人工智能测试题及答案

第页人工智能测试题及答案1.强调"逻辑推理和符号表示"的人工智能流派是（）.[单选题]A.符号主义(正确答案)B.连接主义C.行为主义D.经验主义答案解析：

符号主义（又称逻辑主义）的核心思想是通过逻辑推理和符号表示来模拟人类的抽象思维。2.神经网络技术主要源于哪个人工智能流派（）.[单选题]A.符号主义B.连接主义(正确答案)C.行为主义D.统计主义答案解析：

连接主义主张智能来自大量简单单元的互联，其核心代表就是模仿人类大脑结构的神经网络。3.强化学习中"智能体与环境交互学习"的思想属于（）.[单选题]A.符号主义B.连接主义C.行为主义(正确答案)D.认知主义答案解析：

行为主义（又称进化主义）强调智能体在与环境的交互和反馈中进行学习，强化学习是其典型应用。4.人工智能模型因训练数据分布不均而对某些群体做出不利预测，这属于（）.[单选题]A.数据隐私问题B.算法偏见(正确答案)C.责任归属问题D.模型过拟合答案解析：

算法偏见通常源于训练数据的不平衡。如果数据本身存在历史歧视或偏差，模型就会学习并放大这些歧视性输出。5.在训练大模型时未经用户授权使用了包含个人信息的聊天记录，主要违反了（）.[单选题]A.数据隐私规范(正确答案)B.算法效率规范C.模型架构规范D.提示词工程规范答案解析：

未经授权使用包含个人敏感信息的聊天记录进行模型训练，直接侵犯了用户的数据隐私。6.下列哪项不是应对大模型伦理挑战的合理措施（）.[单选题]A.进行数据脱敏B.建立审查机制C.完全禁止AI研究(正确答案)D.对齐人类偏好答案解析：

应对人工智能的伦理挑战（如隐私、偏见等）需要建立审查、数据脱敏和对齐机制，而"完全禁止研究"是违背科技发展规律的。7.符号主义的核心计算载体通常是（）.[单选题]A.神经网络B.专家系统与逻辑推理机(正确答案)C.奖励函数D.聚类算法答案解析：

专家系统和逻辑推理机完全依靠预设的规则和知识库运行，这是符号主义的标志性产物。8.决定深度学习近年来爆发的关键硬件是（）.[单选题]A.机械硬盘B.GPU（图形处理器）(正确答案)C.显示器D.鼠标答案解析：

深度学习涉及海量的矩阵乘法运算，GPU（图形处理器）卓越的并行计算能力为其提供了不可或缺的算力支撑。9.提出"计算机的普及要从娃娃做起"的是（）.[单选题]A.邓小平(正确答案)B.钱学森C.图灵D.冯·诺依曼答案解析：

1984年，邓小平同志在观看青少年计算机操作表演后，做出了"计算机的普及要从娃娃做起"的重要指示。10.人工智能生成内容（）引发的版权争议主要属于（B）.A.技术可行性问题(正确答案)B.伦理与法律责任问题C.模型性能问题(正确答案)D.硬件计算力问题答案解析：

AIGC引发的版权争议（如模型使用了画师的作品进行训练，或生成的作品是否受版权保护），属于典型的人工智能责任归属与法律伦理问题。11.需要使用带有明确"标签"的数据进行训练的机器学习范式是（）.[单选题]A.监督学习(正确答案)B.无监督学习C.强化学习D.联邦学习答案解析：

监督学习的本质是"从示例中学习"，必须提供带有明确"标签"（标准答案）的数据集供模型训练。12.聚类算法（如将用户自动分组）通常属于哪种学习方式（）.[单选题]A.监督学习B.无监督学习(正确答案)C.强化学习D.提示学习答案解析：

无监督学习处理的是没有标签的数据，算法需要自行寻找数据内部的模式和结构，聚类（Clustering）是其最常见的应用。13.智能体通过不断试错并根据"奖励"信号优化策略的学习方式是（）.[单选题]A.监督学习B.无监督学习C.强化学习(正确答案)D.迁移学习答案解析：

强化学习中没有直接的正确答案，智能体通过试错并根据环境反馈的"奖励或惩罚"来不断优化自己的决策策略。14.神经网络中，将误差从输出端反向传导以更新参数的过程称为（）.[单选题]A.前向传播B.反向传播(正确答案)C.损失计算D.激活函数计算答案解析：

反向传播（Backpropagation）是神经网络训练的核心，它计算损失函数的梯度，并将误差从输出层反方向传导，以此来更新各层权重。15.用于衡量模型预测值与真实值之间差异的函数是（）.[单选题]A.激活函数B.损失函数(正确答案)C.优化函数D.梯度函数答案解析：

