2026届信息技术期末考试QS01黑白可打印精练卷：真题精练与答案解析·人工智能导论模型与算法习题答案吴专题（含参考答案、逐题解析与学生作答区）第006套

QS01黑白可打印精练卷信息技术期末考试第006套本卷共100分，考试时间60分钟；请用黑色字迹作答，教师批改以参考答案与评分要点为准。2026届信息技术期末考试QS01黑白可打印精练卷：真题精练与答案解析·人工智能导论模型与算法习题答案吴专题（含参考答案、逐题解析与学生作答区）第006套适用对象2026届综合教育通用信息技术期末复习考试时间60分钟试卷总分100分题号范围Q01-Q18专题范围人工智能导论中的模型、搜索、学习、评价与应用设计打印属性A4黑白单面或双面打印姓名____________________班级____________________答题提示1.本卷面向2026届信息技术期末考试复习，重在检验人工智能基础概念、模型思维、算法过程、数据评价与应用设计能力。2.单项选择题每题只有一个正确选项；多项选择题全部选对得满分，少选且无错选得一半分，错选、多选或不选得0分。3.非客观题请在题后作答区书写关键步骤、判断依据和必要说明；计算结果应保留合理小数位，过程分按评分要点给分。4.全卷按黑白打印设计，表格线和作答线均可直接书写；不得在答题区外随意标注影响阅卷的信息。一、单项选择题（共8题，每题3分，共24分，题号Q01-Q08）命题意图：考查学生对人工智能基本概念、智能体、搜索算法、启发式函数、机器学习训练与伦理规范的识别能力。每题只有一个最佳答案。Q01.（3分）在信息技术课程中讨论“人工智能模型”时，下列理解最恰当的是哪一项？A.模型只是一段固定程序，不能包含数据统计规律B.模型等同于硬件设备，主要由传感器数量决定性能C.模型是对任务、数据和规律的抽象表示，可用于推理、预测或决策D.模型只适用于机器人，不适用于文本、图像和表格数据作答：（）Q02.（3分）某扫地机器人会记录房间地图，并根据障碍物位置更新清扫路线。它更接近下列哪类智能体？A.简单反射智能体B.基于模型的智能体C.只会随机动作的智能体D.没有目标函数的被动设备作答：（）Q03.（3分）在无权图中寻找从起点到目标的最短边数路径，且图规模不大时，通常优先选择的搜索方法是（）。A.深度优先搜索，因为一定最先找到最短路径B.广度优先搜索，因为按层扩展可保证最少边数C.随机搜索，因为无需保存访问记录D.贪心搜索，因为只看当前节点名称即可作答：（）Q04.（3分）关于A*搜索中的启发式函数h(n)，下列说法正确的是（）。A.若h(n)从不高估到目标的真实代价，通常有利于保证最优性B.h(n)越大越好，即使超过真实代价也一定得到最优解C.h(n)只与起点有关，与当前节点无关D.h(n)必须由神经网络训练得到，人工规则无效作答：（）Q05.（3分）训练监督学习模型时，损失函数的主要作用是（）。A.规定电脑屏幕的显示分辨率B.存放训练样本的文件名C.随机决定模型是否参加测试D.衡量预测值与真实标记之间的差距，并为参数调整提供方向作答：（）Q06.（3分）决策树分类时常使用“信息增益”或类似指标选择划分属性，其核心目的是（）。A.让树的每个节点名称按字母排序B.避免任何分支出现叶节点C.选择能更好降低样本混杂程度、提升类别区分度的属性D.让训练集数量变为测试集数量的两倍作答：（）Q07.（3分）某图像分类模型在训练集准确率很高，但在新拍摄图片上准确率明显下降。最可能的问题是（）。A.欠拟合，模型完全没有学习到任何规律B.过拟合，模型过度记住训练样本细节而泛化不足C.数据标注必然完全正确，模型无需调整D.测试集越小越能证明模型稳定作答：（）Q08.（3分）学校使用AI系统辅助分析学生学习数据时，最应优先遵守的原则是（）。A.明确用途、最小必要采集、保护隐私并保留人工复核B.为提高准确率可以公开所有学生个人信息C.只要是算法结果，就不需要教师判断D.只关注运行速度，不需要解释数据来源作答：（）

