2026专业技术人员继续教育人工智能试题及答案

2026专业技术人员继续教育人工智能试题及答案一、单项选择题（每题1分，共20分。每题只有一个正确答案，请将正确选项的字母填在括号内）1.在深度学习中，下列哪种激活函数在输入为负值时输出恒为零且导数也为零？A.Sigmoid  B.Tanh  C.ReLU  D.LeakyReLU答案：C2.若某卷积神经网络第一层使用32个5×5卷积核，输入为单通道28×28图像，步长为1，零填充为2，则该层输出特征图的尺寸为：A.24×24  B.28×28  C.30×30  D.32×32答案：B3.在联邦学习框架中，服务器端聚合本地模型参数最常用的算法是：A.FedAvg  B.FedProx  C.SCAFFOLD  D.FedNova答案：A4.下列关于Transformer自注意力机制的说法，错误的是：A.查询、键、值矩阵均来自同一输入序列B.缩放点积注意力需除以C.多头注意力可并行计算D.自注意力机制的时间复杂度与序列长度呈线性关系答案：D5.在强化学习中，Q-learning更新公式Q(s,A.学习率  B.折扣因子  C.探索率  D.奖励均值答案：B6.使用BERT进行中文文本分类时，在下游任务微调阶段通常需要添加的分类头结构是：A.一层Softmax  B.一层线性层+Softmax  C.两层线性层+ReLU+Softmax  D.一层平均池化+Softmax答案：B7.在生成对抗网络中，若判别器损失迅速趋于零而生成器损失居高不下，最可能出现的训练问题是：A.模式崩塌  B.梯度消失  C.梯度爆炸  D.过拟合答案：B8.下列哪种优化器引入了动量并自适应调整学习率？A.SGD  B.AdaGrad  C.RMSProp  D.Adam答案：D9.在目标检测算法YOLOv5中，用于实现多尺度特征融合的模块是：A.SPP  B.PANet  C.FPN  D.NAS-FPN答案：B10.若某模型在ImageNet上的Top-1准确率为76.3%，其错误率为：A.23.7%  B.24.7%  C.25.3%  D.76.3%答案：A11.在联邦学习场景下，为防止客户端上传梯度泄露隐私，最常用的扰动机制是：A.同态加密  B.差分隐私  C.安全多方计算  D.梯度压缩答案：B12.下列关于LSTM网络中“门”结构的描述，正确的是：A.输入门决定丢弃多少前一时刻细胞状态B.遗忘门决定更新多少当前细胞状态C.输出门决定当前细胞状态有多少输出到隐藏状态D.细胞状态直接参与门的计算答案：C13.在模型蒸馏中，教师模型与学生模型之间的知识迁移主要依赖：A.硬标签  B.软标签  C.特征图  D.梯度范数答案：B14.若某GPU显存为12GB，混合精度训练可节省显存约：A.10%  B.25%  C.50%  D.75%答案：C15.在AutoML中，用于神经网络架构搜索的强化学习基线算法是：A.REINFORCE  B.DDPG  C.PPO  D.A3C答案：A16.下列关于AUC-ROC的说法，正确的是：A.AUC=0.5等价于随机猜测  B.AUC越接近0模型越好  C.AUC只能用于二分类  D.AUC对类别不平衡不敏感答案：A17.在PyTorch中，若需冻结某层参数，应设置：A.requires_grad=False  B.eval()  C.torch.no_grad()  D.detach()答案：A18.当使用MixUp数据增强时，两幅图像按λ与1−A.仅保留λ对应类别  B.仅保留1−答案：C19.在图神经网络GCN中，聚合邻居特征时使用的归一化常数为：A.  B.|𝒩(i)|答案：C20.若某模型参数量为1.2亿，使用FP16存储，所需显存约为：A.228MB  B.240MB  C.480MB  D.960MB答案：B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）21.下列属于无监督预训练策略的有：A.Word2Vec  B.GPT自回归语言模型  C.BERT掩码语言模型  D.SimCLR对比学习答案：A、D22.关于梯度爆炸问题，可采取的缓解措施包括：A.梯度裁剪  B.权重衰减  C.使用ReLU激活  D.使用LayerNorm答案：A、B、D23.在模型部署阶段，TensorRT可进行的优化有：A.算子融合  B.权重量化  C.动态张量内存复用  D.自动超参搜索答案：A、B、C24.下列属于Transformer位置编码方式的有：A.绝对正弦编码  B.相对位置编码  C.可学习位置嵌入  D.旋转位置编码RoPE答案：A、B、C、D25.关于联邦学习系统异构性，需考虑的维度包括：A.设备计算能力  B.本地数据Non-IID  C.通信带宽  D.模型架构差异答案：A、B、C26.在目标检测评价指标中，以下哪些因素会影响mAP值？A.IoU阈值  B.类别数量  C.置信度阈值  D.输入图像尺寸答案：A、B、C27.下列属于生成模型的是：A.VAE  B.GAN  C.DiffusionModel  D.ResNet答案：A、B、C28.关于混合专家模型MoE，正确的有：A.每次只激活部分专家子网络  B.