损失函数（LossFunction）的数值代表了模型当前预测结果与真实标签之间的差距，模型训练的目标就是最小化损失函数。16.神经网络中最常用的参数优化方法，旨在寻找损失函数最小值的是（）.[单选题]A.冒泡排序B.梯度下降(正确答案)C.二分查找D.聚类分析答案解析：

梯度下降（GradientDescent）算法通过让参数沿着损失函数梯度的反方向步进，从而逐步找到最优解。17.预测明天具体温度值（如25.5℃），这类任务属于（）.[单选题]A.分类任务B.回归任务(正确答案)C.聚类任务D.降维任务答案解析：

目标变量是连续数值（如温度、房价、身高等）的预测任务，在机器学习中统称为回归（Regression）任务。18.判断一封电子邮件是否为"垃圾邮件"，这类任务属于（）.[单选题]A.回归任务B.聚类任务C.分类任务(正确答案)D.生成任务答案解析：

将数据划分到预先设定好的几个离散类别中（如垃圾/非垃圾邮件、猫/狗），属于分类（Classification）任务。19.模型在训练集上表现极好，但在测试集上表现很差（缺乏泛化能力），这被称为（）.[单选题]A.欠拟合B.过拟合(正确答案)C.梯度消失D.梯度爆炸答案解析：

过拟合（Overfitting）指模型把训练集里的噪音和细节也当成了规律"死记硬背"，导致面对新数据（测试集）时泛化能力极差。20.模型在训练集和测试集上表现都不好，未能捕捉数据规律，这被称为（）.[单选题]A.欠拟合(正确答案)B.过拟合C.收敛D.泛化答案解析：

欠拟合（Underfitting）指模型过于简单或训练不足，连训练集里的基础数据规律都没有掌握。21.用于最终评估模型在未见数据上表现的数据集是（）.[单选题]A.训练集B.验证集C.测试集(正确答案)D.预训练集答案解析：

测试集（TestSet）是模型在训练过程中绝对不可见的数据，专门用于最终、客观地评估模型的泛化能力。22.在模型训练过程中，用于调整超参数并初步检查模型性能的数据集是（）.[单选题]A.训练集B.验证集(正确答案)C.测试集D.离群集答案解析：

验证集（ValidationSet）用于在训练周期内调整超参数（如学习率、网络层数）并监控是否出现过拟合。23.下列哪种情况最容易导致欠拟合（）.[单选题]A.模型参数过多B.训练时间过长C.模型结构过于简单(正确答案)D.数据量太小答案解析：

当模型结构过于简单（如用直线去拟合复杂的曲线数据）时，会导致学习能力不足，产生欠拟合。24.防止过拟合的常用方法不包括（）.[单选题]A.增加训练数据B.正则化C.减少模型复杂度D.减少训练数据(正确答案)答案解析：

减少训练数据会使模型更容易记住为数不多的样本细节，从而加剧过拟合。增加数据、正则化、减少模型复杂度才是防止过拟合的正确做法。25.监督学习的常见算法中不包括（）.[单选题]A.线性回归B.决策树C.K-Means聚类(正确答案)D.支持向量机(SVM)答案解析：

线性回归、决策树、支持向量机都需要标签数据，属于监督学习。K-Means聚类处理无标签数据，属于无监督学习。26.神经网络中非线性的引入主要依靠（）.[单选题]A.权重B.偏置C.激活函数(正确答案)D.损失函数答案解析：

如果没有激活函数，多层神经网络本质上只是一连串的线性矩阵乘法，依然等效于一个单层线性模型。激活函数为其引入了拟合复杂非线性规律的能力。27.关于强化学习，以下哪个概念代表环境对动作的反馈（）.[单选题]A.状态(State)B.奖励(Reward)(正确答案)C.动作(Action)D.策略(Policy)答案解析：

在强化学习中，Reward（奖励）是环境用来告诉智能体其上一个动作好坏的量化反馈信号。28.评价分类模型性能的常用指标不包括（）.[单选题]A.准确率B.召回率C.均方误差(MSE)(正确答案)D.F1分数答案解析：

均方误差（MSE）用于衡量连续数值预测的偏差，是评估"回归"任务的指标。分类任务常用准确率、召回率、F1等。29.如果我们想让模型识别一张图片是猫还是狗，我们需要准备（）.[单选题]A.无标签图像B.带有"猫"或"狗"标签的图像(正确答案)C.纯文本数据D.奖励函数答案解析：

