2025年人工智能基础及应用考试试题及答案

2025年人工智能基础及应用考试试题及答案一、单项选择题（共20题，每题2分，合计40分）1.1956年达特茅斯会议首次正式提出“人工智能”概念，会议明确的人工智能核心研究目标是（）A.完全替代人类脑力劳动B.实现能够模拟人类智能行为的计算机系统C.突破图灵测试的判定阈值D.实现通用强人工智能的技术落地2.线性回归是人工智能监督学习的基础算法，其采用的核心损失函数是（）A.交叉熵损失函数B.均方误差损失函数C.对比损失函数D.Dice损失函数3.以下激活函数中，能够有效解决深层神经网络反向传播过程中梯度消失问题，且在当前大模型架构中被广泛使用的是（）A.Sigmoid函数B.Tanh函数C.ReLU及其衍生变体函数D.Softmax函数4.卷积神经网络中池化层（PoolingLayer）的核心作用不包括以下哪项（）A.降低特征图维度，减少后续层的计算量B.增强特征的空间平移不变性C.扩大卷积操作的感受野范围D.彻底消除特征传递过程中的梯度消失问题5.Transformer架构的核心核心组件自注意力机制中，对Q、K点积结果做除以√d_k缩放操作的核心目的是（）A.降低计算复杂度B.避免点积数值过大导致Softmax函数进入饱和区引发梯度消失C.实现多模态特征对齐D.降低特征维度6.当前大语言模型主流的人类反馈对齐技术所采用的核心算法是（）A.PPO近端策略优化算法B.SVM支持向量机算法C.K-Means聚类算法D.决策树算法7.2025年生成式视频模型Sora的核心技术底座是（）A.循环神经网络RNNB.扩散Transformer（DiffusionTransformer）架构C.传统卷积神经网络D.规则引擎系统8.以下关于检索增强生成（RAG）技术的描述，错误的是（）A.可以实时接入外部私有数据，解决大模型训练数据时效性不足的问题B.能够有效降低大模型输出幻觉的概率C.完全不需要依赖大模型本身的推理能力即可生成合规回答D.可以大幅减少大模型全量训练的算力投入9.2025年我国《生成式人工智能服务管理暂行办法》明确要求生成式AI服务提供者需要对生成内容添加可追溯的水印标识，该要求属于AI伦理治理中的哪类范畴（）A.算法公平性治理B.内容溯源与版权治理C.数据隐私保护治理D.算力碳排放治理10.边缘AI部署相比云端AI部署的核心优势不包括以下哪项（）A.更低的端侧推理延迟B.减少本地敏感数据向云端传输的泄露风险C.大幅降低端侧设备的算力成本D.有效降低业务运行过程中的网络带宽依赖11.中文OCR光学字符识别系统当前主流的核心特征提取架构采用的是（）A.基于Transformer的端到端识别架构B.传统模板匹配架构C.基于规则的字符匹配架构D.哈希比对架构12.联邦学习作为隐私计算与AI结合的核心技术，其核心设计目标是（）A.汇总所有参与方的原始数据后集中训练模型B.实现“数据可用不可见”，在不交换原始数据的前提下联合训练全局共享模型C.提升单节点的模型训练速度D.降低模型训练对算力的需求13.MLOps（机器学习运维）体系的核心定位是（）A.实现AI模型从数据标注、训练测试到部署迭代的全生命周期工程化落地B.专门负责大模型的分布式训练加速C.仅用于AI系统的算力资源调度D.替代人工完成所有AI算法开发工作14.大语言模型“幻觉问题”的核心定义是（）A.大模型输出速度过慢无法满足实时需求B.大模型生成输出内容看似逻辑通顺但完全不符合客观事实、甚至编造不存在的信息C.大模型训练过程中出现梯度消失问题D.大模型对输入的prompt出现完全无法响应的情况15.数据预处理阶段对输入特征做归一化操作的核心作用是（）A.消除不同特征的量纲差异，加速模型收敛速度B.彻底解决训练数据中的缺失值问题C.提升模型的推理运行速度D.减少模型的存储占用体积16.支持向量机算法中核函数的核心作用是（）A.将低维空间线性不可分的样本映射到高维特征空间，实现线性可分B.降低样本的特征维度C.减少模型的训练数据量需求D.避免模型出现过拟合问题17.AI智能体（AIAgent）的核心运行闭环流程是（）A.