门控网络可基于输入动态选择专家C.专家之间共享参数  D.可显著扩大模型容量而不等比例增加计算量答案：A、B、D29.在深度强化学习中，以下哪些算法属于策略梯度方法？A.REINFORCE  B.A2C  C.DDPG  D.PPO答案：A、B、D30.下列关于模型压缩技术中，属于结构化剪枝的有：A.通道剪枝  B.神经元剪枝  C.权重矩阵低秩分解  D.滤波器剪枝答案：A、B、D三、填空题（每空2分，共20分）31.在卷积神经网络中，若输入特征图为28×28×答案：3×332.若某Transformer模型隐藏维度为512，注意力头数为8，则每个头的维度为________。答案：6433.在PyTorch中，若需将模型保存为ONNX格式，应调用torch.onnx.export，并需传入模型实例、________、导出文件名三个必要参数。答案：dummy_input34.使用FocalLoss解决类别不平衡时，调制因子(1−中的答案：235.在知识蒸馏损失函数中，温度参数T增大时，软标签分布更________（尖锐/平坦）。答案：平坦36.若某GPU的峰值算力为15.7TFLOPS，混合精度训练下实际利用率达到60%，则有效算力为________TFLOPS。答案：9.4237.在DiffusionModel前向过程中，若总扩散步数为1000，则第t步噪声调度满足通常采用________调度（线性/余弦）。答案：线性38.在模型剪枝后，为保持精度不变，通常需要进行________（一次/迭代）微调。答案：迭代39.使用NCCL进行多GPU通信时，默认采用________拓扑（树/环）进行AllReduce。答案：环40.在联邦学习安全聚合协议中，若采用SecretSharing，需保证恶意客户端数少于________才能恢复全局模型。答案：⌊四、简答题（每题8分，共40分）41.简述BatchNormalization在卷积神经网络中的作用及其在训练和测试阶段的差异。答案：BN通过规范化层输入分布缓解内部协变量偏移，加速收敛并起到正则化效果。训练阶段使用当前批次的均值和方差进行标准化；测试阶段使用训练阶段累积的移动平均均值和方差，保证输出确定性。42.说明Transformer中缩放点积注意力的计算流程，并给出时间复杂度。答案：输入Q,K,V∈43.列举三种常见的模型量化方案，并比较其优缺点。答案：(1)权重量化：仅量化权重，推理用浮点激活，精度高但加速有限；(2)全整数量化：权重与激活均量化，速度快但需校准；(3)混合比特量化：不同层不同位宽，平衡精度与效率，但搜索复杂。44.解释联邦学习中Non-IID数据对模型收敛的影响，并提出两种缓解策略。答案：Non-IID导致本地目标与全局目标不一致，收敛慢且精度下降。策略：①FedProx增加近端项限制本地更新；②数据增强与共享少量公共数据提升一致性。45.简述DeepSpeedZero-3优化器如何降低显存占用。答案：Zero-3将模型参数、梯度、优化器状态全部分片到各GPU，前向反向时通过动态收集所需参数，显存占用从O(N)五、应用题（共50分）46.（计算题，12分）某ResNet-50模型在ImageNet上Top-1准确率75.2%，现通过知识蒸馏将教师模型（ResNet-152，准确率78.5%）迁移到学生模型（ResNet-18）。设蒸馏温度T=4，蒸馏损失权重α=(1)教师模型相对于学生模型的准确率绝对提升；(2)蒸馏带来的相对提升百分比（相对于教师-学生原始差距）。答案：(1)78.5(2)47.（分析题，12分）给定一段伪代码描述的目标检测后处理算法：```forclsinclasses:keep=nms(cls_boxes,cls_scores,iou_thr=0.5)final_boxes.append(cls_boxes[keep])```指出该算法在类间重叠场景下可能存在的缺陷，并提出改进方案。答案：缺陷：不同类别预测框之间未做NMS，可能出现高度重叠且类别不同的框同时保留。改进：采用多类别NMS（MatrixNMS或Class-agnosticNMS），先按置信度排序，再对所有框统一做NMS，抑制跨类重叠。48.（综合题，14分）某城市部署1000路1080p摄像头进行车牌识别，单路视频30fps，采用YOLOv5s检测+CRNN识别流水线。已知：YOLOv5s单帧推理耗时8ms（GPU）CRNN单张车牌图像推理耗时3ms每帧平均含2辆车服务器配备8×A100GPU每GPU并行吞吐为32帧/s(1)计算系统所需的最小GPU数量；(2)若采用TensorRTINT8量化，YOLOv5s提速1.8×，CRNN提速1.5×，重新计算最小GPU数量；(3)给出降低延迟的两种工程优化方案。答案：(1)总帧率1000×30=(2)YOLOv5s新吞吐1/(0.008/1.8)=(3)①视频解码+预处理GPU流水线重叠；②多模型级联，用轻量检测模型先过滤无车帧。49.（设计题，12分）设计一个面向医疗影像的联邦学习系统，要求满足HIPAA隐私规范，支持100家医院参与，数据量为每院1-10GB，网络带宽10-100Mbps，模型为3DU-Net。请给出：(1)系统架构图（文字描述即