2026年人工智能基础知识考核试卷及答案

2026年人工智能基础知识考核试卷及答案一、单项选择题（每题2分，共30分。每题只有一个正确答案，请将正确选项字母填在括号内）1.在深度学习中，下列哪种激活函数在x=0处不可导？A.SigmoidB.ReLUC.TanhD.LeakyReLU答案：B2.下列关于卷积神经网络（CNN）的描述，正确的是：A.卷积层只能使用1×1卷积核B.池化层会增加特征图通道数C.权值共享机制显著减少参数量D.全连接层一定位于网络最前端答案：C3.在强化学习中，Q-learning算法更新Q值时使用的核心公式为：A.Q(s,a)←Q(s,a)+α[r+γmax_{a′}Q(s′,a′)−Q(s,a)]B.Q(s,a)←r+γmax_{a′}Q(s′,a′)C.Q(s,a)←αr+(1−α)Q(s,a)D.Q(s,a)←Q(s,a)+β∇Q(s,a)答案：A4.下列哪项不是生成对抗网络（GAN）训练不稳定的主要原因？A.判别器过强导致梯度消失B.生成器与判别器目标对立C.使用Wasserstein距离替代JS散度D.模式崩塌（modecollapse）答案：C5.在自然语言处理中，Transformer模型中“位置编码”的作用是：A.替代词嵌入B.提供词汇顺序信息C.降低计算复杂度D.实现多头注意力答案：B6.关于LSTM与GRU的比较，以下说法错误的是：A.LSTM包含输入门、遗忘门、输出门B.GRU将细胞状态与隐藏状态合并C.GRU参数量通常多于LSTMD.二者均可缓解梯度消失问题答案：C7.在联邦学习框架中，中央服务器聚合本地模型时最常用的算法是：A.FedAvgB.SGDC.AdamD.RMSProp答案：A8.下列哪种方法最适合处理小样本图像分类任务？A.标准ResNet50微调B.迁移学习+特征提取C.随机初始化VGG19从头训练D.线性回归答案：B9.在目标检测算法YOLOv5中，锚框（anchor）的生成策略基于：A.手工设定固定比例B.K-means聚类训练集边界框C.强化学习搜索D.遗传算法优化答案：B10.下列关于模型压缩技术“知识蒸馏”的描述，正确的是：A.学生模型必须比教师模型更深B.蒸馏损失仅使用硬标签交叉熵C.温度参数T越大，软标签分布越尖锐D.学生模型通过模仿教师模型软输出提升性能答案：D11.在AI伦理审查中，IEEE提出的“算法偏见影响评估”英文缩写为：A.ABAB.AIAC.BIAD.EIA答案：B12.下列哪项不是Python深度学习框架？A.PaddlePaddleB.MXNetC.FlinkD.JAX答案：C13.在计算机视觉任务中，数据增强方法MixUp的核心操作是：A.随机裁剪并拼接图像B.线性插值两张图像及标签C.对像素值进行高斯模糊D.随机擦除矩形区域答案：B14.关于图神经网络（GNN），下列说法正确的是：A.只能处理有向无环图B.消息传递机制聚合邻居特征C.无法学习节点嵌入D.图卷积网络（GCN）不使用邻接矩阵答案：B15.在模型部署阶段，ONNX格式的最主要作用是：A.提高模型精度B.实现跨框架模型互操作C.自动超参数优化D.加密模型权重答案：B二、多项选择题（每题3分，共15分。每题有两个或两个以上正确答案，请将所有正确选项字母填在括号内，漏选、错选均不得分）16.下列哪些技术可有效缓解深度神经网络过拟合？A.DropoutB.L2正则化C.批量归一化D.增加网络深度而不加约束答案：A、B、C17.关于自监督学习，以下说法正确的有：A.无需人工标注即可利用数据自身结构B.BERT通过掩码语言模型实现自监督C.对比学习属于自监督范式D.自监督预训练后的模型无法用于下游任务答案：A、B、C18.在人工智能安全领域，以下哪些属于对抗样本攻击方式？A.FGSMB.PGDC.模型剪枝D.CW攻击答案：A、B、D19.下列关于AlphaGoZero的描述，正确的有：A.完全摒弃人类棋谱B.使用蒙特卡洛树搜索（MCTS）C.采用策略网络与价值网络共享权重D.通过自我对弈迭代提升答案：A、B、D20.