2026年人工智能考核高频题型练习题及参考答案

2026年人工智能考核高频题型练习题及参考答案一、单项选择题（每题2分，共20分）1.在深度学习中，若某卷积层输出特征图尺寸为112×112，卷积核大小为3×3，步长为2，填充为1，则该层输入特征图尺寸为A.224×224  B.223×223  C.225×225  D.226×2262.下列关于Transformer位置编码的说法正确的是A.绝对位置编码无法外推到更长序列B.相对位置编码必须引入可学习参数C.RoPE（旋转位置编码）在注意力计算后注入位置信息D.正弦位置编码的频率与维度索引无关3.联邦学习场景下，客户端上传的梯度被恶意替换为全零向量，这种攻击属于A.模型逆向攻击  B.拜占庭攻击  C.成员推理攻击  D.后门投毒攻击4.在强化学习中，若策略π为ε-greedy，ε=0.1，状态s下最优动作价值Q(s,a)=5，其余动作价值均为3，则该状态下选择a的概率为4.在强化学习中，若策略π为ε-greedy，ε=0.1，状态s下最优动作价值Q(s,a)=5，其余动作价值均为3，则该状态下选择a的概率为A.0.9  B.0.91  C.0.95  D.0.15.使用Adam优化器时，若β₁=0.9，β₂=0.999，初始学习率α=0.001，则第t步的有效学习率近似为A.  B.  C.  D.6.在目标检测模型YOLOv8中，若输入图像640×640，下采样倍数为32，则特征图P5的尺寸为A.20×20  B.40×40  C.10×10  D.80×807.下列关于扩散模型DDPM的表述错误的是A.前向过程为马尔可夫链  B.逆向过程参数化高斯分布C.损失函数仅含重构项  D.采样过程需迭代T步8.在图神经网络中，GCN的层间传播公式为A.=B.=C.=D.=9.若某语言模型参数量为7B，采用FP16推理，批次大小为1，最大长度2048，则峰值显存占用约为A.14GB  B.28GB  C.56GB  D.7GB10.在可解释性方法SHAP中，特征j的Shapley值满足A.局部可加性  B.全局单调性  C.局部准确性  D.特征独立性二、多项选择题（每题3分，共15分，多选少选均不得分）11.下列技术可有效缓解大模型“幻觉”现象的有A.检索增强生成RAG  B.人类反馈强化学习RLHFC.增加温度系数τ  D.事实一致性奖励模型12.关于LoRA微调，正确的有A.冻结原模型权重  B.引入低秩矩阵ΔW=BAC.推理时需合并低秩适配器  D.秩r通常取4~6413.在自动驾驶感知系统中，多传感器融合方案包括A.前融合  B.后融合  C.中间融合  D.决策融合14.下列属于自监督视觉预训练任务的有A.SimCLR对比学习  B.MAE掩码自编码C.SwAV聚类对齐  D.MaskR-CNN实例分割15.关于DiffusionTransformer（DiT）架构，正确的有A.用Transformer替换U-Net  B.引入AdaLN调节C.时间步t作为token输入  D.支持类别条件生成三、判断题（每题1分，共10分，正确打“√”，错误打“×”）16.在PyTorch中，torch.cuda.amp自动混合精度训练默认使用bfloat16。17.梯度裁剪阈值设置越大，越容易出现梯度爆炸。18.知识蒸馏中，温度系数越高，软标签分布越尖锐。19.在RLHF中，奖励模型通常采用Bradley-Terry模型建模偏好。20.模型剪枝后必须进行再训练以恢复精度。21.VisionTransformer的CLStoken在分类头前需做LayerNorm。22.联邦平均算法FedAvg对非独立同分布数据鲁棒。23.对比学习损失InfoNCE是交叉熵的特例。24.扩散模型采样过程可视为离散时间随机微分方程的欧拉求解。25.大模型量化到INT8后，推理速度一定快于FP16。四、填空题（每空2分，共20分）26.若交叉熵损失为L=−∑27.在注意力机制中，若Q、K、V维度均为d，则点积注意力计算复杂度为________。28.若某卷积层输入通道64，输出通道128，卷积核3×3，则参数总量为________（含偏置）。29.在DDPM中，若线性噪声表β_t从0.0001到0.02均匀递增，T=1000，则β_{500}=________。30.使用F1-score评估时，精确率P=0.8，召回率R=0.9，则F1=________（保留2位小数）。31.若学习率采用余弦退火，初始lr=0.1，最小lr=0.001，总步数T=100，则第50步的lr=________。32.在GPT自回归生成中，若上下文长度n=2048，词汇表大小|V|=50000，则嵌入层参数量为________。33.若某模型FP32大小为3GB，量化到INT8后理论大小为________GB。34.在图注意力网络GAT中，若多头注意力头数为8，输出维度64，则单头输出维度为________。35.若某检测框预测为[x,y,w,h]=[100,200,50,80]，GT为[105,205,45,85]，则IoU=________（保留2位小数）。五、计算与推导题（共35分）36.（8分）给定一个二分类问题，数据集含1000正例、4000负例。若模型预测结果如下：TP=800，FP=500，FN=200，TN=3500。(1)计算精确率、召回率、特异度；(2)绘制ROC曲线所需坐标点（FPR,TPR）并计算AUC近似值（梯形法，保留3位小数）。