图像分类属于监督学习，模型必须通过学习带有"猫"或"狗"明确标签的图片来掌握分类规律。30.深度学习是哪种流派在当代的典型代表（）.[单选题]A.符号主义B.行为主义C.连接主义(正确答案)D.进化主义答案解析：

深度学习由多层人工神经网络构成，是从连接主义发展而来的现代集大成者。31.N-gram模型属于哪一类语言模型（）.[单选题]A.神经语言模型B.统计语言模型(正确答案)C.大语言模型D.强化模型答案解析：

N-gram模型通过统计语料库中N个词相邻出现的频率来计算概率，属于典型的统计语言模型。32.根据前面的序列预测下一个词（Token），这种机制被称为（）.[单选题]A.掩码预测B.自回归预测(正确答案)C.双向预测D.对比学习答案解析：

自回归（Autoregressive）机制的核心逻辑就是依据历史已生成的序列上下文，来预测序列中的下一个Token。33.循环神经网络（RNN）在处理长文本时常遇到的瓶颈问题是（）.[单选题]A.无法处理数字B.梯度消失或爆炸(正确答案)C.只能单向输出D.必须要有图片答案解析：

传统RNN在反向传播时，误差会随时间步数呈指数级衰减或放大，极易产生梯度消失或爆炸，导致无法"记住"长距离前的关键信息。34.神经语言模型相比传统统计语言模型的最大优势是（）.[单选题]A.计算速度更快B.不需要数据C.更好地处理词义相似性和长距离依赖(正确答案)D.完全不需要内存答案解析：

相比于仅依赖表面词频的统计模型，神经语言模型（通过词嵌入Embeddings和网络层）能够深入理解词语间的语义相似性和更长距离的上下文依赖。35.语言模型本质上是在计算一个句子或词序列出现的（）.[单选题]A.长度B.概率(正确答案)C.词性D.复杂度答案解析：

无论是哪种语言模型，其数学本质都是计算一个特定的文本序列在人类自然语言中出现的概率大小。36.在自回归预测中，模型生成当前词依赖于（）.[单选题]A.所有未来的词B.前面已生成的词(正确答案)C.随机挑选的词D.句子的总长度答案解析：

在自回归预测中，生成是单向递进的（从左到右），当前词的生成仅依赖于之前已经生成出来的词。37.RNN的哪个变体主要用来缓解梯度消失问题（）.[单选题]A.CNNB.LSTM(正确答案)C.MLPD.SVM答案解析：

LSTM（长短期记忆网络）是RNN的进化版，通过引入遗忘门、输入门、输出门等机制，有效缓解了长序列训练时的梯度消失问题。38.统计语言模型中，马尔可夫假设的含义是（）.[单选题]A.当前词与历史无关B.当前词仅依赖前面有限的几个词(正确答案)C.当前词依赖未来D.当前词决定整个句子答案解析：

马尔可夫假设为了简化计算，强行假定当前词出现的概率只与它前面紧邻的有限个（如前1个或前2个）词相关，截断了更长的历史依赖。39.现代大语言模型（如GPT系列）核心沿用了哪种序列预测范式（）.[单选题]A.掩码语言建模(MLM)B.自回归(Autoregressive)(正确答案)C.翻译建模D.强化建模答案解析：

GPT全称为GenerativePre-trainedTransformer，它的"生成"本质就是采用Decoder进行从左到右的自回归文本预测。40.以下哪项不是语言模型的典型应用（）.[单选题]A.拼写纠错B.机器翻译C.图像分类(正确答案)D.语音识别的后处理答案解析：

图像分类属于计算机视觉（CV）范畴；而拼写纠错、机器翻译、语音识别的后处理都需要依赖语言模型来判断文本是否通顺合理。41."大模型"中的"大"通常指（）.[单选题]A.物理体积大B.参数量和训练数据规模巨大(正确答案)C.运行速度极大D.开发团队庞大答案解析：

大模型的"大"是技术层面的量变引起质变，主要指模型内部神经元参数量的庞大（百亿/千亿级别）以及用于训练的文本语料库规模巨大。42.能够同时理解文本、图像和音频的模型称为（）.[单选题]A.语言模型B.视觉模型C.多模态模型(正确答案)D.声学模型答案解析：

多模态（Multimodal）大模型打破了单一文本的界限，能够同时对文本、图像、视频、音频等不同"模态"的数据进行融合理解与处理。43.大模型训练的第一阶段，旨在学习通用语言规律的是（）.[单选题]A.监督微调(SFT)B.预训练(Pre-training)(正确答案)C.强化学习D.偏好对齐答案解析：

