2025年全国计算机应用水平考试NIT人工智能基础高级真题模拟考试

2025年全国计算机应用水平考试NIT人工智能基础高级真题模拟考试2025年全国计算机应用水平考试（NIT）人工智能基础高级（科目代码：A073）真题模拟卷考试时长：120分钟满分：100分合格线：60分适用范围：高等职业院校人工智能相关专业在校生、人工智能技术岗位从业者、人工智能技能等级认定参评人员。一、单项选择题（每题1分，共20题，合计20分。每题只有1个正确答案，错选、不选均不得分）1.我国《生成式人工智能服务管理暂行办法》明确要求生成式人工智能服务提供者对面向公共传播的生成内容进行显著标识，以下不属于强制标识范畴的是（）A.AI生成的用于短视频平台发布的数字人视频B.AI生成的用于新闻报道的配图C.AI辅助生成的仅供个人使用的学术研究草稿D.AI生成的用于电商平台展示的商品宣传图2.以下关于机器学习模型偏差与方差的权衡描述，正确的是（）A.模型复杂度越高，偏差越高、方差越低B.欠拟合状态下模型偏差较高、方差较低C.过拟合状态下模型偏差和方差均处于较高水平D.正则化操作会同时提升模型的偏差和方差3.当前主流大语言模型普遍采用TransformerDecoder-only架构，以下关于该架构中注意力机制的描述错误的是（）A.多头注意力可让模型同时捕捉不同语义空间、不同位置的特征信息B.自注意力的计算复杂度与输入序列长度的平方呈正相关C.因果掩码的作用是避免模型训练时看到当前位置之后的token信息D.滑动窗口注意力可提升长序列建模速度，且不会损失模型全局建模能力4.以下卷积神经网络结构中，首次引入残差连接解决深层网络梯度消失问题的是（）A.AlexNetB.VGGNetC.ResNetD.MobileNet5.以下词向量模型中，能够有效解决自然语言处理中一词多义问题的是（）A.Word2VecB.GloVeC.ELMoD.One-Hot编码6.MLOps（机器学习运维）的核心目标是（）A.提升单模型的训练精度B.实现机器学习项目从开发、测试到部署、运维的全流程标准化、自动化C.降低大语言模型的参数量D.提升模型在端侧设备的推理速度7.人工智能应用中出现的歧视性输出（如招聘模型对女性候选人打分偏低）的核心诱因是（）A.模型参数量过大B.训练数据集存在分布偏差C.推理设备算力不足D.训练迭代次数不足8.以下计算机视觉任务中，需要对图像中每个像素点进行类别标注的是（）A.图像分类B.目标检测C.语义分割D.实例分割9.大语言模型推理过程中出现的“幻觉”现象是指（）A.模型无法响应用户请求B.模型生成的内容存在事实错误、逻辑矛盾等不符合客观现实的情况C.模型推理速度过慢D.模型输出内容存在重复10.以下属于深度学习中常用的优化器的是（）A.SVMB.AdamWC.K-MeansD.DecisionTree11.以下大语言模型微调方法中，参数量最少、训练成本最低的是（）A.全参数微调B.LoRA（低秩适配）C.PrefixTuningD.PromptTuning12.机器学习中用于解决分类任务的损失函数是（）A.均方误差损失B.交叉熵损失C.平均绝对误差损失D.余弦损失13.以下不属于生成式人工智能应用的是（）A.文生图工具StableDiffusionB.AI代码生成工具CursorC.人脸识别考勤系统D.大语言模型对话助手通义千问14.以下关于数据标注的描述错误的是（）A.数据标注质量直接影响机器学习模型的最终效果B.标注人员不需要经过专业培训即可开展所有类型的数据标注工作C.图像分类标注需要标注人员为每张图像分配对应的类别标签D.标注完成的数据集需要经过质量抽检才能用于模型训练15.根据我国网络安全相关规定，生成式人工智能服务提供者的用户操作日志留存时长不得少于（）A.3个月B.6个月C.12个月D.24个月16.以下技术中，能够降低大语言模型推理显存占用、提升推理速度的是（）A.4bit量化B.增加模型参数量C.提高输入序列长度D.全精度推理17.以下关于Transformer架构中位置编码的作用描述正确的是（）A.