2026年上海自主招生考试试题及答案

2026年上海自主招生考试试题及答案考试时长：120分钟满分：100分一、单选题（总共10题，每题2分，总分20分）1.下列关于人工智能伦理原则的说法，错误的是（）A.公平性要求算法决策对所有群体一视同仁B.可解释性强调模型必须完全透明化C.隐私保护要求数据采集需匿名化处理D.可控性指人类应始终掌握最终决策权2.在机器学习模型评估中，过拟合现象最可能由以下哪个因素导致（）A.样本数据量不足B.特征维度过高C.模型复杂度与数据复杂度匹配D.训练迭代次数过少3.以下哪种加密算法属于对称加密（）A.RSAB.AESC.ECCD.SHA-2564.根据图灵测试的定义，通过以下哪个标准可判断一个系统是否具有智能（）A.计算速度B.知识储备量C.与人类对话的自然度D.能耗效率5.在自然语言处理中，BERT模型主要解决的问题是（）A.图像识别B.语音转换C.文本语义理解D.数据挖掘6.以下哪种技术不属于强化学习范畴（）A.Q-learningB.神经进化C.朴素贝叶斯D.DeepQ-Network7.根据香农信息论，信息熵的物理意义是（）A.数据压缩率B.通信信道容量C.随机事件的不确定性D.信号传输速率8.在区块链技术中，以下哪项机制可确保数据不可篡改（）A.共识算法B.加密哈希C.智能合约D.节点验证9.根据冯•诺依曼架构，以下哪个部件负责指令执行（）A.内存B.运算器C.输入设备D.控制器10.在计算机视觉中，以下哪种算法常用于目标检测任务（）A.K-means聚类B.PCA降维C.YOLOv5D.LDA判别二、填空题（总共10题，每题2分，总分20分）1.人工智能伦理的“可解释性”原则要求模型决策过程必须______。2.支持向量机（SVM）通过寻找最优超平面实现______分类。3.深度学习模型中，Dropout技术主要用于解决______问题。4.根据公钥密码理论，RSA算法的安全性基于______的难度。5.图灵测试由英国科学家______于1950年提出。6.BERT模型采用Transformer结构，其核心机制是______。7.强化学习中的“马尔可夫决策过程”（MDP）包含______个要素。8.信息熵的单位是______，与信息量成正比。9.区块链中，比特币采用______共识算法。10.冯•诺依曼计算机的五大部件包括：运算器、控制器、存储器、______和输出设备。三、判断题（总共10题，每题2分，总分20分）1.机器学习中的交叉验证可完全避免过拟合问题。（）2.对称加密算法的密钥分发过程比非对称加密更安全。（）3.图灵测试已成功证明机器具有自我意识。（）4.BERT模型通过预训练和微调实现多任务迁移学习。（）5.强化学习中的Q-table本质上是一种决策树。（）6.信息熵越大，随机变量的不确定性越高。（）7.区块链中的“挖矿”实质是计算椭圆曲线离散对数问题。（）8.冯•诺依曼架构的瓶颈在于内存与CPU的访问速度差异。（）9.计算机视觉中的目标检测与语义分割是同一概念。（）10.YOLOv5算法通过单阶段检测实现实时性能优化。（）四、简答题（总共4题，每题4分，总分16分）1.简述人工智能伦理的四大核心原则及其意义。2.比较监督学习与强化学习的区别与联系。3.解释区块链技术中“共识机制”的作用及常见类型。4.描述计算机视觉中“特征提取”的基本流程。五、应用题（总共4题，每题6分，总分24分）1.假设某电商平台需开发推荐系统，现有用户历史行为数据集（10,000条），请简述使用协同过滤算法设计推荐系统的步骤，并说明其优缺点。2.设计一个简单的RSA加密方案：（1）选择两个质数p=61，q=53，计算n=pq和φ(n)；（2）选择公钥指数e=17，计算私钥指数d；（3）加密消息M=42，求密文C。3.某自动驾驶系统需处理实时图像数据，假设输入图像分辨率为640×480，RGB三通道，请计算：（1）单帧图像的数据量（单位：MB）；（2）若GPU处理速度为10GPixel/s，完成一次特征提取需要多少时间。4.比较以下三种数据存储方案的安全性：（1）明文存储；（2）对称加密存储（AES-256）；（3）非对称加密存储（RSA-2048），并说明适用场景。【标准答案及解析】一、单选题1.B（可解释性强调模型决策过程可被人类理解，而非完全透明化）2.A（样本不足时模型易过度拟合训练数据）3.B（AES为对称加密，其余为非对称或哈希算法）4.C（图灵测试核心标准是能否通过对话区分人与机器）5.C（BERT通过Transformer结构实现深层文本语义理解）6.C（朴素贝叶斯属于概率分类算法，其余为强化学习技术）7.C（信息熵衡量随机事件的不确定性大小）8.B（哈希函数确保数据通过加密后不可篡改）9.D（控制器负责指令执行与协调）10.C（YOLOv5是实时目标检测算法）二、填空题1.可理解；2.线性；3.过拟合；4.大整数分解；5.阿伦•图灵；6.自注意力机制；7.状态、动作、奖励、转移概率；8.比特；9.工作量证明（PoW）；10.输入设备。三、判断题1.×（交叉验证可降低过拟合风险，但不能完全消除）2.×（非对称加密密钥分发更安全，但对称加密效率更高）3.×（图灵测试仅评估智能表现，未证明机器意识）4.√（BERT通过预训练和微调实现多任务学习）5.×（Q-table是表格型策略表示，与决策树无关）6.√（信息熵与不确定性正相关）7.√（比特币挖矿依赖SHA-256哈希计算）8.√（冯•诺依曼瓶颈在于内存访问延迟）9.×（目标检测定位物体，语义分割分类像素类别）10.√（YOLOv5采用单阶段检测优化速度）四、简答题1.人工智能伦理四大原则：（1）公平性：算法决策无歧视；（2）可解释性：决策过程可理解；（3）隐私保护：数据采集需授权；（4）可控性：人类保留最终干预权。意义：防止技术滥用，建立社会信任。2.区别：（1）监督学习依赖标注数据学习映射关系；（2）强化学习通过试错与环境交互学习最优策略。联系：强化学习可看作广义的监督学习（奖励信号为隐式标注）。3.共识机制作用：确保分布式节点达成数据一致性。常见类型：工作量证明（PoW）、权益证明（PoS）、拜占庭容错（BFT）。4.特征提取流程：（1）图像预处理（灰度化/归一化）；（2）滤波降噪（高斯/中值滤波）；（3）边缘检测（Sobel/Canny）；（4）特征点提取（HOG/SIFT）。五、应用题1.协同过滤推荐系统设计：步骤：（1）计算用户/物品相似度（余弦/皮尔逊）；（2）生成候选推荐列表（基于邻居评分）；（3）排序并返回Top-N结果。优缺点：优点：无需特征工程，泛化能力强；缺点：数据稀疏问题，冷启动困难。2.RSA方案：（1）n=61×53=3233，φ(n)=(61-1)×(53-1)=3120；（2）d≡17^-1mod3120=2753（扩展欧几里得算法）；（3）C≡42^17mod3233=2208。3.图像数据计算：