二、多项选择题（共4题，每题4分，共16分，题号Q09-Q12）命题意图：考查学生对模型评价、数据流程、搜索问题建模和神经网络训练要素的综合辨析能力。每题至少有两个正确选项；少选且无错选得2分，错选、多选或不选得0分。Q09.（4分）评价一个二分类模型时，下列指标或信息可能有助于判断模型表现的有（）。A.准确率B.精确率与召回率C.电脑机箱颜色D.混淆矩阵作答：多选（）Q10.（4分）一个规范的机器学习实践流程通常包含下列哪些环节？（）A.明确任务目标与评价指标B.在测试集上反复调参并把测试结果当训练依据C.数据清洗、特征处理和训练验证划分D.训练模型、评估模型并记录局限性作答：多选（）Q11.（4分）把“从校园入口到图书馆寻找最优路线”抽象成搜索问题时，下列说法合理的有（）。A.路口或位置可作为状态B.每条路的代价必须完全相同，不能使用距离或时间C.从一个路口走到相邻路口可视为动作D.目标测试可用于判断是否到达图书馆作答：多选（）Q12.（4分）关于神经网络与梯度下降训练，下列说法正确的有（）。A.神经网络不需要输入数据，权重会自动产生知识B.权重更新通常依据损失函数对参数的变化方向C.学习率过大可能导致训练不稳定或难以收敛D.激活函数可增强模型表达非线性关系的能力作答：多选（）

三、填空、简答与计算题（共3题，共18分，题号Q13-Q15）命题意图：考查学生能否把概念转化为准确表达，并能依据给定数据完成简单概率计算与模型判断。请写出必要过程。Q13.（6分）填空：在监督学习中，带有正确类别或数值结果的数据称为________样本；用于最终估计模型泛化能力、原则上不参与训练和调参的数据集称为________集。二分类任务的混淆矩阵通常包含TP、FP、FN、TN，其中FN表示真实为正类但被预测为________类的样本；若希望减少漏检，通常要重点关注________率。空1空2空3空4

Q14.（6分）简答：为什么训练集、验证集和测试集需要分开使用？请结合“数据泄漏”说明这样做对期末项目评估的意义。____________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

Q15.（6分）计算：某邮件分类器使用朴素贝叶斯思想。已知P(垃圾)=0.4，P(正常)=0.6。对于一封同时含有词w1和w2的邮件，P(w1|垃圾)=0.8，P(w2|垃圾)=0.5，P(w1|正常)=0.2，P(w2|正常)=0.1。假设两个词在类别给定时条件独立，请计算两个类别的未归一化概率，判断邮件类别，并给出归一化后的P(垃圾|w1,w2)近似值。__________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

四、综合应用与算法案例题（共3题，共42分，题号Q16-Q18）命题意图：考查学生对搜索算法过程、模型评价指标、AI系统设计与责任边界的综合应用能力。请在作答区写出步骤、结论和理由。Q16.（12分）算法过程题：某路线搜索问题的起点为S，目标为G，边代价如下表。启发式估计h(n)也如下表。使用A*搜索，评价函数f(n)=g(n)+h(n)，若f相同，优先扩展g较小的节点；若仍相同，按字母顺序扩展。请写出主要扩展过程、最终路径和总代价，并说明h(n)在本题中的作用。边代价：S-A=2，S-B=5，A-C=2，A-D=4，B-D=1，C-D=1，C-G=5，D-G=3启发式：h(S)=6，h(A)=5，h(B)=4，h(C)=4，h(D)=2，h(G)=0步骤已扩展节点新加入或更新节点及f值当前最优说明结论：______________________________________________________________结论：______________________________________________________________结论：______________________________________________________________结论：______________________________________________________________结论：______________________________________________________________结论：______________________________________________________________结论：______________________________________________________________结论：______________________________________________________________

Q17.（14分）模型评价题：某AI模型用于识别“需要重点辅导”的学习记录。测试集中共有100条记录，其中真实需要重点辅导40条、真实不需要60条。模型预测为需要重点辅导50条，其中真正需要重点辅导32条。请完成混淆矩阵，计算准确率、精确率、召回率和F1值，并说明如果学校更担心“漏掉需要帮助的学生”，应如何看待该模型。项目预测为需要辅导预测为不需要辅导合计________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

Q18.（16分）综合设计题：学校计划建设一个“AI图书荐读与学习支持系统”，根据学生自愿填写的阅读兴趣、借阅记录和课程主题推荐书单，并为教师提供班级阅读趋势概览。请从任务目标、数据与特征、模型或规则方案、评价指标、隐私与公平、人工复核和风险改进六个方面提出设计方案。要求观点清楚，至少写出两个可量化评价指标和两条风险控制措施。提纲区：方面要点记录正文作答区：____________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