降低模型的参数量B.为输入序列添加位置信息，弥补注意力机制无时序感知能力的缺陷C.提升模型的训练速度D.降低模型的推理误差18.机器学习中数据划分的常用比例是（）A.训练集50%、验证集30%、测试集20%B.训练集60%、验证集20%、测试集20%C.训练集70%-80%、验证集10%-15%、测试集10%-15%D.训练集90%、验证集5%、测试集5%19.以下属于计算机视觉领域数据增强方法的是（）A.同义词替换B.随机翻转、裁剪C.语序打乱D.掩码语言建模20.人工智能伦理中的“可解释性”要求是指（）A.人工智能模型的决策过程应当能够被人类理解和解释B.人工智能模型的代码应当全部开源C.人工智能模型的参数应当对外公开D.人工智能模型的推理速度应当足够快二、多项选择题（每题2分，共10题，合计20分。每题有2个及以上正确答案，多选、少选、错选、不选均不得分）1.以下属于生成式人工智能范畴的应用有（）A.文生视频工具SoraB.大语言模型对话助手ChatGPTC.自动驾驶环境感知系统D.AI音频生成工具ElevenLabs2.以下属于深度学习常用正则化手段的有（）A.DropoutB.L2正则化C.批量归一化（BatchNormalization）D.早停（EarlyStopping）3.大语言模型常用的高效微调方法包括（）A.全参数微调B.LoRA（低秩适配）C.PrefixTuningD.PromptTuning4.以下属于计算机视觉下游任务的有（）A.图像分类B.目标检测C.语义分割D.机器翻译5.根据我国《生成式人工智能服务管理暂行办法》，生成式人工智能服务提供者应当履行的义务包括（）A.落实网络安全、数据安全和个人信息保护责任B.对生成的面向公共传播的内容进行AI标识C.建立用户投诉受理与反馈机制D.无需留存用户使用日志6.以下属于机器学习中过拟合问题的解决方法的有（）A.增加训练数据量B.引入正则化手段C.降低模型复杂度D.增加训练迭代次数7.以下属于大语言模型下游应用场景的有（）A.智能客服B.内容生成C.代码辅助开发D.工业缺陷检测8.以下关于YOLO系列目标检测模型的描述正确的有（）A.属于单阶段目标检测模型，推理速度快B.可同时输出目标的类别和位置信息C.仅能处理图像分类任务D.最新版本YOLOv8支持分类、检测、分割等多任务9.以下属于人工智能伦理风险的有（）A.深度合成技术用于伪造他人肖像实施诈骗B.算法歧视导致特定群体权益受损C.大模型训练消耗大量算力造成碳排放D.人工智能辅助医生提升诊断效率10.MLOps流程中包含的核心环节有（）A.数据管理与标注B.模型开发与训练C.模型测试与部署D.模型监控与迭代三、判断题（每题1分，共10题，合计10分。正确填√，错误填×）1.大语言模型的幻觉问题目前已经得到完全解决，可直接应用于医疗、金融等高风险领域无需人工审核。（）2.梯度下降算法的学习率设置越大，模型收敛速度越快，最终精度越高。（）3.卷积神经网络中的池化层主要作用是降低特征图维度，减少计算量，同时保留核心特征。（）4.面向公众提供生成式人工智能服务的主体，无需取得相关资质即可上线运营。（）5.MLOps中的模型监控环节可及时发现生产环境中模型的数据漂移、性能衰减等问题。（）6.LoRA微调得到的权重可以独立存储，无需修改原预训练模型即可按需切换不同任务的适配权重。（）7.自然语言处理中的词嵌入技术可将高维的文本稀疏向量转换为低维的稠密向量，捕捉文本的语义信息。（）8.生成式人工智能生成的内容属于自动生成，不存在知识产权侵权风险。（）9.机器学习中的数据漂移是指模型生产运行时输入数据分布与训练集分布发生变化，导致模型性能持续下降的现象。（）10.残差连接的引入可以让深层卷积神经网络避免梯度消失问题，提升模型训练效果。（）四、简答题（每题5分，共4题，合计20分）1.请简要说明大语言模型微调中LoRA（低秩适配）方法的核心原理及核心优势。2.请简要说明机器学习中数据漂移问题的定义、常见类型及常用应对方案。3.