2025年全国计算机应用水平考试(NIT人工智能应用)考试题目及答案

2025年全国计算机应用水平考试(NIT人工智能应用)考试题目及答案下列各题A、B、C、D四个选项中，只有一个选项是正确的，请将正确选项填涂在答题卡对应位置。1.2025年全国计算机应用水平考试（NIT）人工智能应用模块的核心考核导向不包括以下哪项？A.基础AI理论掌握B.生成式AI工具实操能力C.大模型底层算法研发能力D.行业AI解决方案设计能力答案：C解析：NIT人工智能应用模块为应用水平类考核，重点面向岗位实操需求设置考点，不要求掌握大模型预训练、底层框架开发等研发级内容。2.2025年主流生成式预训练大模型（GPT-4o、通义千问3.0、文心一言4.0等）的核心训练范式属于？A.监督学习B.无监督学习C.自监督学习D.强化学习答案：C解析：大模型预训练阶段通过自监督学习构造数据内部的监督信号，无需人工标注即可完成万亿级参数训练，后续对齐阶段会结合强化学习人类反馈（RLHF）优化，但核心训练范式为自监督学习。3.多模态大模型支持多种类型数据的输入与输出，当前主流消费级多模态大模型不支持以下哪种输入格式？A.4K分辨率图像B.30分钟时长语音C.3D点云文件D.10万字符长文本答案：C解析：当前消费级多模态大模型尚未原生支持3D点云数据的直接输入解析，工业级3D生成模型需配套专门的点云训练模块。4.提示词工程（PromptEngineering）中“少样本提示”的核心逻辑是？A.对大模型进行少量参数微调适配特定任务B.在提示词中提供3-5个任务示例引导大模型输出符合要求的结果C.限制大模型输出的字符数量不超过100字D.要求大模型仅使用训练数据中2023年之后的知识输出结果答案：B解析：少样本提示属于上下文学习范畴，无需微调模型，仅通过输入示例即可引导大模型适配特定任务，是当前生成式AI工具应用的核心技巧之一。5.根据我国《生成式人工智能服务管理暂行办法》，下列关于生成式AI内容使用的说法正确的是？A.用AI生成的公开发布内容无需标注AI生成标识B.个人使用AI生成的内容可以随意商用不受限制C.生成式AI服务提供者需要对生成内容的合法性承担责任D.使用AI深度伪造技术生成公众人物视频仅用于个人欣赏属于违法行为答案：C解析：办法明确要求生成式AI服务提供者落实内容审核责任，公开发布的AI生成内容需标注来源，深度伪造内容不得侵犯他人肖像权、名誉权，非商用个人欣赏不属于违法范畴。6.机器学习任务中过拟合的核心成因是？A.训练数据量过大B.模型复杂度过高，学习到了训练数据中的噪声特征C.训练轮次不足D.特征工程维度不足答案：B解析：过拟合指模型在训练集表现优异、测试集表现大幅下降的现象，核心成因是模型复杂度超过了任务需求，拟合了训练数据中的随机噪声。7.下列AI工具中，不属于生成式AI应用范畴的是？A.MidjourneyV6B.Sora视频生成工具C.百度文心一格D.传统OCR文字识别工具答案：D解析：传统OCR属于判别式AI应用，仅完成内容识别分类，不生成新的内容，其余三类工具均属于AIGC（生成式AI）范畴。8.大模型“幻觉”指模型生成的内容看似合理但与事实不符的现象，下列不属于幻觉成因的是？A.训练数据存在错误或冲突B.推理阶段逻辑路径偏差C.提示词表述模糊D.模型参数规模过大答案：D解析：模型参数规模提升通常会降低幻觉发生概率，幻觉成因主要与训练数据质量、推理逻辑、提示词质量相关。9.下列哪项属于AI伦理范畴的禁止性要求？A.使用AI辅助完成公文撰写B.使用AI分析员工工作效率优化排班C.使用AI筛选简历时设置性别、年龄歧视性规则D.使用AI生成产品宣传海报答案：C解析：AI应用不得违反公平性原则，设置歧视性筛选规则属于违反AI伦理的行为，其余三类均属于合法的AI应用场景。10.