预训练（Pre-training）是大模型的第一步，消耗绝大部分算力，目的是让模型通过海量无标注数据学会语言的语法和基础的世界知识。44.让大模型学会以"问答"形式遵循人类指令的训练阶段是（）.[单选题]A.预训练B.监督微调(SFT)(正确答案)C.无监督学习D.K-Means答案解析：

预训练后的模型只会"续写"。监督微调（SFT）通过成千上万条高质量的"人类指令-正确回复"数据对，教会模型如何像一个对话助手一样回答问题。45.RLHF的全称是（）.[单选题]A.基于人类反馈的强化学习(正确答案)B.基于启发式规则的微调C.随机局部散列森林D.鲁棒语言高频特征答案解析：

RLHF全称为ReinforcementLearningfromHumanFeedback，即基于人类反馈的强化学习。46.RLHF的主要作用是（）.[单选题]A.教模型认识汉字B.让模型输出符合人类价值观和偏好的回答(正确答案)C.提升模型的运行速度D.减少模型占用的内存答案解析：

RLHF用于"对齐偏好"，通过奖励模型让大模型的输出符合人类的价值观（不含偏见、无害、礼貌、安全）。47.推理模型（如专注数学推理的专门模型）与通用大模型的区别主要在于（）.[单选题]A.推理模型只能用于手机B.推理模型针对特定复杂逻辑任务优化(正确答案)C.通用模型参数一定更少D.推理模型不需要训练答案解析：

推理模型牺牲了一部分快速的闲聊生成速度，利用强化学习让模型在给出最终答案前进行长程的思维链（CoT）运算，专门优化了复杂的逻辑、数学与代码能力。48.ChatGPT属于以下哪类模型（）.[单选题]A.纯视觉生成模型B.大语言模型(正确答案)C.传统专家系统D.符号推理机答案解析：

ChatGPT是基于GPT架构（GenerativePre-trainedTransformer）优化而来的通用对话大语言模型。49.预训练阶段通常使用的数据类型是（）.[单选题]A.海量无标签的文本(正确答案)B.人工精心编写的对话C.人类打分的排序数据D.结构化数据库表答案解析：

预训练阶段需要尽可能多地覆盖人类知识，因此主要使用通过爬虫获取的海量互联网无标签文本、书籍、维基百科等。50."模型对齐"（Alignment）的目标不包括（）.[单选题]A.有用性(Helpful)B.诚实性(Honest)C.无害性(Harmless)D.最大化模型幻觉(Hallucination)(正确答案)答案解析：

对齐人类意图（Alignment）的标准通常被总结为3H：Helpful（有用）、Honest（诚实，即减少幻觉）、Harmless（无害）。最大化幻觉是完全背道而驰的。51.关于大语言模型的发展脉络，以下顺序大致正确的是（）.[单选题]A.统计语言模型->RNN/LSTM->Transformer->大语言模型(正确答案)B.大语言模型->统计语言模型->RNN->TransformerC.Transformer->大语言模型->统计语言模型->RNND.RNN->大语言模型->Transformer->统计语言模型答案解析：

自然语言处理的发展脉络清晰：早期的统计模型->基于深度学习的RNN序列模型->2017年突破性的Transformer架构->规模爆发的现代大语言模型。52.以下哪项不是大模型的典型应用场景（）.[单选题]A.文本总结B.简单的CPU硬件温度物理控制(正确答案)C.情感分析D.机器翻译答案解析：

底层硬件温度的物理控制依赖于操作系统的传感器读取与简单的规则阈值控制。动用极其消耗算力的大模型来进行这种确定性的硬件控制是"杀鸡用牛刀"。53.在SFT（监督微调）阶段，数据的主要形式是（）.[单选题]A.单一的句子B.Prompt-Response（提示-回复）对(正确答案)C.随机的字符组合D.音频片段答案解析：

监督微调（SupervisedFine-Tuning）的"监督"体现在数据带有明确的目标，即成对出现的Prompt（提示指令）和Response（高质量回复）。54.构建奖励模型（RewardModel）是哪一个训练阶段的重要步骤（）.[单选题]A.预训练B.SFTC.RLHF(正确答案)D.数据清洗答案解析：

在RLHF中，不可能让人类实时对模型的每一次输出打分。因此需要先用人类打分数据训练一个"奖励模型（RewardModel）"，然后由奖励模型充当裁判来指导大模型的强化学习。55.多模态大模型在自动驾驶中的潜在应用主要是（）.[单选题]A.润色驾驶员的日记B.综合处理视觉、雷达与文本指令进行决策(正确答案)C.生成发动机声音D.替代车辆电池答案解析：

