2026版人工智能导论：模型与算法吴飞及期末试题期末质量检测QS01仿真卷Org021（含答案解析与学生作答区）

通用综合期末质量检测QS01姓名：__________班级：__________考号：__________2026版人工智能导论：模型与算法吴飞及期末试题期末质量检测QS01仿真卷Org021（含答案解析与学生作答区）考试时间：70分钟满分：80分适用对象：全国通用综合期末质量检测训练答题说明：闭卷限时作答；主观题须写出关键步骤、推理依据和规范结论。

2026版人工智能导论：模型与算法吴飞及期末试题期末质量检测QS01仿真卷Org021（含答案解析与学生作答区）姓名班级考号得分考试时间70分钟满分80分答题说明：本试卷共三大题22小题。答题前先检查试卷页码与题号是否完整；选择题将答案填入答题栏；情境材料题和综合探究题必须按题号在学生作答区作答，计算题写出公式、代入过程和结论；书写规范，保持卷面整洁。选择题答题栏（请将所选字母填入对应题号栏内）123456789101112131415一、单项选择题（本大题共15小题，每小题2分，共30分）1.关于人工智能研究目标的表述，最恰当的是哪一项？（2分）A.只要程序运行速度足够快，就能称为人工智能B.人工智能关注让机器在感知、推理、学习和决策等方面表现出智能行为C.人工智能只研究机器人硬件，不研究算法D.人工智能系统不需要数据，也不需要模型2.在知识表示中，产生式规则通常写成“IF条件THEN结论/动作”。它最适合表达哪类知识？（2分）A.条件触发型经验规则B.图像像素的原始灰度矩阵C.连续函数的极限定义D.无任何前提的随机噪声3.在状态空间搜索中，若要求在无权图中找到从起点到终点的最短步数，通常优先选用哪种策略？（2分）A.深度优先搜索B.广度优先搜索C.随机游走D.只按字母顺序访问节点4.A*搜索中，启发函数h(n)若从不高估从n到目标的真实最小代价，则称该启发函数具有哪种性质？（2分）A.可采纳性B.不确定性C.过拟合性D.随机性5.决策树在选择划分属性时常使用信息增益。信息增益反映的是划分后哪种变化？（2分）A.样本数量一定增加B.数据不确定性降低的程度C.特征维度必然减少为1D.模型训练时间必然为0

一、单项选择题（本大题共15小题，每小题2分，共30分）6.感知机算法能够保证收敛的典型前提是训练样本满足哪一条件？（2分）A.样本线性可分B.标签完全随机C.特征全部相同D.学习率必须等于07.使用k近邻算法处理“身高、收入、年龄”等量纲差异较大的特征时，通常需要先进行哪项处理？（2分）A.特征标准化或归一化B.删除全部标签C.将所有样本复制一遍D.固定k为样本总数8.朴素贝叶斯分类器之所以被称为“朴素”，主要是因为它作出了哪项假设？（2分）A.所有特征在给定类别条件下相互独立B.所有样本必须来自同一天C.类别只能有两个D.概率值都必须相等9.支持向量机的核心思想之一是寻找分类超平面，使哪一指标尽可能大？（2分）A.几何间隔B.标签个数C.错别字数量D.文件大小10.在无监督聚类任务中，K-means算法需要事先给定的关键参数是？（2分）A.聚类数KB.测试集标签C.所有样本的真实类别D.每个神经元的激活函数11.神经网络中非线性激活函数的主要作用是？（2分）A.引入非线性表达能力B.保证所有权重为整数C.删除输入数据D.让损失函数恒为0

一、单项选择题（本大题共15小题，每小题2分，共30分）12.梯度下降法更新参数时，学习率过大最可能导致哪种现象？（2分）A.参数在最优点附近震荡甚至发散B.数据集自动增大C.模型无需计算梯度D.训练误差必然单调为013.训练误差很低而测试误差明显偏高，通常说明模型出现了什么问题？（2分）A.欠拟合B.过拟合C.数据不可读D.评价指标不存在14.强化学习中，智能体通过与环境交互获得奖励，并学习在状态下选择动作。Q-learning更新时主要估计的是？（2分）A.状态-动作价值B.图片分辨率C.文本长度D.样本文件名15.在二分类任务中，若系统需要尽量减少“漏检”，更应重点关注并提升哪一指标？（2分）A.召回率B.文件压缩率C.样本编号长度D.屏幕刷新率

