专业技术人员继续教育《人工智能基础》(2026年)考试试题及参考答案

专业技术人员继续教育《人工智能基础》(2026年)考试试题及参考答案1.单项选择题1.2025年发布的通用多模态大模型普遍支持的输入模态不包含以下哪项？A.文本B.三维点云C.音频D.视频参考答案：B。解析：当前2025年量产落地的通用多模态大模型已原生支持文本、图像、音频、视频的输入输出交互，三维点云模态仅在工业级专用大模型中适配，尚未纳入通用大模型的标准支持范畴。2.以下哪项属于生成式人工智能的治理要求中“生成内容可追溯”的核心技术实现路径？A.内容审核过滤B.数据脱敏处理C.数字水印嵌入D.算法备案登记参考答案：C。解析：数字水印嵌入技术可在生成内容的像素、音频频谱、文本特征层植入不可感知的溯源标识，是实现生成内容全链路可追溯的核心技术路径，其余选项分别对应内容安全、数据隐私、合规备案的相关要求。3.大模型微调技术中，以下哪种方法的参数更新量仅占全参数的0.1%以下，且适配绝大多数下游场景轻量化适配需求？A.全参数微调B.LoRAC.提示工程D.指令微调参考答案：B。解析：LoRA（低秩适配）技术通过冻结大模型主干参数，仅对注意力层的低秩矩阵进行更新，参数更新量通常不足全参数的0.1%，可在单消费级显卡上完成下游场景适配，适配效率远高于全参数微调，效果优于常规提示工程。4.以下哪种AI应用场景不属于《生成式人工智能服务管理暂行办法》明确规定的需进行安全评估的高风险场景？A.面向未成年人的智能教辅工具B.医疗辅助诊断报告生成C.工业产品外观设计D.金融风控自动审批参考答案：C。解析：根据监管要求，面向未成年人、医疗、金融、公共服务等涉及人身安全、财产安全、公共利益的生成式AI服务属于高风险场景，需完成前置安全评估，工业产品外观设计不属于高风险范畴。5.人工智能伦理中的“算法公平”核心是规避以下哪类问题？A.算法训练数据不足导致的精度偏差B.算法对特定群体的系统性歧视C.算法决策过程不可解释D.算法运行能耗过高参考答案：B。解析：算法公平的核心目标是避免算法在招聘、信贷、政务服务等场景中对性别、种族、地域等特定群体产生系统性歧视，保障不同群体的合法权益，其余选项分别对应算法性能、可解释性、绿色AI的相关要求。2.多项选择题1.以下属于2023-2026年人工智能领域落地的核心技术方向的有？A.端侧小模型部署B.多模态大模型AgentC.量子人工智能D.AI生成内容（AIGC）产业应用E.深度学习框架国产化替代参考答案：ABDE。解析：量子人工智能目前仍处于实验室研发阶段，尚未实现大规模产业落地，其余四项均为2023-2026年已实现规模化落地的核心技术方向。2.大模型的“幻觉”问题产生的主要原因包括？A.训练数据存在错误或矛盾B.模型推理过程中的概率抽样机制C.训练数据覆盖不足D.模型参数规模过小E.提示词表述不清晰参考答案：ABCE。解析：大模型幻觉产生的核心原因包括训练数据的质量问题、覆盖缺口、推理阶段的概率生成机制，以及输入提示词的歧义性，参数规模越大的大模型通常幻觉发生概率越低，因此D选项错误。3.以下属于人工智能可解释性技术实现路径的有？A.注意力权重可视化B.决策路径回溯C.模型蒸馏D.特征归因分析E.算法备案参考答案：ABD。解析：注意力权重可视化可展示大模型推理过程中重点关注的输入特征，决策路径回溯可还原算法决策的逻辑链路，特征归因分析可明确各输入变量对决策结果的贡献度，三者均为可解释性技术的核心实现路径；模型蒸馏属于模型轻量化技术，算法备案属于合规管理措施，不属于可解释性技术范畴。4.专业技术人员在工作中应用生成式AI需遵循的合规要求包括？A.不得使用生成式AI生成涉密内容B.对生成内容的真实性进行核验后方可使用C.不得擅自使用未获得授权的受版权保护数据作为AI训练素材D.公开使用AI生成内容需进行标识E.