在自动驾驶领域，多模态大模型能够端到端地同步处理车载摄像头的视觉画面、雷达点云数据以及人类的语音指令，进行复杂的路况决策。56.提示词（Prompt）工程的目的是（）.[单选题]A.改变模型底层的权重结构B.寻找最优的输入形式以引导模型产生高质量输出(正确答案)C.缩短模型的训练时间D.提升电脑硬件性能答案解析：

提示词工程（PromptEngineering）是在不改变模型自身参数代码的前提下，通过精心设计输入文本的结构、语境和约束，来激发模型的最优表现。57.RAG的全称是（）.[单选题]A.随机自回归生成B.检索增强生成(正确答案)C.循环注意力机制D.递归人工图答案解析：

RAG全称为Retrieval-AugmentedGeneration，即检索增强生成技术。58.引入RAG技术的主要目的是（）.[单选题]A.增加大模型的参数量B.结合外部最新知识，减少模型"幻觉"(正确答案)C.提升模型的代码解释能力D.让模型能生成图像答案解析：

由于大模型的知识停留在预训练截止日期，RAG允许模型在回答前先去外部（如互联网、企业本地文档库）检索事实资料，结合资料进行生成，从而大幅减少事实错误的"幻觉"。59.以下哪项是优秀的提示词编写技巧（）.[单选题]A.表达模糊不清B.提供具体的背景、角色和明确的输出格式限制(正确答案)C.尽量使用极其简短的词D.让模型自己随便猜答案解析：

一个高质量的提示词应当清晰明确，包含任务背景、扮演角色、具体指令要求以及期望的输出格式，避免歧义。60.在提示词中指定"你现在是一名资深的儿科医生"，这种技巧属于（）.[单选题]A.角色设定(正确答案)B.思维链(CoT)C.少样本提示(Few-shot)D.输出格式化答案解析：

通过赋予大模型一个特定的"人设"（如资深医生、资深程序员），可以激活模型在预训练语料中与该领域高度相关的专业知识分布，这属于角色设定技巧。61.在提示词中给出几个正确问答的例子再让模型回答，这种技术叫（）.[单选题]A.零样本提示(Zero-shot)B.少样本提示(Few-shot)(正确答案)C.负面提示D.强化学习答案解析：

Few-shot（少样本提示）就是"打个样"，在提示词中提供几个输入输出的范例，模型通过模仿范例就能精准把握任务规律。62.让模型"一步一步地思考"通常会触发哪种机制（）.[单选题]A.RAGB.思维链(ChainofThought)(正确答案)C.SFTD.RLHF答案解析：

"Let'sthinkstepbystep"是经典的思维链（ChainofThought,CoT）触发词，它强制模型将复杂的推理过程拆解为中间步骤，显著提升逻辑准确率。63.当使用大模型总结一篇长文档时，最关键的提示词要素是（）.[单选题]A.角色设定B.输入的上下文材料(正确答案)C.语调设定D.情感标签答案解析：

做总结任务时，模型必须依赖用户提供的原文素材。"巧妇难为无米之炊"，如果上下文材料提供得残缺或不准，任何其他设定都无济于事。64.如果大模型总是输出一些编造的假书名，除了微调外，最快速的解决方案是（）.[单选题]A.换一台电脑运行B.使用RAG挂载真实的图书数据库(正确答案)C.增大批处理大小D.改变损失函数答案解析：

面对专有名词或事实类查询，模型很容易根据概率"瞎编"书名。RAG技术通过强制模型只能基于挂载的真实图书数据库提取信息，是解决此类幻觉最立竿见影的手段。65.提示词中包含"请用JSON格式输出"是为了（）.[单选题]A.限定输出格式(正确答案)B.增强逻辑推理C.提供背景信息D.构建少样本案例答案解析：

在程序开发中调用大模型时，指定输出JSON格式是为了让下游的代码能够稳定地解析和提取大模型返回的结构化数据。66.当前主流大语言模型（如GPT）的基础底层架构是（）.[单选题]A.CNNB.RNNC.Transformer(正确答案)D.GAN答案解析：

自2017年谷歌提出之后，Transformer架构凭借其卓越的并行计算能力和长距依赖捕捉能力，成为了今天几乎所有主流大模型（GPT,BERT,Llama等）的底层基石。67.Transformer架构中最核心的计算组件是（）.[单选题]A.卷积层B.注意力机制（Attention）(正确答案)C.循环层D.池化层答案解析：