机器学习分类任务中，准确率（Accuracy）的计算公式是？A.预测正确的样本数/总样本数B.预测为正的样本中实际为正的比例C.实际为正的样本中被预测为正的比例D.精确率和召回率的调和平均值答案：A解析：B为精确率，C为召回率，D为F1值，A为准确率的定义。11.下列不属于大模型微调技术的是？A.LoRA（低秩适配）B.全参数微调C.上下文学习D.指令微调答案：C解析：上下文学习属于提示词工程范畴，无需修改模型参数，其余三类均属于模型微调技术。12.2025年主流AI代码辅助工具（GitHubCopilotX、通义灵码等）无法完成以下哪项任务？A.自动生成Python数据分析代码B.自动排查代码中的语法错误C.完全替代程序员完成全栈系统的从零开发D.为已有代码添加注释说明答案：C解析：当前AI代码工具仅为辅助角色，需要人工校验输出结果、梳理业务逻辑，无法完全替代开发人员完成复杂系统的全流程开发。13.下列关于AI在办公场景应用的说法错误的是？A.AI可以自动生成多风格PPT大纲B.AI可以对表格数据进行自动分析生成可视化报告C.AI可以自动完成发票的识别与信息录入D.AI可以完全替代人力完成合同的法律审核答案：D解析：AI仅能辅助完成合同的风险点筛查，最终法律审核需要专业法务人员完成，AI输出结果仅作参考。14.下列哪种算法属于无监督学习算法？A.K-Means聚类B.支持向量机C.随机森林D.逻辑回归答案：A解析：K-Means聚类无需标注标签即可完成数据分类，属于无监督学习，其余三类均为监督学习算法。15.AI生成内容的版权归属，根据我国当前法规规定，下列说法正确的是？A.只要是AI生成的内容，版权都属于AI工具提供商B.利用AI生成内容时，使用者投入了创造性劳动的，版权归属于使用者C.AI生成的内容完全没有版权，任何人可以随意使用D.AI生成的内容版权属于训练数据的原作者答案：B解析：我国司法实践中已明确，AI生成内容的使用者如果投入了创造性的提示词设计、内容筛选编辑工作，享有相应的版权。16.下列不属于大模型应用落地的核心挑战的是？A.推理成本高B.数据安全风险C.幻觉问题D.模型参数规模无法提升答案：D解析：当前大模型参数规模已经可以实现万亿级以上的训练，参数规模提升并非落地核心挑战，降本、控风险、提升准确率是核心诉求。17.提示词中“要求输出结果严格采用JSON格式，key为name、age、address，不得输出其他冗余内容”属于提示词的哪类构成要素？A.角色设定B.任务描述C.输出格式要求D.约束条件答案：C解析：该内容明确了输出的格式规范，属于输出格式要求范畴。18.下列关于多模态大模型的说法错误的是？A.可以同时理解文本、图像、语音等多类型数据B.可以生成图文结合的内容C.多模态大模型的训练成本比同参数规模的文本大模型更低D.可以实现实时音视频对话答案：C解析：多模态大模型需要处理多类型数据，训练数据量更大、训练复杂度更高，成本显著高于同参数文本大模型。19.机器学习任务中，数据集划分的常用比例是？A.训练集:验证集:测试集=6:2:2B.训练集:验证集:测试集=2:6:2C.训练集:验证集:测试集=2:2:6D.训练集:验证集:测试集=5:3:2答案：A解析：常规机器学习任务中，大部分数据用于模型训练，剩余部分用于验证调参与最终效果测试，6:2:2是行业通用划分比例。20.下列不属于NIT人工智能应用模块要求掌握的工具是？A.主流生成式AI对话工具（文心一言、通义千问等）B.生成式AI设计工具（Midjourney、StableDiffusion等）C.基础机器学习框架（Scikit-learn、TensorFlow等）D.芯片设计工具（Vivado等）答案：D解析：芯片设计工具属于电子工程范畴工具，不属于AI应用考核范围。