结合我国《生成式人工智能服务管理暂行办法》，简述生成式人工智能服务合规运营的核心要点。4.请简要说明Transformer架构中位置编码的作用及主流实现方式。五、实操题（每题15分，共2题，合计30分）1.场景：某本地生活服务平台需要搭建用户评论情感分类模型，自动识别用户对商家的评论情感倾向（正向、负向、中性），现有标注好的中文评论数据集12万条，其中正向5万条、负向3.5万条、中性3.5万条，要求基于通义千问-7B预训练大模型完成高效微调，最终模型在测试集上准确率不低于92%。请写出完整的实操流程及关键操作要点。2.场景：某汽车零部件生产企业需要搭建工业产品外观缺陷检测系统，基于计算机视觉技术自动识别生产线上零部件的划痕、变形、污渍3类缺陷，现有标注好的图像数据集2.4万张，其中含缺陷图像9000张，无缺陷图像1.5万张，要求基于YOLOv8目标检测模型完成训练，最终模型在测试集上mAP@0.5不低于96%。请写出完整的实操流程及关键操作要点。参考答案一、单项选择题1.C2.B3.D4.C5.C6.B7.B8.C9.B10.B11.B12.B13.C14.B15.B16.A17.B18.C19.B20.A二、多项选择题1.ABD2.ABCD3.BCD4.ABC5.ABC6.ABC7.ABC8.ABD9.ABC10.ABCD三、判断题1.×2.×3.√4.×5.√6.√7.√8.×9.√10.√四、简答题评分要点1.核心原理（2分）：LoRA假设大模型微调过程中权重的更新满足低秩特性，将权重更新矩阵分解为两个低秩矩阵A和B的乘积（r远小于原权重维度），训练时冻结原模型全部参数，仅更新A、B的参数，推理时将A、B乘积叠加到原权重即可。核心优势（3分）：①参数量极低，仅为全参数微调的1/1000-1/10000，大幅降低算力需求；②训练成本低，单张16G显存消费级GPU即可完成7B参数模型微调；③权重可独立存储，多任务切换无需重新部署全量模型；④可避免全参数微调的灾难性遗忘问题。（答出3点即可得满分）2.定义（1分）：数据漂移指模型生产运行时输入数据分布与训练集分布发生变化，导致模型性能持续下降的现象。常见类型（2分）：①协变量漂移：输入特征分布变化，特征与标签的映射关系不变；②概念漂移：特征与标签的映射关系发生变化。应对方案（2分）：①持续监控数据分布、模型输出，设置漂移阈值告警；②定期采集新标注数据重训练/微调模型；③采用在线学习、增量学习适配新分布；④引入领域自适应技术降低对新标注数据的依赖。（答出2点即可得满分）3.核心要点（每点1分，答出5点即可得满分）：①资质合规：面向公众提供服务需依法取得电信业务经营许可等相关资质；②数据合规：训练数据不得侵犯知识产权、个人信息权益，处理个人信息需符合法定要求；③内容合规：生成内容不得含违法违规信息，面向公共传播的内容需进行AI标识；④安全责任：落实网络安全等级保护制度，留存用户日志不少于6个月，建立内容审核、投诉处置机制；⑤伦理合规：不得生成歧视性内容，不得利用生成式AI从事违法活动。4.作用（2分）：Transformer架构无循环结构，无法感知输入序列的顺序信息，位置编码为每个token添加位置相关特征，让模型能够学习序列的时序依赖关系。主流实现方式（3分）：①正弦余弦位置编码：通过固定的正弦、余弦函数生成位置编码，无需训练，可适配超出训练长度的序列；②可学习位置编码：将位置编码作为模型参数训练得到，适配性更强，但无法适配超训练长度的序列；③相对位置编码：在注意力计算中引入token间的相对位置信息，更适合长序列建模场景。五、实操题评分要点1.（15分）①数据预处理（5分）：完成数据清洗（去重、去除无效评论、特殊字符）、数据集划分（训练集80%、验证集10%、测试集10%，保证三类样本分布均衡）、指令微调格式转换（构造“指令-输入-输出”三元组）、分词处理（使用对应分词器完成分词、填充、截断）；②环境与模型加载（3分）：安装PyTorch、Transformers、PEFT等依赖库，配置16G以上显存GPU环境，加载预训练模型与分词器，开启4bit量化降低显存占用；③微调参数