广西壮族自治区来宾市公安机关特殊职位(AI科目)考试公务员题库(2026年)

广西壮族自治区来宾市公安机关特殊职位(AI科目)考试公务员题库(2026年)一、单项选择题（每题1分，共40分）1.人工智能的概念最早由哪位科学家在1956年达特茅斯会议上正式提出？A.图灵B.麦卡锡C.明斯基D.香农答案B解析1956年达特茅斯会议标志着人工智能学科的正式诞生，约翰·麦卡锡在此次会议上首次提出"人工智能（ArtificialIntelligence）"这一术语。2.下列哪项不属于机器学习的主要类型？A.监督学习B.无监督学习C.强化学习D.递归学习答案D解析机器学习三大基本类型为监督学习、无监督学习和强化学习，"递归学习"不是标准分类。3.在监督学习中，训练数据必须包含：A.特征和标签B.仅有特征C.仅有标签D.特征和权重答案A解析监督学习通过已标注样本（特征+标签）训练模型，学习从输入到输出的映射关系。4.下列哪个算法属于无监督学习算法？A.线性回归B.逻辑回归C.K-Means聚类D.支持向量机答案C解析K-Means是典型的无监督聚类算法，不需要标签数据即可发现数据内在结构。5.深度学习中的"深度"指的是：A.数据集规模大B.神经网络隐藏层数量多C.训练时间很长D.学习率设置较高答案B解析深度学习使用包含多个隐藏层的深度神经网络，层数越多表示"越深"。6.下列哪项不是卷积神经网络（CNN）的典型组成部分？A.卷积层B.池化层C.全连接层D.注意力机制层（Transformer的核心）答案D解析CNN主要由卷积层、池化层、全连接层组成；注意力机制是Transformer架构的核心组件，并非CNN的必要组成部分。7.在图像识别任务中，数据增强技术的主要目的是：A.提高模型推理速度B.减少训练数据量C.增加训练数据多样性，缓解过拟合D.降低模型复杂度答案C解析数据增强通过对原始图像进行翻转、旋转、裁剪等变换，扩充训练样本多样性，提升模型泛化能力，缓解过拟合。8.人脸识别系统中，特征提取通常使用：A.循环神经网络（RNN）B.卷积神经网络（CNN）C.决策树D.K近邻算法（KNN）答案B解析CNN在图像特征提取方面具有显著优势，是人脸识别系统最常用的特征提取模型。9.自然语言处理（NLP）中，词向量（WordEmbedding）的作用是：A.将文本转化为计算机可处理的数值向量B.对文本进行分词C.计算文本的哈希值D.对文本进行加密答案A解析词向量将离散的词语映射为稠密的低维实数向量，使计算机能够理解和处理自然语言。10.BERT模型在训练时使用了哪种预训练任务？A.语言建模（预测下一个词）B.掩码语言建模（MaskedLanguageModel，MLM）和下一句预测（NSP）C.序列到序列翻译D.图像分类答案B解析BERT采用MLM（随机遮盖部分词并预测）和NSP（判断两句是否连续）两个预训练任务。11.下列哪项属于生成式AI模型？A.GPT系列B.ResNetC.YOLOD.LSTM答案A解析GPT（GenerativePre-trainedTransformer）系列是典型的生成式预训练模型，能够生成文本内容。12.大语言模型（LLM）中，Transformer架构的核心机制是：A.卷积运算B.自注意力机制（Self-Attention）C.循环连接D.池化操作答案B解析Transformer的核心创新是自注意力机制，能够捕捉序列中任意位置之间的依赖关系。13.在机器学习模型评估中，精确率（Precision）的定义是：A.预测为正类且实际为正类的样本数/预测为正类的样本总数B.预测为正类且实际为正类的样本数/实际为正类的样本总数C.预测正确的样本数/总样本数D.