二、情境材料题（本大题共5小题，每小题6分，共30分）16.阅读机器人路径规划材料，完成问题。（6分）材料：某移动机器人需要从S点到G点执行巡检任务。栅格地图中每移动一格代价为1，允许上下左右移动，不允许穿越障碍。工程师准备使用A*搜索，令f(n)=g(n)+h(n)，其中g(n)表示从S到n的已走代价，h(n)采用当前位置到G点的曼哈顿距离。设某一步开放表中有三个候选节点：P点g=4、h=5；Q点g=6、h=2；R点g=5、h=4。设问：①分别计算P、Q、R的f值，并判断下一步应优先扩展哪个节点；②说明曼哈顿距离在本任务中作为启发函数的合理性；③若发现地图中加入“斜向移动”且代价为1，应如何重新审视h(n)的可采纳性？学生作答区：________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

二、情境材料题（本大题共5小题，每小题6分，共30分）17.阅读分类评价材料，完成计算与判断。（6分）材料：某校园邮件过滤系统将邮件判定为“垃圾邮件”或“正常邮件”。在100封测试邮件中，以“垃圾邮件”为正类，系统结果如下：真正例TP=45，假正例FP=5，假反例FN=15，真反例TN=35。预测为垃圾预测为正常实际为垃圾4515实际为正常535设问：①计算准确率、精确率、召回率，并保留两位小数；②若学校更担心垃圾邮件漏进学生邮箱，应优先提升哪项指标，并说明理由；③指出仅看准确率可能造成的一个误判风险。学生作答区：________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

二、情境材料题（本大题共5小题，每小题6分，共30分）18.阅读模型选择材料，完成分析。（6分）材料：某图书馆希望预测读者是否会借阅某类新书。现有数据包括读者年级、专业、历史借阅次数、近30天检索关键词、对同类书籍的评分等。备选方案一是逻辑回归，方案二是决策树，方案三是深层神经网络。项目要求模型能给出可解释的依据，并能在数据量中等的情况下稳定上线。设问：①从可解释性、数据规模、特征处理三个角度比较三个方案；②推荐一种更适合首版上线的方案，并说明理由；③若后续加入海量点击序列数据，可考虑如何升级模型。学生作答区：________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

二、情境材料题（本大题共5小题，每小题6分，共30分）19.阅读推荐系统材料，完成判断。（6分）材料：某在线课程平台根据学习者的浏览、收藏、评分和完课记录推荐课程。新用户刚注册时缺少行为数据，老用户可能存在“只看不评”的稀疏行为。平台计划同时使用基于内容的推荐与协同过滤推荐，并在首页展示推荐理由。设问：①说明基于内容的推荐与协同过滤的主要依据差异；②解释“冷启动”和“数据稀疏”分别会带来什么问题；③给出两条改进建议，使推荐结果更稳健且便于用户理解。学生作答区：________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

二、情境材料题（本大题共5小题，每小题6分，共30分）20.阅读人工智能应用治理材料，完成综合判断。（6分）材料：某学校拟引入人脸识别考勤系统。系统供应方宣称识别准确率较高，但调试阶段发现，光照不足、口罩遮挡、少数样本群体数据较少时错误率上升。学校还计划将识别记录与学生日常评价关联。设问：①指出该系统在数据、模型和应用管理上的主要风险；②从公平性、隐私保护、人工复核三个方面提出治理措施；③说明为什么不能只用单一总体准确率评价该系统。学生作答区：________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

三、综合探究题（本大题共2小题，每小题10分，共20分）21.智能学习诊断系统设计。（10分）某教师希望建设一个“期末复习学习诊断系统”，输入学生的章节练习记录、错题类型、答题耗时、课堂互动记录和阶段测验成绩，输出学生的薄弱知识点、推荐练习和复习建议。请围绕“数据—特征—模型—评价—反馈”设计一套可落地方案。要求：①说明至少三类输入数据及其作用；②选择两类可用算法或模型，并比较适用场景；③给出至少三项评价指标；④说明如何向学生提供可解释反馈；⑤指出一个潜在风险及应对办法。学生作答区：________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

三、综合探究题（本大题共2小题，每小题10分，共20分）22.感知机算法推演与结果解释。（10分）给定二分类训练样本，标签y取+1或-1。感知机判别函数为s=w·x+b，若y·s<=0，则按w←w+ηyx，b←b+ηy更新。初始w=(0,0)，b=0，学习率η=0.5。依次输入样本x1=(2,1),y1=+1；x2=(-1,2),y2=-1。要求：①写出处理x1前后的s值、是否误分类及更新后的w、b；②写出处理x2时的s值、是否误分类及更新后的w、b；③用更新后的模型判断新样本x3=(1,1)的类别；④结合本题说明学习率在更新中的作用。学生作答区：________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