下列各题A、B、C、D四个选项中，有2-4个选项是正确的，多选、少选、错选均不得分，请将正确选项填涂在答题卡对应位置。1.下列属于生成式AI应用场景的有？A.AI生成产品宣传文案B.AI生成短视频素材C.AI辅助完成疾病诊断D.AI生成3D模型答案：ABD解析：AI辅助疾病诊断属于判别式AI应用，仅完成分类识别任务，不生成新内容，其余三类均属于AIGC范畴。2.解决大模型幻觉问题的常用方法有？A.优化训练数据质量，清洗错误数据B.接入检索增强生成（RAG）系统，调用外部知识库校验结果C.优化提示词，要求模型标注信息来源D.降低模型参数规模答案：ABC解析：降低参数规模会提升幻觉发生概率，其余三类均为当前主流的幻觉解决方案。3.下列属于AI伦理要求的有？A.公平性：AI应用不得设置歧视性规则B.透明性：AI决策逻辑需可解释、可追溯C.安全性：AI应用不得危害用户人身财产安全D.公益性：AI应用必须完全免费向公众开放答案：ABC解析：AI应用可以采用商业化收费模式，不属于伦理强制要求范畴，其余三类均为AI伦理的核心要求。4.机器学习中解决过拟合问题的常用方法有？A.增加训练数据量B.降低模型复杂度C.加入正则化约束D.提前停止训练答案：ABCD解析：四类方法均为过拟合的常规解决方案，通过增加数据多样性、限制模型拟合能力等方式避免模型学习噪声特征。5.下列属于NIT人工智能应用模块考核范围的有？A.AI基础理论知识B.生成式AI工具实操技能C.基础机器学习任务实操D.AI行业解决方案设计答案：ABCD解析：四类内容均属于模块考核范围，覆盖从理论到实操、从工具使用到方案设计的全维度应用能力。6.提示词工程的核心构成要素包括？A.角色设定：明确大模型的身份定位B.任务描述：明确需要大模型完成的具体任务C.输出要求：明确输出内容的格式、风格、长度等要求D.约束条件：明确大模型输出内容的禁止性要求答案：ABCD解析：四类均为高质量提示词的核心构成要素，完整覆盖四类要素可以大幅提升大模型输出结果的匹配度。7.下列属于大模型落地的部署方式的有？A.公有云SaaS调用B.私有云本地化部署C.端侧轻量化部署D.混合部署答案：ABCD解析：四类均为当前主流的大模型部署方式，企业可以根据数据安全要求、成本预算选择适配的部署方案。8.检索增强生成（RAG）系统的核心构成模块包括？A.文档解析模块B.向量数据库C.检索模块D.大模型生成模块答案：ABCD解析：RAG系统首先对文档进行解析、切片、向量化存储到向量数据库，用户提问时检索相关片段作为上下文提交给大模型，最终生成结合知识库的准确结果，四类均为核心模块。9.下列关于AI生成内容的说法符合法规要求的有？A.公开发布的AI生成内容需要标注AI生成标识B.不得使用AI生成侵犯他人知识产权的内容C.不得使用AI生成暴力、色情、虚假等违法内容D.使用AI生成的内容用于商业用途不需要承担法律责任答案：ABC解析：AI生成内容用于商业用途如果违反相关法规，使用者需要承担相应法律责任，其余三类均符合《生成式人工智能服务管理暂行办法》要求。10.下列属于AI在制造业的应用场景的有？A.智能质检：通过机器视觉识别产品缺陷B.predictivemaintenance（predictive维护）：通过传感器数据预测设备故障C.智能排班：根据生产计划优化工人排班D.生成式AI设计产品外观答案：ABCD解析：四类均为AI在制造业的成熟应用场景，已经在国内多家制造企业落地应用。请将判断结果填涂在答题卡对应位置，正确填涂“√”，错误填涂“×”。1.自监督学习不需要人工标注数据即可完成模型训练。（√）解析：自监督学习通过数据自身构造监督信号，无需人工标注的外部标签，是大模型预训练的核心范式。2.2025年主流生成式AI工具已经可以完全替代人类完成所有文案写作工作。