Transformer彻底抛弃了循环和卷积结构，其完全依赖"注意力机制（AttentionMechanism）"来计算序列中各个元素的相互关系。68.注意力机制的作用是（）.[单选题]A.随机删除一些文本B.计算序列中词与词之间的关联权重，捕捉长距离依赖(正确答案)C.对图像进行边缘检测D.把文本翻译成二进制答案解析：

注意力机制允许模型在处理当前词时，"回头"去查看序列中所有其他的词，并计算它们之间的关联权重，因此无论多长的距离都能一步到位建立联系。69.GPT系列模型主要使用的是Transformer架构的哪一部分（）.[单选题]A.仅编码器（Encoder-Only）B.仅解码器（Decoder-Only）(正确答案)C.编码器-解码器结合D.完全不用Transformer答案解析：

GPT系列（GenerativePre-trainedTransformer）由于其主要目标是自回归文本生成，因此完全剥离了Encoder，只使用了Decoder-Only架构。70.Decoder-Only架构的显著优势是（）.[单选题]A.非常适合自回归的文本生成任务(正确答案)B.不能用于生成文本C.只能进行文本分类D.不支持注意力机制答案解析：

Decoder-Only架构内含MaskedAttention（掩码注意力），即在计算当前词时屏蔽掉未来的词，这种"因果"特性天然契合自回归（根据上文预测下文）的生成任务逻辑。71.Transformer模型在处理序列时，为了保留词的顺序信息，引入了（）.[单选题]A.损失函数B.激活函数C.位置编码（PositionalEncoding）(正确答案)D.梯度下降答案解析：

因为Transformer同时处理所有词（摒弃了RNN的顺序计算），如果不加处理，输入"我爱你"和"你爱我"对它来说是一模一样的。位置编码（PositionalEncoding）就是为了给每个词贴上绝对或相对的位置标签。72.相比于RNN，Transformer在训练时的巨大优势是（）.[单选题]A.不能处理长文本B.高度支持并行计算，训练效率极大提升(正确答案)C.模型参数永远不会增加D.不需要使用GPU答案解析：

RNN必须等第1个词算完才能算第2个词。Transformer利用矩阵乘法可以同时计算整个句子所有词的注意力权重，极大地提升了在GPU集群上的训练效率。73.经典Transformer原始论文（AttentionisAllYouNeed）中包含（）.[单选题]A.只有EncoderB.只有DecoderC.Encoder和Decoder都有(正确答案)D.既没有Encoder也没有Decoder答案解析：

最初始的Transformer架构用于机器翻译，包含理解原文的Encoder（编码器）和生成译文的Decoder（解码器）。74.自注意力（Self-Attention）中，查询（Query）、键（Key）和值（Value）通常来自于（）.[单选题]A.三个不同的句子B.同一个输入序列(正确答案)C.随机生成的噪声D.模型的输出结果答案解析：

在"自注意力"（Self-Attention）中，Query查询、Key键、Value值三者全部来自于模型当前的同一组内部输入特征（即"自己注意自己"以寻找上下文结构）。75.很多现代大模型去掉了Encoder而只保留Decoder，主要是因为（）.[单选题]A.Decoder参数更少B.Encoder无法理解语言C.统一使用Decoder进行自回归预测就能胜任生成、理解等绝大多数任务(正确答案)D.Encoder存在专利限制答案解析：

OpenAI的GPT系列证明了，只要模型参数足够大、训练数据足够多，仅用Decoder-Only预测下一个词（Next-tokenprediction）的自回归方式，不仅能做生成，也能极好地完成理解、翻译等任务，且训练拓展性更好。76."从一段病历中自动提取病人的年龄、症状、过敏史"，这属于大语言模型的哪类任务（）.[单选题]A.内容生成B.信息抽取(正确答案)C.机器翻译D.代码生成答案解析：

将大段非结构化的病历文本转化为结构化的字段（年龄：X；症状：Y），这种应用范式称为信息抽取（InformationExtraction）。77.设定大模型总体行为基调、不可被普通对话轻易覆盖的提示词通常被称为（）.[单选题]A.用户提示词(UserPrompt)B.系统提示词(SystemPrompt)(正确答案)C.辅助提示词D.零样本提示词答案解析：

SystemPrompt（系统提示词）写在底层框架中，通常用于确立大模型的根本职责、价值观约束和全局输出风格，防止被用户的恶意输入（UserPrompt）篡改。78.大语言模型在应用中编造事实、生成看似合理但实际错误的内容，这种现象被称为（）.[单选题]A.梯度爆炸B.幻觉(Hallucination)(正确答案)C.欠拟合D.灾难性遗忘答案解析：