感知环境-规划决策-执行动作-反馈迭代B.直接调用所有工具完成任务C.完全依靠人工输入指令执行任务D.不需要环境感知直接输出结果18.GPU芯片中CUDA核心的核心功能是（）A.负责并行执行AI训练与推理过程中的大规模矩阵运算B.存储训练所需的全量数据集C.负责系统的I/O输入输出控制D.提升系统的网络传输速度19.以下多模态大模型的能力边界中，2025年尚未实现规模化商用的是（）A.同时支持文本、图像、音频、视频的输入与输出B.跨模态生成符合行业合规要求的长视频内容C.完全替代人类完成所有高端科研领域的原创性研究D.实时解析工业生产现场的多模态传感器数据实现异常预警20.以下AI应用场景中属于强监督学习落地范畴的是（）A.电商平台的用户消费行为聚类分群B.人脸识别系统的人脸身份1:N匹配C.游戏AI的自主通关策略训练D.新闻内容的无标签主题分类【单项选择题答案与考点解析】1.答案：B解析：达特茅斯会议提出的人工智能初始目标是构建能够模拟人类智能行为的计算机系统，A、C、D均为AI发展不同阶段的延伸目标，并非会议最初明确的核心定位。2.答案：B解析：线性回归预测的是连续值，均方误差损失可以精准衡量预测值与真实值的偏差，其余三类损失分别对应分类任务、对比学习任务、图像分割任务。3.答案：C解析：ReLU函数通过单侧线性的特性，有效规避了Sigmoid、Tanh函数在输入绝对值过大时梯度趋近于0的问题，当前Llama3、GPT-4o等主流大模型均采用ReLU衍生的SwiGLU激活函数。4.答案：D解析：池化层仅能实现特征降维和感受野扩展，无法彻底解决梯度消失问题，梯度消失的优化主要依赖激活函数设计、残差连接等技术实现。5.答案：B解析：当Q、K向量维度较高时，点积结果的方差会远大于1，缩放操作可以将点积的方差稳定在1附近，避免Softmax输出集中在极值区域导致梯度几乎为0的问题。6.答案：A解析：PPO近端策略优化是当前大模型人类反馈对齐阶段最成熟的强化学习算法，其余三类算法均不属于强化学习领域的策略优化算法。7.答案：B解析：Sora首次采用扩散Transformer架构替代传统的卷积扩散模型，实现了长时序、高清晰度视频的生成能力突破。8.答案：C解析：RAG技术依赖大模型的推理能力完成检索内容与用户提问的语义匹配和组织，无法脱离大模型独立生成回答。9.答案：B解析：生成内容水印的核心作用是实现AI生成内容的全链路溯源，保障内容版权可追溯，属于内容治理范畴。10.答案：C解析：边缘AI部署需要在端侧搭载专用AI加速芯片，相比纯云端部署会提升端侧的硬件算力成本，其余三项均为边缘部署的核心优势。11.答案：A解析：当前主流OCR系统均采用CRNN、TransformerOCR等端到端架构，识别准确率相比传统模板匹配方案提升了30%以上，复杂场景下识别准确率可达到99%以上。12.答案：B解析：联邦学习的核心特性是“原始数据不出域，数据价值共共享”，不需要汇总各参与方的原始数据即可训练全局模型，符合医疗、金融等强数据隐私监管场景的合规要求。13.答案：A解析：MLOps体系覆盖AI模型从数据治理到上线迭代的全流程工程化能力，解决传统AI开发过程中模型“训练容易落地难”的问题。14.答案：B解析：幻觉是生成式大模型的特有问题，核心成因包括训练数据缺失、概率采样的随机性、上下文窗口的注意力权重分配偏差等。15.答案：A解析：归一化将所有特征的数值范围映射到统一区间，避免量纲差异导致模型过度依赖数值范围大的特征，有效提升训练收敛速度。16.答案：A解析：核函数通过隐式的高维映射操作，不需要显式计算高维空间的特征向量即可完成内积运算，大幅降低了SVM处理非线性分类任务的计算复杂度。17.答案：A解析：AIAgent通过感知环境获取实时信息，基于大模型完成任务规划，调用对应工具执行动作，再根据执行反馈调整后续策略，形成完整的运行闭环。18.答案：A解析：GPU的CUDA核心采用单指令多线程架构，能够并行执行AI运算所需的海量矩阵乘法、加法操作，是AI算力的核心载体。19.