（×）解析：AI仅能辅助完成文案生成，最终内容需要人工审核、调整，符合企业实际需求，无法完全替代人类。3.检索增强生成（RAG）技术可以完全解决大模型的幻觉问题。（×）解析：RAG可以大幅降低幻觉发生概率，但无法完全解决，仍需要人工校验关键信息。4.使用AI生成的内容如果是使用者原创设计的提示词生成的，使用者享有相应版权。（√）解析：我国司法实践已经明确，使用者投入创造性劳动的AI生成内容，使用者享有相应版权。5.机器学习分类任务中，F1值是精确率和召回率的调和平均值，适合用于不平衡数据集的效果评估。（√）解析：不平衡数据集下准确率无法客观反映模型效果，F1值可以平衡精确率和召回率，更适合评估模型效果。6.大模型微调必须修改全部参数才能适配特定任务。（×）解析：LoRA等轻量化微调技术仅需要修改不到1%的参数即可完成模型适配，无需全参数微调。7.多模态大模型可以直接理解和解析视频内容。（√）解析：2025年主流多模态大模型已经支持视频输入，可以解析视频内容、提取关键信息。8.AI应用可以随意收集用户个人数据用于模型训练。（×）解析：根据《个人信息保护法》要求，收集用户个人数据需要征得用户同意，不得违规收集使用个人信息。9.NIT人工智能应用模块考核要求考生能够独立完成常见AI工具的实操应用。（√）解析：模块核心考核导向为应用能力，实操占比超过50%，要求考生掌握主流AI工具的实操技能。10.生成式AI工具生成的代码可以直接上线使用，不需要人工校验。（×）解析：AI生成的代码可能存在逻辑漏洞、安全风险，必须经过人工校验测试后方可上线使用。请按照题目要求完成操作，将操作结果按要求提交。1.实操题1（15分）任务要求：使用任意主流多模态大模型（文心一言4.0、通义千问3.0、GPT-4o任选）完成以下任务：（1）为某零售企业“2025年618大促活动复盘报告”生成3套适配不同受众的PPT大纲，分别面向企业管理层、一线运营人员、供应链人员；（2）为报告生成3张配套的数据可视化图表的生成提示词（适配Midjourney/豆包生图工具），分别匹配三类受众的阅读习惯；（3）校验报告中“2025年618全渠道销售额1.2亿元，同比2024年提升45%，其中线上渠道占比68%，线上销售额同比提升52%”的数据逻辑合理性，给出校验结果和优化建议。评分标准：（1）PPT大纲生成（6分）：三类受众的大纲适配性各2分，管理层大纲需侧重ROI、战略效果、后续规划；运营人员大纲需侧重活动玩法效果、用户转化数据、优化点；供应链大纲需侧重备货准确率、库存周转、履约效率，不符合受众需求酌情扣分。（2）可视化提示词生成（6分）：每张提示词2分，要求明确风格、数据维度、配色、适配场景，不符合要求酌情扣分。（3）数据校验（3分）：计算逻辑校验1分，合理性分析1分，优化建议1分。参考答案：（1）PPT大纲示例：①面向管理层：a.618大促整体核心指标完成情况（销售额、ROI、同比增幅）；b.核心业务板块贡献度分析；c.行业对标情况；d.存在的核心问题；e.下半年营销战略规划。②面向一线运营：a.各流量渠道转化效果拆解；b.各玩法参与度、转化率数据；c.用户反馈核心痛点；d.下一次大促运营优化方向。③面向供应链：a.各品类备货准确率、售罄率数据；b.库存周转天数、缺货损失统计；c.履约时效、破损率数据；d.供应链优化落地方案。（2）可视化提示词示例：①管理层适配：“极简商务风柱状对比图，展示2024-2025年618销售额、ROI、同比增幅三个核心指标，配色为企业品牌蓝白，无冗余元素，标注核心数据增幅，分辨率300DPI”。②运营人员适配：“互联网运营风格漏斗图，展示流量-点击-加购-下单-付款全链路转化率，标注每个环节的流失率和优化点，配色活泼明快，适合内部运营复盘使用”。