大语言模型基于概率生成文本，当遇到盲区时，它倾向于生成看似连贯合理但完全是捏造的事实，学术界将这一痛点称为"幻觉（Hallucination）"。79.以下规避模型"幻觉"的思路中，不合理的是（）.[单选题]A.提示模型"如果不确定，请回答不知道"B.提供可靠的参考上下文让模型基于此回答C.盲目信任模型输出的所有结论(正确答案)D.引入人工复核机制答案解析：

当前技术下，大模型仍然是一个概率统计引擎，存在固有的幻觉风险。在医疗、法律等垂直领域盲目信任模型输出极易导致灾难性后果。80.评估大模型摘要生成质量时，最需要关注的维度是（）.[单选题]A.代码是否能运行B.事实一致性和关键信息覆盖率(正确答案)C.生成文本中是否包含表情包D.句子长度是否精确到字答案解析：

评价文本摘要任务质量的核心指标，一是不能违背原文捏造事实（事实一致性），二是要浓缩提取到原文最核心的论点和信息（覆盖率）。81.强人工智能和生成式大模型在快速发展中可能带来的社会挑战包括（）.[单选题]I.数据隐私泄露II.算法偏见与歧视III.知识产权与版权争议IV.人工智能系统可能被恶意用于生成虚假信息A.仅I,IIB.仅II,IIIC.仅I,III,IVD.I,II,III,IV(正确答案)答案解析：

这四项全都是当前生成式AI快速爆发所带来的核心社会挑战。隐私泄露、数据偏见歧视、训练数据侵权以及深度伪造（Deepfake）生成虚假信息均在其中。82.机器学习的基本范式包括（）.[单选题]I.监督学习II.无监督学习III.机械记忆学习IV.强化学习A.I,II,IIIB.I,II,IV(正确答案)C.II,III,IVD.I,III,IV答案解析：

机器学习的三大经典基本范式为监督学习、无监督学习和强化学习。AI中不存在名为"机械记忆学习"的分类。83.在训练神经网络时，以下哪些概念是密切相关的（）.[单选题]I.前向传播II.损失函数III.反向传播IV.梯度下降A.I,IIB.III,IVC.I,II,IVD.I,II,III,IV(正确答案)答案解析：

四者构成了神经网络训练的闭环生命周期。前向传播输出预测->损失函数比对误差->反向传播计算每层误差导数->梯度下降利用导数更新权重。84.以下哪些任务属于"分类"任务的范畴（）.[单选题]I.预测明天的降雨量（毫米）II.判断某条评论是"正面"还是"负面"III.将手写数字图像识别为0-9的某一个类别IV.预测房价走势A.I,IIB.II,III(正确答案)C.III,IVD.I,IV答案解析：

分类任务的结果必须是离散的类别。情感极性（正/负面）和手写数字0-9都是明确的类别界限。而降雨量、房价走势是连续变化的数值，属于回归任务。85.关于模型评估，以下描述正确的是（）.[单选题]I.过拟合代表模型在训练集上表现好，测试集表现差II.欠拟合代表模型在训练集和测试集上表现都差III.增加训练数据通常有助于缓解过拟合IV.减少模型层数可以解决所有的过拟合问题A.I,II,III(正确答案)B.I,III,IVC.II,III,IVD.I,II,IV答案解析：

过拟合是"死记硬背"，欠拟合是"学不会"。增加训练样本是缓解过拟合最有效的手段。但减少网络层数只能降低模型复杂度，并不能说能解决"所有"过拟合问题（如数据本身噪音太大时依然会过拟合）。86.关于语言模型的发展，以下说法正确的是（）.[单选题]I.统计语言模型通常利用N-gram计算词频概率II.神经语言模型使用神经网络进行上下文建模III.统计语言模型可以完美解决长距离依赖问题IV.大语言模型在神经语言模型基础上极大扩展了参数与数据规模A.I,IIB.I,II,IV(正确答案)C.II,III,IVD.I,III,IV答案解析：

统计语言模型（如N-gram）正是因为只能依赖前面短短几个词，所以"无法"解决长距离依赖问题。这是神经语言模型和注意力机制后来重点解决的核心痛点。87.现代大语言模型（如千亿参数级模型）普遍具有的特点包括（）.[单选题]I.具备"涌现能力"（EmergentAbilities）II.支持指令微调III.绝对不会生成错误信息IV.需要巨大的算力进行训练A.I,II,IV(正确答案)B.I,III,IVC.II,III,IVD.I,II,III,IV答案解析：