2026版人工智能导论：模型与算法吴飞及期末试题期末质量检测QS01仿真卷Org021（含答案解析与学生作答区）参考答案与解析一、单项选择题1.答案：B。解析：人工智能不仅追求程序运行，更关注感知、推理、学习、决策等智能行为的建模与实现。A把速度等同于智能，C把人工智能窄化为硬件，D否认数据和模型，均不恰当。2.答案：A。解析：产生式规则以“条件—动作/结论”组织知识，适合表达专家经验和规则推理。其余选项不是产生式规则的典型表达对象。3.答案：B。解析：无权图中每条边代价相同，广度优先搜索按层扩展，首次到达目标时步数最少。深度优先搜索不能保证最短步数。4.答案：A。解析：启发函数不高估真实最小代价称为可采纳。该性质是A*获得最优解的重要条件之一。5.答案：B。解析：信息增益衡量划分前后熵的减少量，即不确定性降低程度。它不等同于样本数增加或训练时间为零。6.答案：A。解析：感知机收敛定理要求样本线性可分且学习率为正。若样本不可分，算法可能反复更新而不收敛。7.答案：A。解析：k近邻依赖距离度量，量纲大的特征会主导距离，因此通常要标准化或归一化。8.答案：A。解析：朴素贝叶斯的关键假设是给定类别后各特征条件独立，这简化了联合概率计算。9.答案：A。解析：支持向量机通过最大化分类间隔提高泛化能力，支持向量决定最优超平面。10.答案：A。解析：K-means需要预先指定簇数K，并通过迭代更新簇中心和样本归属。11.答案：A。解析：若没有非线性激活，多层线性变换仍可合并为一次线性变换，表达能力受限。12.答案：A。解析：学习率过大可能越过极小点，在最优点附近震荡，甚至导致损失无法下降。13.答案：B。解析：训练表现好而测试表现差是过拟合的典型表现，说明模型过度记住训练数据细节。14.答案：A。解析：Q-learning学习状态-动作价值Q(s,a)，用于估计在某状态采取某动作并继续行动的长期回报。15.答案：A。解析：减少漏检意味着尽量把真实正类找出来，对应提高召回率。精确率更关注预测为正的样本中有多少是真的正类。

2026版人工智能导论：模型与算法吴飞及期末试题期末质量检测QS01仿真卷Org021（含答案解析与学生作答区）参考答案与解析二、情境材料题16.参考答案与评分点：（1）f(P)=g+h=4+5=9，f(Q)=6+2=8，f(R)=5+4=9；A*应优先扩展f值最小的Q点。（2分）（2）上下左右移动且每步代价为1时，曼哈顿距离等于横纵坐标差绝对值之和，不会高估到目标的最短路径代价；遇到障碍时真实路径只会更长，因此该启发函数合理且可采纳。（2分）（3）若允许斜向移动且代价为1，曼哈顿距离可能高估真实代价，例如横向差1、纵向差1时曼哈顿距离为2，而一次斜移代价为1；此时需改用不高估的启发函数，如切比雪夫距离，或重新证明h(n)满足可采纳性。（2分）17.参考答案与评分点：（1）准确率Accuracy=(TP+TN)/(TP+FP+FN+TN)=(45+35)/100=0.80；精确率Precision=TP/(TP+FP)=45/(45+5)=0.90；召回率Recall=TP/(TP+FN)=45/(45+15)=0.75。（3分）（2）若更担心垃圾邮件漏进邮箱，应优先提升召回率，因为召回率衡量真实垃圾邮件中被系统成功识别出来的比例，召回率低意味着漏检多。（2分）（3）只看准确率可能掩盖正负类错误代价差异或类别不均衡问题；本题准确率虽为0.80，但仍有15封垃圾邮件漏检，影响使用安全。（1分）18.参考答案与评分点：（1）逻辑回归结构简单，可通过系数解释特征影响，适合中等规模和线性倾向较明显的数据；决策树规则直观，便于解释，但过深时易过拟合；深层神经网络表达能力强，但通常需要更多数据和算力，可解释性较弱。（3分）（2）首版可优先选择逻辑回归或浅层决策树。若强调稳定和解释，可选逻辑回归；若需要规则化说明，可选限制深度的决策树。推荐时必须结合“可解释、数据量中等、稳定上线”的材料条件。（2分）（3）后续若加入海量点击序列数据，可考虑序列模型、深度学习模型或混合推荐模型，同时保留可解释模块和在线监控机制。（1分）

2026版人工智能导论：模型与算法吴飞及期末试题期末质量检测QS01仿真卷Org021（含答案解析与学生作答区）参考