③供应链适配：“工业风堆叠柱状图，展示各品类的备货量、实际销量、库存剩余三个维度数据，标注缺货品类和滞销品类，配色沉稳专业，适合供应链分析使用”。（3）数据校验结果：①逻辑计算校验：2024年618销售额=1.2亿/(1+45%)≈8275.86万元；2024年线上销售额=（1.2亿*68%）/(1+52%)≈5368.42万元，2024年线上占比≈5368.42/8275.86≈64.9%，同比提升3.1个百分点，数据逻辑自洽，无明显矛盾。②优化建议：建议补充分品类的销售额、同比增幅拆分数据，补充线上各渠道的贡献占比数据，提升报告的参考价值。2.实操题2（15分）任务要求：使用Python+Scikit-learn完成波士顿房价预测回归任务，要求：（1）加载Scikit-learn内置的波士顿房价数据集，按照8:2比例划分训练集和测试集，设置随机种子为42保证可复现；（2）选择随机森林回归算法完成模型训练，要求测试集R²系数达到0.8以上；（3）输出模型的测试集R²系数、平均绝对误差（MAE）、均方误差（MSE）三个评估指标。评分标准：（1）数据加载与划分（5分）：数据集加载正确2分，划分比例正确2分，随机种子设置正确1分。（2）模型训练（5分）：算法选择正确2分，训练流程正确2分，R²系数达到0.8以上1分。（3）指标输出（5分）：三个指标各输出正确得1分，代码可运行得2分。参考答案代码：```pythonfromsklearn.datasetsimportload_bostonfromsklearn.model_selectionimporttrain_test_splitfromsklearn.ensembleimportRandomForestRegressorfromsklearn.metricsimportr2_score,mean_absolute_error,mean_squared_errorboston=load_boston()X,y=boston.data,boston.targetX_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=42)model=RandomForestRegressor(n_estimators=100,random_state=42)model.fit(X_train,y_train)y_pred=model.predict(X_test)print(f"测试集R²系数：{r2_score(y_test,y_pred):.2f}")print(f"平均绝对误差（MAE）：{mean_absolute_error(y_test,y_pred):.2f}")print(f"均方误差（MSE）：{mean_squared_error(y_test,y_pred):.2f}")```运行结果：测试集R²系数约为0.89，符合≥0.8的要求，MAE约为2.04，MSE约为7.91。任务背景：某K12课外培训机构计划2025年引入AI系统实现教学服务全流程优化，提升运营效率和用户满意度，要求你结合人工智能应用知识完成AI落地整体方案设计，内容包括：1.梳理3个核心AI应用场景及可量化的预期收益；2.给出技术选型方案，包括工具选型、模型选型、部署方式；3.列出3个核心落地风险及对应应对措施。评分标准：1.应用场景设计（8分）：每个场景2分，预期收益量化合理2分，要求场景贴合培训机构实际需求，可落地性强。2.技术选型（6分）：工具选型2分，模型选型2分，部署方式2分，要求选型符合成本需求、数据安全需求。3.风险应对（6分）：每个风险1分，应对措施1分，要求风险贴合实际落地场景，应对措施可执行性强。参考答案：1.核心应用场景及预期收益：①智能备课场景：AI辅助教师生成课件、教案、课后习题，根据不同班级的学情生成适配的教学