参考答案与逐题解析说明：本部分用于教师批改与学生订正。客观题给出依据，主观题给出评分点；表达合理、步骤清楚且结论等价的答案可酌情给分。答案速查题号答案要点分值题号答案要点分值Q01C3Q02B3Q03B3Q04A3Q05D3Q06C3Q07B3Q08A3Q09ABD4Q10ACD4Q11ACD4Q12BCD4Q13标注；测试；负；召回6Q14见评分点6Q15垃圾；约0.9306Q16S-A-C-D-G；812Q1774%、64%、80%、约71.1%14Q18见评分点16

逐题解析与评分要点Q01解析：答案C。模型不是简单的硬件名称，也不是只能执行固定指令的程序片段，而是对现实任务、数据分布、规则关系或决策过程的抽象表示。人工智能系统可借助模型完成分类、预测、生成、规划等任务。A把模型排除在统计规律之外，B把模型误认为硬件，D把应用范围限制在机器人，均不准确。易错提醒：期末卷中遇到“模型”二字，应优先联系“抽象表示、可计算、可推理或可预测”，不要只从设备外形判断。Q02解析：答案B。题干中的机器人会记录房间地图，并能根据障碍物位置更新清扫路线，说明它不仅对当前传感器刺激做即时反应，还维护了对环境状态的内部表示。这符合基于模型的智能体特征。A只根据条件直接动作，无法体现地图更新；C与“记录并更新路线”矛盾；D忽略了清扫目标。命题意图在于区分“反射动作”和“利用环境模型决策”。Q03解析：答案B。无权图中每条边可看作单位代价，广度优先搜索从起点按层扩展，第一次到达目标时路径边数最少。深度优先可能先沿一条很深的分支走到目标，不能保证最短；随机搜索缺少稳定保证；贪心搜索若只看局部信息，可能忽略整体路径长度。易错点是把“先找到”误认为“最短”。Q04解析：答案A。A*搜索通常使用f(n)=g(n)+h(n)，其中g(n)为已付代价，h(n)为到目标的估计代价。当h(n)可采纳，即不高估真实剩余代价时，有助于保证最优性。B忽略了过高估计可能导致错过最优路径；C错误地把启发式看成只依赖起点；D把启发式限定为神经网络训练结果，过于狭窄。Q05解析：答案D。监督学习中，模型预测与真实标记之间的差距需要被量化，损失函数就承担这一任务，并为梯度下降或其他参数更新方法提供优化目标。A、B、C都与训练优化无关。评分时应关注学生是否能把“损失函数”与“误差衡量、优化方向、参数调整”联系起来。Q06解析：答案C。决策树希望每次划分后子节点中的样本类别更纯，信息增益等指标用于度量划分前后不确定性降低的程度。选择区分度更强的属性，可以使树更快形成有效判断。A是无关排序，B与决策树生成过程相反，D与信息增益无必然关系。Q07解析：答案B。训练集准确率高而新数据准确率低，是过拟合的典型表现，说明模型可能记住了训练样本中的噪声、背景或偶然细节，泛化能力不足。常见改进包括增加数据多样性、正则化、简化模型、交叉验证和数据增强。A通常表现为训练集和测试集都差；C、D都不符合科学评估原则。Q08解析：答案A。教育场景中的AI应用涉及未成年人或学生个人数据，必须遵守目的明确、最小必要、隐私保护、授权与人工复核等原则。算法可辅助分析，但不能替代教育判断。B违反隐私保护，C忽视人工责任，D忽视数据治理与可解释性。易错提醒：信息技术期末题常把技术可行性与伦理合规放在同一情境中考查。Q09解析：答案ABD。准确率可反映总体预测正确比例；精确率和召回率分别关注预测为正的可靠程度与真实正类被找回的程度；混淆矩阵能展示TP、FP、FN、TN的分布，是计算多项指标的基础。C与模型性能无关。少选A、B或D且无错选得2分，选C不得分。Q10解析：答案ACD。规范流程应先明确任务与评价指标，再进行数据清洗、特征处理、训练验证划分，随后训练、评估并记录模型局限。B是错误做法，因为测试集应尽量只用于最终评估，反复用测试集调参会造成数据泄漏，使评估结果偏乐观。命题意图是检查学生是否理解“流程规范”而非只会说训练模型。Q11解析：答案ACD。搜索问题通常包含状态、初始状态、动作、转移、路径代价和目标测试。校园路口或位置可作为状态，从一个路口移动到相邻路口可作为动作，到达图书馆即满足目标测试。B错误，路的代价可以不同，例如距离、时间、安全性或拥挤程度均可作为代价。Q12解析：答案BCD。神经网络训练需要输入数据和目标反馈，权重并非无中生有地产生知识。梯度下降根据损失函数变化方向调整参数；学习率过大会使更新步长过大，出现震荡或不收敛；激活函数可引入非线性，使模型表达能力增强。A错误。评分时若学生只凭“神经网络很强”选择A，应判为概念混淆。Q01订正指导：判分提醒：能把模型理解为“可服务于任务的抽象表示”即可抓住题眼。订正时可把模型分成规则模型、概率模型、机器学习模型三类举例，避免把模型误写成单一软件。Q02订正指导：判分提醒：题干中“记录地图、更新路线”是关键证据。订正时可画出“感知环境—更新内部状态—选择动作”的三步链条，帮助区分简单反射与基于模型的智能体。Q03订正指导：判分提醒：无权图与最少边数路径是广度优先搜索的典型适用条件。订正时要说明“按层扩展”而不是只写算法名称。Q04订正指导：判分提醒：A*的最优性讨论常与“可采纳启发式”相连。订正时应同时写出g(n)、h(n)、f(n)三者含义，避免只记公式。Q05订正指导：判分提醒：损失函数不是评价报告中的一个普通分数，而是训练过程中优化的目标。订正时可用“损失越小，预测越接近标记”概括。Q06订正指导：判分提醒：信息增益衡量划分后不确定性下降程度。订正时可把“样本混杂”理解为一个节点里多类样本掺在一起，好的划分会让子节点更纯。Q07订正指导：判分提醒：训练好、测试差通常优先考虑过拟合。订正时应写出至少一种治理方法，如正则化、数据增强、早停或简化模型。Q08订正指导：判分提醒：教育AI题不能只答技术效率，还要答隐私、授权、公平和人工复核。订正时可用“能不能采、采多少、谁能看、如何纠错”四问检查。Q09订正指导：判分提醒：混淆矩阵不是单一指标，但它能支撑多项指标计算。订正时应把TP、FP、FN、TN与准确率、精确率、召回率建立对应关系。Q10订正指导：判分提醒：测试集不能被反复用于调参，这是期末项目评估中的高频扣分点。订正时可写出“训练—验证—测试”的单向流程。Q11订正指导：判分提醒：搜索建模题要找出状态、动作、目标和代价。订正时可用校园路径、迷宫、棋盘三类例子迁移理解。Q12订正指导：判分提醒：神经网络训练并不神秘，仍然依赖数据、损失函数和参数更新。订正时要把学习率、梯度、激活函数分别对应到训练稳定性与表达能力。