当参数规模突破某个阈值时，大模型会展现出预训练时并未专门学习过的复杂问题解决能力，称为"涌现能力"。同时其支持指令微调，且耗费巨额算力。但受限于概率生成的本质，目前没有任何大模型能保证"绝对不生成错误信息"。88.一个通用大语言模型（如ChatGPT）的典型训练流程通常包括（）.[单选题]I.预训练（Pre-training）II.监督微调（SFT）III.基于人类反馈的强化学习（RLHF）IV.提示词工程（PromptEngineering）A.I,IIB.I,II,III(正确答案)C.II,III,IVD.I,III,IV答案解析：

预训练（筑基）、SFT监督微调（学规矩）、RLHF（对齐人类价值观）是目前各大厂商训练通用基座大模型标准的三段式"内部炼丹"流程。提示词工程是交给终端用户使用的外部技巧。89.关于自回归（Autoregressive）和大模型架构，正确的是（）.[单选题]I.自回归模型通过前面的Token预测下一个TokenII.Transformer中的注意力机制只能关注序列中的前一个词III.Decoder-Only架构广泛应用于当前主流自回归大语言模型IV.GPT系列模型采用了自回归生成的方式A.I,II,IIIB.I,III,IV(正确答案)C.II,III,IVD.I,II,IV答案解析：

自回归的核心就是基于历史预测未来。Transformer的注意力机制能够同时关注序列中前面的"所有"词，而非仅仅是前"一个"词。Decoder-Only是当前主流的自回归架构。90.检索增强生成（RAG）的应用场景及其优势包括（）.[单选题]I.可以使模型回答基于最新发生的事件（未在训练集中）II.可以挂载企业内部私有知识库III.能够有效降低模型产生幻觉的概率IV.可以完全替代模型的预训练过程A.I,II,III(正确答案)B.II,III,IVC.I,II,IVD.I,III,IV答案解析：

RAG能够在不重新训练模型的情况下，通过外挂数据库提供最新知识和私有领域知识，极大抑制幻觉。但RAG是推理时的辅助插件，大模型依然需要耗费巨资的预训练来获得基础的语言理解与推理能力。91.以下哪些方法常用于优化与大语言模型的对话效果（）.[单选题]I.明确给出输入和输出的格式示例（Few-shot）II.设定清晰的角色背景（SystemPrompt）III.给出复杂问题时引导模型"一步步思考"（ChainofThought）IV.故意使用语法错误的句子提问以测试模型能力A.I,IIB.I,II,III(正确答案)C.II,III,IVD.I,III,IV答案解析：

Few-shot提供参考，SystemPrompt确立基调，ChainofThought提升逻辑推理深度，这三者都是PromptEngineering的高阶技巧。故意使用语法错误提问违背了"清晰明确"的原则。92.关于SystemPrompt和UserPrompt，正确的说法是（）.[单选题]I.SystemPrompt通常由开发者设定，用于规定模型的行为准则II.UserPrompt是用户实时输入的具体问题或任务III.两者在模型内部起到的作用完全一样IV.SystemPrompt的优先级在多数模型中更高，不容易被用户输入绕过A.I,IIB.I,II,IV(正确答案)C.II,III,IVD.I,III,IV答案解析：

SystemPrompt是系统级的底层设定，优先级很高，旨在防止用户通过特殊的UserPrompt（如越狱指令）绕过安全限制。93.Transformer架构相较于传统RNN的优势有（）.[单选题]I.高度支持并行计算II.通过注意力机制更好地捕捉长距离依赖III.不需要任何位置编码就能理解词序IV.训练效率大大提高A.I,II,IIIB.I,II,IV(正确答案)C.II,III,IVD.I,III,IV答案解析：

Transformer用并行计算和自注意力机制解决了RNN训练慢、长程遗忘的问题。但正是因为并行处理丢掉了输入的时间顺序，它才"绝对需要"引入位置编码来重塑顺序信息。94.大语言模型可以胜任以下哪些常见应用任务（）.[单选题]I.将一段中文翻译为英文II.从大段新闻中生成50字摘要III.将用户输入的自然语言转换为SQL代码IV.识别音频文件中的背景噪音类型（纯文本大模型）A.I,II,III(正确答案)B.I,II,IVC.II,III,IVD.I,III,IV答案解析：

自然语言与外语翻译、文本摘要压缩、甚至将自然语言翻译为SQL数据库代码，都是纯文本大语言模型极为擅长的工作。识别真实音频背景噪音需要将声学特征输入声学模型或多模态大模