在可解释AI（XAI）方法中，以下哪些可用于图像分类模型？A.Grad-CAMB.LIMEC.SHAPD.Apriori算法答案：A、B、C三、填空题（每空2分，共20分。请将答案填写在横线上）21.在卷积神经网络中，若输入特征图为32×32×64，使用128个5×5卷积核，步幅为1，零填充为2，则输出特征图尺寸为________。答案：32×32×12822.若某深度学习模型参数量达到1.2×10^9，使用float32存储，则完全加载该模型所需内存约为________GB。答案：4.823.在Transformer的多头注意力机制中，若隐藏维度为512，头数为8，则每个头的维度为________。答案：6424.强化学习中，智能体在状态s下采取动作a后获得的即时反馈称为________。答案：奖励（reward）25.在联邦学习场景下，客户端上传的模型梯度可能泄露训练数据隐私，常用的保护机制是________差分隐私。答案：添加噪声或差分隐私26.使用ImageNet预训练模型进行迁移学习时，若新任务数据量极小，通常采取________方式冻结卷积基。答案：特征提取27.在目标检测评价指标中，AP@0.5表示IoU阈值为0.5时的________。答案：平均精度（AveragePrecision）28.若某GAN生成器使用ReLU激活，输出层应使用________激活以将像素值归一化至[−1,1]。答案：Tanh29.在Python中，使用PyTorch保存模型权重常用的函数为torch.save(model.state_dict(),'path')，加载时应先调用________方法初始化模型结构。答案：load_state_dict30.在NLP任务中，BLEU指标主要用于评估________质量。答案：机器翻译或文本生成四、判断题（每题1分，共10分。请判断下列说法是否正确，正确的填“√”，错误的填“×”）31.批量归一化（BatchNorm）在训练与测试阶段使用相同的均值和方差。答案：×32.梯度下降法的学习率设置过大可能导致损失函数无法收敛。答案：√33.在深度强化学习中，策略梯度方法直接对策略函数进行参数化。答案：√34.Word2Vec模型中，Skip-gram的目标是根据上下文词预测中心词。答案：×35.残差网络（ResNet）通过跳跃连接缓解了梯度爆炸问题。答案：√36.使用Dropout时，测试阶段需要随机丢弃神经元以保持与训练阶段一致。答案：×37.在图卷积网络中，邻接矩阵归一化可缓解节点度差异带来的尺度问题。答案：√38.知识图谱中的RDF三元组形式为<主体，谓词，客体>。答案：√39.模型蒸馏中，温度参数T越小，软标签分布越平滑。答案：×40.联邦学习允许原始数据不出本地，从而降低隐私泄露风险。答案：√五、简答题（封闭型，每题6分，共18分）41.简述卷积神经网络中“感受野”概念，并说明如何通过堆叠小尺寸卷积核获得与大尺寸卷积核相同的感受野。答案：感受野指输出特征图中一个像素对应输入图像的区域大小。两个3×3卷积堆叠后，第二层的感受野为5×5；三个3×3堆叠可达7×7。通过堆叠小卷积核，可在保持相同感受野的同时减少参数量（3×3×2=18<5×5=25），并引入更多非线性激活，增强网络表达能力。42.说明LSTM中“遗忘门”的作用及其计算公式。答案：遗忘门决定细胞状态中哪些信息被丢弃。计算公式为f_t=σ(W_f·[h_{t-1},x_t]+b_f)，其中σ为sigmoid函数，输出0~1之间的值，1表示完全保留，0表示完全遗忘。43.列举三种常见的模型压缩技术，并简要说明其原理。答案：（1）剪枝：移除不重要的权重或通道，减少冗余；（2）量化：将32位浮点权重映射为低比特（如8位整数），降低存储与计算；（3）知识蒸馏：用小模型（学生）学习大模型（教师）的软输出，提升小模型精度。六、简答题（开放型，每题8分，共16分）44.近年来，大规模语言模型（LLM）在涌现能力方面表现突出，请结合具体实例，分析其可能带来的伦理风险，并提出两条可操作的治理建议。