37.（9分）在Transformer中，设d=512，h=8，序列长度n=1024，批量大小b=32。(1)计算标准自注意力机制的显存占用（单位GB，FP16）；(2)若采用FlashAttention，显存占用降低为O(n)，给出新的显存估算；(3)比较两者比值。38.（9分）考虑一个三阶张量𝒯∈，采用Tucker分解为𝒯≈𝒢(1)给出参数压缩比公式；(2)若I=J=K=256，r_1=r_2=r_3=32，计算压缩比；(3)讨论当r_i增大时，重建误差与参数量的权衡关系。39.（9分）在强化学习策略梯度中，设策略为高斯分布(a|s(1)推导J((2)若(s)=(3)讨论基线减除为何能降低方差，并给出最优基线表达式。六、综合应用题（共30分）40.（15分）某医疗影像AI公司需开发一款基于CT影像的肺结节良恶性分类系统。数据特点：单张CT体素512×512×d，d∈[100,400]，结节直径3~30mm，良恶性比例1:4，数据总量5万例。(1)设计数据预处理与增强流程，需考虑显存限制（单卡24GB）；(2)选择并论证3D网络架构，说明为何优于2D方案；(3)给出类别不平衡解决方案，包括损失函数、采样策略与评价指标；(4)描述模型可解释性方案，满足医生“voxel-levelevidence”需求；(5)制定联邦学习部署计划，保护医院数据隐私，并解决Non-IID问题。41.（15分）某城市交通管理部门拟利用大模型实现实时交通事件检测与语义理解。输入为路口摄像头视频流（1080p@25fps），需识别拥堵、事故、逆行、占道施工四类事件，并生成结构化文本报告。(1)设计双流（视觉+文本）多模态架构，说明视觉编码器、文本解码器选型与融合方式；(2)给出事件定位与分类联合训练的损失函数，需处理长尾分布；(3)针对实时性要求（单路延迟<200ms），提出模型轻量化与推理优化方案；(4)描述在线学习机制，利用人工复核结果持续迭代；(5)制定安全合规方案，防止模型输出涉敏信息。七、答案与解析1.C 解析：输出尺寸公式⌊⌋2.A 解析：绝对位置编码长度固定，无法外推；RoPE在QK计算时注入；正弦频率与维度相关。3.B 解析：拜占庭攻击指任意错误梯度。4.B 解析：ε-greedy下概率1−5.D 解析：Adam有效学习率含偏差修正。6.A 解析：640/32=20。7.C 解析：DDPM损失含噪声预测项与重构无关。8.A 解析：归一化拉普拉斯形式。9.B 解析：参数14GB，激活约14GB，共28GB。10.C 解析：Shapley值满足局部准确性。11.ABD 解析：提高温度会加剧幻觉。12.ABCD 解析：LoRA推理可合并或独立。13.ABCD 解析：四种融合粒度。14.ABC 解析：MaskR-CNN需标注，非自监督。15.ABCD 解析：DiT全部正确。16.× 解析：amp默认FP16，非bfloat16。17.× 解析：阈值越大裁剪越松，不易爆炸。18.× 解析：温度越高分布越平滑。19.√ 解析：Bradley-Terry建模成对偏好。20.√ 解析：剪枝破坏权重平衡，需再训练。21.√ 解析：ViT分类头前做LayerNorm为常规设计。22.× 解析：FedAvg对Non-IID敏感，需改进。23.√ 解析：InfoNCE可写成softmax交叉熵。24.√ 解析：DDIM即离散SDE欧拉求解。25.× 解析：INT8需硬件支持，否则可能更慢。26.0.010 解析：−log0.99≈0.010。27.O(n²d) 解析：QK^T矩阵乘法。28.73856 解析：(64×3×3×128)+128=73856。29.0.01005 解析：线性插值β_{500}=0.0001+0.5×0.0199。30.0.85 解析：2×0.8×0.9/(0.8+0.9)=0.85。31.0.0505 解析：余弦中点lr=0.1×0.5(1+cosπ)=0.0505。32.102400000 解析：2048×50000。33.0.75 解析：INT8为1/4，但嵌入层常保留FP16，加权平均约0.75。34.8 解析：64/8=8。35.0.68 解析：交集面积≈45×75=3375，并集≈50×80+45×85−3375=4975，IoU≈0.68。36.(1)P=800/1300=0.615，R=800/1000=0.8，特异度TNR=3500/4000=0.875；(2)坐标点(0.125,0.8)，(0.375,0.9)…梯形法AUC≈0.837。37.(1)标准注意力显存≈b×h×n²×2×2/1024³=4GB；(2)FlashAttention显存≈b×h×n×d×2/1024³=0.25GB；(3)比值≈16。38.(1)压缩比=；(2)代入得≈170.7；(3)r_i增大，重建误差下降但参数量立方增长，需交叉验证选r。39.(1)J=(2)π=(3)基线减除后方差最小，最优基线=。(3)基线减除后方差最小，最优基线=。40.综合答案要点：(1)预处理：重采样到1mm体素，裁剪ROI96×96×64，采用随机旋转、灰度扰动、CutMix3D；(2)3DResNet-50+注意力，捕获空间上下文；(3)损失：FocalLossγ=2，训练时过采样正例，评价用BalancedAccuracy与F1；(4)可解释：3DGrad-CAM叠加到切片，提供最大响应体素；(5)联邦：采用FedProxμ=0.01，客