某电商场景需训练一个10亿参数的多语言商品标题生成模型，数据包含中、英、日三种语言共500亿token，训练预算为32张A100-80G，要求在三周内完成训练，且模型需支持低资源语种零样本推理。请设计一套完整训练方案，涵盖数据采样、模型结构、并行策略、显存优化、评估指标与推理部署，并说明如何验证零样本效果。卷后答案与解析一、单选1.C 2.C 3.B 4.C 5.C 6.D 7.B 8.C 9.B 10.A 11.B 12.C 13.A 14.B 15.B 16.C 17.A 18.D 19.A 20.B 21.A 22.A 23.A 24.C 25.B 26.C 27.B 28.A 29.B 30.B解析示例：第1题：Huber损失对异常点（噪声）线性惩罚，介于平方与绝对损失之间，鲁棒性最好。第18题：余弦退火公式η_t=η_min+(η_max−η_min)(1+cos(tπ/T))/2，t=T/2时代入得η=0.1×(1+cos(π/2))/2=0.05。二、多选31.ABD 32.ABD 33.ACD 34.ABC 35.AC 36.ABC 37.BC 38.ACD 39.ABC 40.ABC解析示例：第31题：RoPE与ALiBi均支持长度外推，线性注意力降低复杂度同时保持长程依赖，绝对正弦外推性差。第40题：动态批处理合并请求降低延迟，模型分片并行减少单卡负载，预热避免冷启动，TF32降低精度反而可能增延迟。三、判断41.√ 42.× 43.× 44.√ 45.× 46.√ 47.× 48.√ 49.√ 50.√解析示例：第42题：DistributedDataParallel采用多进程、梯度通信与计算重叠，性能显著优于DataParallel。第49题：FlashAttention通过分块计算将显存复杂度从O(N²)降至O(N