所有使用AI生成的内容均需申请著作权登记参考答案：ABCD。解析：根据我国著作权法及生成式AI监管相关规定，AI生成内容是否需要进行著作权登记遵循自愿原则，并非强制要求，其余四项均为明确的合规要求。5.以下属于AIforScience（科学智能）的典型应用场景的有？A.蛋白质结构预测B.新材料分子研发C.极端天气预测D.自动驾驶路径规划E.药物靶点筛选参考答案：ABCE。解析：AIforScience是指人工智能应用于自然科学研究场景，解决科学发现类问题，自动驾驶路径规划属于工业级AI应用场景，不属于科学智能范畴。3.判断题1.多模态大模型可以直接理解和处理自然语言、图像、音频等多种类型的输入信息，无需额外的模态转换预处理。参考答案：√。解析：多模态大模型原生内置多模态编码器，可直接对不同类型的输入数据进行特征提取和语义理解，无需额外的模态转换操作。2.提示工程的效果始终低于大模型微调的效果，因此所有下游场景适配都应优先选择微调方案。参考答案：×。解析：对于简单的交互场景，高质量的提示工程即可满足需求，且无需调整模型参数，适配成本远低于微调，因此需根据场景需求选择适配方案，并非所有场景都优先选择微调。3.根据《生成式人工智能服务管理暂行办法》，生成式AI服务提供者对用户输入的所有个人信息需永久留存，以便后续溯源。参考答案：×。解析：办法明确要求生成式AI服务提供者需按照最小必要原则留存用户信息，留存期限不得超过实现服务目的所需的必要期限，不得永久留存非必要的用户个人信息。4.绿色AI的核心目标是在保障AI模型性能的前提下，尽可能降低模型训练和推理过程的能耗与碳排放。参考答案：√。解析：绿色AI是当前AI技术发展的重要方向，核心是通过算法优化、硬件适配、调度优化等方式降低AI全生命周期的能耗，实现降本减碳的目标。5.小样本学习技术可以让AI模型仅通过极少的标注样本就实现较高的识别精度，大幅降低下游场景的标注成本。参考答案：√。解析：小样本学习依托大模型的通用知识迁移能力，仅需个位数到数十个标注样本即可完成下游场景适配，显著降低了传统深度学习方法对大规模标注数据的依赖。6.人工智能生成的内容全部不具备著作权，因此任何人都可以随意使用。参考答案：×。解析：我国著作权法明确规定，由自然人提供创作思路、对AI生成内容进行独创性调整的内容，可依法获得著作权保护，禁止随意侵权使用。7.大模型Agent技术可以让AI自主完成任务规划、工具调用、结果反馈的全链路流程，无需人工全程干预。参考答案：√。解析：Agent（智能体）是大模型的重要应用方向，可依托大模型的推理能力自主调用各类工具完成复杂任务，大幅提升任务处理效率。8.深度学习框架是人工智能技术研发的底层基础，目前我国尚未实现国产化深度学习框架的规模化应用。参考答案：×。解析：截至2025年，百度飞桨、华为MindSpore等国产化深度学习框架已实现大规模产业应用，在国内AI研发场景的渗透率已超过40%。9.联邦学习技术可以在数据不出本地的前提下实现多主体联合训练AI模型，有效解决数据孤岛和数据隐私保护的矛盾。参考答案：√。解析：联邦学习的核心特性就是“数据可用不可见”，各参与方的原始数据无需流出本地，仅通过交互模型参数的更新值完成联合训练，兼顾了数据价值挖掘和隐私保护需求。10.人工智能的可解释性要求仅针对高风险AI应用场景，低风险场景无需满足可解释性要求。参考答案：×。解析：所有AI应用场景均需根据应用属性满足相应层级的可解释性要求，低风险场景也需具备基础的决策逻辑可追溯能力，保障用户的知情权。4.简答题1.简述专业技术人员在日常工作中应用生成式AI提升工作效率的注意事项。参考答案：（1）合规层面：严格遵守国家生成式AI监管相关规定，不得使用生成式AI处理涉密、敏感信息，不得生成违法违规内容；公开使用AI生成的内容需按照要求进行标识，涉及版权的内容需核验授权资质后方可使用。