答案：C解析：2025年多模态大模型已经在科研领域起到辅助作用，但尚不具备独立完成全链条原创性高端科研工作的能力，该目标仍处于前沿研究阶段。20.答案：B解析：人脸识别的身份匹配任务属于典型的有标签监督学习场景，其余三项均属于无监督学习、强化学习的应用范畴。二、多项选择题（共10题，每题3分，合计30分，多选、少选、错选均不得分）1.人工智能技术体系当前公认的三大核心技术分支包括（）A.符号主义AIB.连接主义AIC.行为主义AID.通用强人工智能AI2.深度学习训练过程中用于解决模型过拟合问题的主流优化手段包括（）A.增加训练数据量与数据增强B.添加Dropout随机失活层C.添加L1、L2正则化约束D.提升模型的参数规模至千亿级别3.当前大模型轻量高效微调的主流技术方案包括（）A.LoRA低秩适配微调B.P-tuningv2提示微调C.前缀微调（PrefixTuning）D.全参数微调4.生成式扩散模型的核心运行流程阶段包括（）A.前向加噪阶段：向原始图像逐步添加高斯白噪声直到图像完全变为随机噪声B.反向去噪阶段：训练神经网络逐步从随机噪声中还原出原始图像C.梯度回传阶段：反向传播更新所有像素点的数值D.推理采样阶段：从随机噪声开始逐步迭代生成符合要求的全新图像样本5.我国《新一代人工智能伦理规范》明确提出的AI发展核心伦理准则包括（）A.以人为本B.公平公正C.隐私保护D.可控可信6.边缘AI当前已经实现规模化落地的典型工业场景包括（）A.工业现场实时视觉外观质检B.风电设备边缘端故障实时预警C.自动驾驶车载端实时环境感知D.城市广域级全局大模型长周期训练7.Transformer架构相比传统RNN、CNN架构处理长序列文本的核心优势包括（）A.完全支持并行训练，大幅提升长序列训练效率B.单步计算即可捕捉序列任意两个token的依赖关系C.长序列处理的梯度消失问题得到根本性优化D.模型参数体积远小于同能力级别的RNN模型8.当前AIAgent智能体的典型落地应用场景包括（）A.企业级自动化业务处理助手B.科研领域自主文献调研与实验流程规划助手C.工业级自动化运维巡检机器人调度系统D.完全脱离人类管控的全自动武器系统9.大模型推理优化提升推理速度的主流技术手段包括（）A.KV缓存复用优化B.模型量化（FP16/INT8/INT4）C.动态批处理推理调度D.直接删除大模型的所有注意力层10.面向企业级私有知识库落地的RAG系统，AdvancedRAG阶段相比基础NaiveRAG阶段新增的核心优化模块包括（）A.分层检索与语义重排模块B.检索结果事实校验模块C.无差别全量检索所有文档片段模块D.对话历史上下文记忆关联模块【多项选择题答案与考点解析】1.答案：ABC解析：符号主义、连接主义、行为主义是人工智能发展至今形成的三大技术分支，通用强人工智能是未来的发展目标，不属于当前已落地的技术分支。2.答案：ABC解析：单纯提升模型参数规模反而会增加模型的过拟合风险，其余三类手段均是工业界广泛使用的过拟合优化方案。3.答案：ABC解析：全参数微调需要更新大模型所有的参数，算力消耗是轻量微调的20倍以上，不属于轻量微调范畴，产业落地中90%以上的大模型定制化场景均采用前三者轻量微调方案。4.答案：ABD解析：扩散模型的训练与推理流程不包含手动更新像素点的梯度回传操作，神经网络负责预测噪声分布而非直接更新像素值。5.答案：ABCD解析：以人为本、公平公正、隐私保护、可控可信均是我国新一代人工智能伦理规范明确提出的核心准则。6.答案：ABC解析：城市广域级全局大模型的长周期训练需要依托云端超算算力完成，不属于边缘AI的落地场景。7.答案：ABC解析：Transformer架构在同等能力下的参数规模通常大于RNN模型，D选项描述错误。8.答案：ABC解析：全自动脱离人类管控的致命性自主武器系统违反全球AI伦理准则，不属于合法的落地场景。9.答案：ABC解析：删除注意力层会直接破坏Transformer大模型的核心能力，不属于合理的推理优化手段。10.答案：ABD解析：无差别全量检索所有文档片段是基础NaiveRAG阶段的特性，不是AdvancedRAG新增的优化模块。