Q13参考答案：标注；测试；负；召回。评分细则：每空1.5分，共6分。第一空也可写“有标签”“带标签”；第二空写“最终测试集”可给分；第三空若表达为“被模型判为不属于正类”可给分；第四空写“查全率”可视为等价答案。解析：监督学习依赖样本与正确标记之间的对应关系。测试集用于估计泛化能力，不能在训练或调参中被反复使用。FN是假阴性，即真实为正却预测为负。减少漏检要提升召回率，因为召回率=TP/(TP+FN)，分母正是所有真实正类。易错点是把精确率与召回率混淆：精确率关注“报出来的有多准”，召回率关注“该找的找回多少”。Q14参考答案与评分点：本题6分。①说明训练集用于学习参数或规律，得1.5分；②说明验证集用于选择模型、调整超参数或比较方案，得1.5分；③说明测试集用于最终估计泛化能力，原则上不参与训练与调参，得1.5分；④能解释数据泄漏会让模型提前接触测试信息，导致成绩虚高、项目评估失真，得1.5分。示例表达：训练集、验证集、测试集分开，是为了模拟模型面对新数据的情况。如果把测试集信息用于调参，模型可能“记住”测试特点，期末项目看似准确，实际部署到新班级、新题目或新记录时效果会下降。错因提醒：只写“为了更准确”而不说明三者功能，得分不高；把验证集说成最终成绩依据，也应扣分。Q15参考答案与步骤：垃圾类未归一化概率为P(垃圾)×P(w1|垃圾)×P(w2|垃圾)=0.4×0.8×0.5=0.16；正常类未归一化概率为P(正常)×P(w1|正常)×P(w2|正常)=0.6×0.2×0.1=0.012。因为0.16>0.012，所以判断为垃圾邮件。归一化后P(垃圾|w1,w2)=0.16/(0.16+0.012)=0.16/0.172≈0.930。评分细则：列出两个未归一化式子各2分，类别判断1分，归一化概率1分。易错点：不要把0.4和0.6漏掉，也不要把两个类别的概率直接相加为最终类别。

Q16参考答案与评分点：初始S，g(S)=0，f(S)=6。扩展S后，A的g=2、f=7，B的g=5、f=9；扩展A后，C的g=4、f=8，D的g=6、f=8；按规则先扩展C，因为C与D