答案：伦理风险包括：（1）生成虚假新闻或误导性医疗建议，如GPT类模型伪造权威引用；（2）训练数据泄露个人隐私，如复述特定病历；（3）强化社会偏见，如将“护士”默认关联女性。治理建议：1.建立强制水印机制，对AI生成内容嵌入不可见标识，便于追溯；2.推行分层审核制度，高风险场景（医疗、金融）需引入人工复核与责任保险。45.某市计划部署基于人脸识别的公共安防系统，请从技术与法律两个维度，论述如何平衡安全与隐私，并给出可落地的技术方案。答案：技术维度：（1）采用边缘计算+联邦学习，摄像头端提取特征，原始图像本地删除，中央仅聚合加密梯度；（2）使用差分隐私，对特征添加噪声，确保无法逆向还原人脸；（3）设定最小够用原则，系统仅保存疑似黑名单特征，其余实时丢弃。法律维度：（1）制定《公共安全人脸识别条例》，明确授权主体、使用场景与数据留存期限（如30天自动销毁）；（2）引入独立第三方审计机构，每季度对算法偏差与误识率进行公示，误识率高于万分之一即暂停使用；（3）建立公民申诉渠道，被误识人员可在24小时内人工复核并获得赔偿。七、应用题（计算类，共15分）46.某图像分类任务使用交叉熵损失，训练集共50000张图片，分10类，每类5000张。现采用mini-batchSGD，batchsize=128，初始学习率0.1，momentum=0.9，权重衰减1e-4。（1）若训练1个epoch，需要多少迭代步？（3分）（2）假设模型在第一步的前向传播后，对某一样本的预测概率向量为[0.1,0.15,0.05,0.5,0.02,0.03,0.05,0.04,0.03,0.03]，真实标签为第4类，请计算该样本的交叉熵损失（ln均以e为底，保留4位小数）。（6分）（3）若使用带momentum的SGD更新权重，已知该步梯度g=0.008，上一时刻速度v_t−1=0.002，求更新后的速度v_t及权重变化量Δw（保留6位小数）。（6分）答案：（1）迭代步数=⌈50000/128⌉=391步。（2）交叉熵损失L=−ln(0.5)=0.6931。（3）v_t=0.9×0.002−0.1×0.008=0.0018−0.0008=0.001000；Δw=−v_t=−0.001000。八、应用题（分析类，共16分）47.某电商公司欲基于用户评论构建情感分析系统，数据规模约1亿条中文评论，平均长度80字。公司现有资源：8张V100GPU（32GB），CPU内存512GB。（1）请从预训练模型选择、微调策略、数据并行与混合精度训练三方面，给出可行技术路线，并说明理由。（10分）（2）若上线后发现模型对负面评论召回率仅65%，请提出两条改进方案并解释预期效果。（6分）答案：（1）预训练模型选择：采用中文RoBERTa-wwm-ext，因其全词掩码适合中文；参数110M，单卡可承载。微调策略：使用分层学习率，顶层1e-4，底层5e-5，防止灾难性遗忘；前10%步数线性预热，余弦退火。数据并行：采用PyTorchDDP，每卡batchsize=32，总256，梯度累积2步等效512，充分利用显存；混合精度：启用AMP，减少显存30%，速度提升1.7倍，同时保持精度。（2）改进方案：1.重采样+数据增强：对负面评论过采样至1:1，并采用同义词替换、随机插入，预计召回率提升至78%；2.引入对抗训练：在嵌入层加入扰动ε=1.0，提升鲁棒性，预计F1提升3个百分点。九、综合设计题（共25分）48.设计一个面向智慧医疗的“多模态肺炎辅助诊断系统”，需融合胸部X光影像与临床文本（主诉、病史）。要求：（1）给出系统总体架构图文字描述（5分）；（2）说明影像分支与文本分支的网络结构及融合策略（8分）；（3）阐述如何在保护患者隐私前提下完成跨医院联邦训练（7分）；（4）给出评价指标与基准数据集（5分）。答案：（1）架构：边缘采集层→隐私加密层→联邦学习层→云端聚合层→诊断应用层。（2）影像分支：采用EfficientNet-B3，输出1408维特征；文本分支：采用Bio