三、简答题（共3题，每题6分，合计18分）1.请对比判别式AI与生成式AI的核心技术差异，列举三类当前的典型落地场景。参考答案：二者核心差异第一是建模目标不同：判别式AI的核心目标是对输入数据进行分类、回归等判别性输出，输出结果是确定的分类标签或者连续预测值，决策边界清晰；生成式AI的核心目标是学习训练数据的概率分布，生成符合分布规律的全新内容样本，输出结果存在一定的随机性和多样性。第二是技术架构不同：判别式AI传统架构以CNN、ResNet等为代表，架构轻量化，单任务针对性强；生成式AI以Transformer大模型、扩散模型等为代表，参数规模大，通用多任务能力强。第三是能力边界不同：判别式AI仅能输出训练覆盖范围内的已知类别结果，无法生成不在训练样本分布内的全新内容；生成式AI具备通用泛化能力，能够跨域生成文本、图像、音视频等多模态的全新创作内容。典型落地场景包括：判别式AI落地场景为人脸识别身份核验、工业缺陷分类、信贷风险等级评估；生成式AI落地场景为智能对话客服、AIGC创意内容生产、生成式视频创作。2.请阐述当前大模型落地场景中检索增强生成（RAG）技术解决的三类核心痛点，说明其完整的工作流程。参考答案：RAG技术解决的核心痛点包括第一是训练数据时效性不足的痛点：大模型的训练数据存在固定的时间截止点，无法获取训练结束后新产生的实时信息，RAG可以接入实时数据源填补这一空白；第二是私有数据无法安全合规使用的痛点：企业内部的核心业务数据涉及隐私和保密要求，无法直接用于大模型的全量训练，RAG在数据不出域的前提下即可实现私有数据的有效调用；第三是幻觉率过高的痛点：RAG通过从可信知识库检索内容作为生成答案的事实依据，将大模型的幻觉率从超过30%降至2%以下，大幅提升输出内容的事实准确性。RAG的完整工作流程分为两个阶段：第一阶段是知识库构建阶段：对企业私有文档、结构化业务数据进行清洗、切片，转换为语义向量存入向量数据库；第二阶段是推理运行阶段：用户发起提问后，系统将用户提问转换为语义向量，在向量数据库中检索出语义相似度最高的相关文档片段，将检索内容、用户提问、系统提示词拼接为完整prompt送入大模型，由大模型基于检索到的可信内容组织生成最终的合规回答返回给用户。3.请说明联邦学习的三类主流分类（横向联邦、纵向联邦、联邦迁移学习）的核心适用场景，列举其在医疗AI场景落地的核心合规价值。参考答案：横向联邦学习适用于参与方的业务特征重叠度高、用户样本重叠度低的场景，核心逻辑是对齐参与方的特征空间，从样本维度做切分联合训练，典型适用场景是多家不同区域的同类型三甲医院，各家医院拥有的患者群体完全不同，但诊疗数据的特征字段高度一致，可以采用横向联邦联合训练通用疾病筛查模型。纵向联邦学习适用于参与方的用户样本重叠度高、业务特征重叠度低的场景，核心逻辑是对齐参与方的用户ID空间，从特征维度做切分联合训练，典型适用场景是同区域的医院、医保局、药企三方，服务的患者群体高度重叠，但各方拥有的数据特征完全不同，可以采用纵向联邦联合训练医保控费预测模型。联邦迁移学习适用于参与方的用户样本和特征重叠度都很低的跨域场景，通过迁移学习技术实现跨域知识迁移，典型适用场景是用三甲医院的高质量模型辅助基层医院的小样本疾病诊断模型训练。在医疗AI场景的合规价值核心是满足《个人信息保护法》《医疗卫生机构网络安全管理办法》的要求，原始患者诊疗数据全程不出域，避免患者隐私数据泄露，同时解决单家医院数据样本量不足导致的AI诊断模型准确率不达标的问题，实现跨医疗机构的医疗数据价值安全流转。四、综合应用题（合计12分）题干：某大型连锁零售企业计划搭建面向全门店的企业级大模型智能客服系统，要求系统能够实时对接企业的百万级私有商品知识库、最新的促销活动规则、订单实时状态数据，支持7*24小时自动处理用户咨询、退换货申请、活动引导等业务，要求系统的回答准确率不低于98%，对外部敏感提问、违规提问的拦截率达到100%，请结合AI技术体系完成该系统的全流程落地方案设计，明确核心技术选型与各环节的优化思路。参考答案：该系统的全流程方案分为五个核心模块：第一是私