（2）质量层面：对AI生成的内容进行严格的真实性、准确性核验，避免大模型幻觉问题导致的内容错误，尤其是涉及技术参数、政策法规、专业结论等核心内容，需经过人工交叉核验后再投入使用。（3）知识产权层面：不得擅自使用未获得授权的受版权保护的文字、图像、音视频等素材作为AI训练的输入数据，使用AI生成的内容涉及商业用途的，需提前确认相关著作权归属，避免侵权风险。（4）伦理层面：使用AI过程中不得歧视特定群体，不得利用AI实施欺诈、造假等违法违规行为，保障AI应用的公平性和公益性。2.简述大模型幻觉问题的常用缓解方案。参考答案：（1）数据层面：优化训练数据集的质量，清洗训练数据中的错误、矛盾内容，扩充垂直领域的高质量标注数据，提升训练数据的覆盖度和准确性。（2）模型层面：在模型训练阶段引入事实性对齐预训练、检索增强生成（RAG）技术，让模型在推理时可以调用外部权威知识库的内容作为生成依据，减少幻觉生成概率；采用思维链（CoT）、自我验证等推理优化技术，让模型在生成内容前先进行逻辑校验，提升内容准确性。（3）应用层面：在输出环节增加内容核验环节，接入事实核查工具对生成内容的真实性进行校验，针对垂直领域场景优先采用领域微调后的大模型，而非通用大模型，提升内容的专业准确性。（4）交互层面：引导用户提供更清晰、明确的提示词，减少输入信息的歧义性，同时明确告知用户AI生成内容存在偏差的可能性，提醒用户进行必要核验。3.简述《生成式人工智能服务管理暂行办法》中对生成式AI服务提供者的核心义务要求。参考答案：（1）安全管理义务：建立健全内容安全审核、数据安全、个人信息保护、算法公平、伦理审查等内部管理制度，配备与服务规模相适应的专业人员和技术支撑能力。（2）内容合规义务：采取有效措施防止生成违法违规内容，防止未成年人接触不适宜的内容，不得利用生成式AI从事侵害他人合法权益、扰乱公共秩序的活动。（3）可追溯义务：对生成的内容进行标识，具备生成内容的溯源能力，按照要求留存相关日志数据，配合监管部门的监督检查。（4）告知义务：明确告知用户服务的适用范围、局限性、潜在风险，不得对服务性能进行虚假宣传，保障用户的知情权和选择权。（5）算法治理义务：定期对算法模型、生成内容进行安全评估，按照要求进行算法备案，及时修复模型存在的安全漏洞和偏差问题。5.论述题结合自身所在行业，论述人工智能技术的落地应用对本行业专业技术人员能力提出的新要求，以及专业技术人员应如何适配人工智能时代的职业发展需求。参考答案（以工程技术领域为例，其他领域可结合行业属性调整）：（1）人工智能落地对工程技术人员的新要求：①技术融合应用能力：要求工程技术人员掌握基础的AI工具使用方法，能够结合自身专业领域需求，灵活调用多模态大模型、行业AI工具完成图纸设计、方案优化、故障排查、数据统计分析等常规工作，替代传统低效的人工操作，提升工作效率。②AI工具适配能力：能够根据业务场景需求选择合适的AI工具，掌握基础的提示工程、小样本微调等技能，对AI工具进行场景化适配，解决垂直领域的个性化需求，避免AI工具和实际业务脱节的问题。③风险防控能力：具备AI应用的合规、质量风险防控意识，能够对AI生成的设计方案、技术参数、分析报告进行专业核验，识别AI幻觉、算法偏差等问题带来的技术风险，保障技术成果的安全性和准确性。④创新研发能力：能够基于AI技术探索新的技术研发路径，比如利用AIforScience技术开展新材料研发、结构优化、性能仿真等工作，突破传统技术研发的瓶颈，提升技术创新的效率和成功率。（2）专业技术人员的适配路径：①主动学习AI基础常识：掌握人工智能的基础原理、主流技术方向、常用工具的使用方法，了解国家AI监管的相关政策要求，建立对AI技术的全面认知，避免对AI技术的盲目崇拜或完全排斥的极端认知。②结合自身领域开展AI应用实践：在日常工作中主动尝试将AI工具应用到常