实际为正类的样本数/预测为正类的样本总数答案A解析精确率衡量预测为正类的样本中有多少是真正类，即TP/(TP+FP)。14.召回率（Recall）的定义是：A.预测为正类且实际为正类的样本数/实际为正类的样本总数B.预测为正类且实际为正类的样本数/预测为正类的样本总数C.预测正确的样本数/总样本数D.实际为正类的样本数/预测为正类的样本总数答案A解析召回率衡量实际正类样本中有多少被正确预测出来，即TP/(TP+FN)。15.F1分数是精确率和召回率的：A.算术平均值B.几何平均值C.调和平均值D.加权平均值答案C解析F1分数是精确率和召回率的调和平均数，计算公式为F116.公安视频监控中，使用深度学习进行目标检测，以下哪个算法是单阶段检测算法的代表？A.FasterR-CNNB.YOLO系列C.MaskR-CNND.R-CNN答案B解析YOLO（YouOnlyLookOnce）系列是典型的单阶段检测算法，直接回归目标位置和类别，速度更快，适合实时视频分析。FasterR-CNN和R-CNN为两阶段算法。17.下列哪项属于计算机视觉中的图像分割任务？A.判断图像中是否有行人B.将图像中的每个像素分类到对应类别C.在图像中框出所有车辆的位置D.识别图像中的车牌号答案B解析图像分割是对图像中每个像素进行分类，分为语义分割和实例分割等。18.语音识别系统中，常用的声学特征提取方法是：A.TF-IDFB.MFCC（梅尔频率倒谱系数）C.Word2VecD.GLCM答案B解析MFCC是语音识别中最常用的声学特征，模拟人耳听觉特性提取语音信号特征。19.在处理大规模文本数据时，TF-IDF用于：A.衡量词在文档中的重要程度B.对文本进行自动摘要C.识别文本的情感倾向D.对文本进行翻译答案A解析TF-IDF（词频-逆文档频率）综合词频和逆文档频率，衡量一个词对某篇文档的重要程度。20.人工智能三要素通常是指：A.数据、算法、算力B.硬件、软件、网络C.输入、处理、输出D.感知、决策、执行答案A解析人工智能的发展依赖数据（训练基础）、算法（核心方法）和算力（计算支撑）三大要素。21.下列哪种数据库最适合存储和查询图结构数据（如社交网络、知识图谱）？A.关系型数据库B.图数据库C.键值数据库D.文档数据库答案B解析图数据库以节点和边存储数据，适合高效查询复杂关系网络，如犯罪关系网络分析、知识图谱等。22.在公安情报分析中，知识图谱主要用于：A.文本分词B.实体识别与关系挖掘C.图像增强D.语音降噪答案B解析知识图谱通过抽取实体及其关系，构建结构化关联网络，用于情报研判和案件串并分析。23.以下哪项技术最适合实现跨摄像头人员轨迹追踪？A.人脸识别+行人重识别（ReID）B.车牌识别C.指纹识别D.声纹识别答案A解析行人重识别（PersonRe-identification，ReID）结合人脸识别，可在不同摄像头画面中关联同一目标，实现跨镜追踪。24.对抗样本攻击是指：A.向训练数据中添加噪声B.在输入数据中添加精心构造的微小扰动，使模型产生错误输出C.使用对抗网络生成新数据D.对模型参数进行加密答案B解析对抗样本通过在原始输入上添加人眼难以察觉的扰动，诱使AI模型产生高置信度的错误判断，对公安AI系统安全构成威胁。25.差分隐私（DifferentialPrivacy）技术的主要作用是：A.提高模型准确率B.在数据分析中保护个体隐私C.加速模型训练D.增加数据维度答案B解析差分隐私通过向查询结果中添加受控噪声，使攻击者无法判断某个个体是否在数据集中，从而保护个人隐私。26.联邦学习（FederatedLearning）的核心思想是：A.集中所有数据到中心服务器进行训练B.在多个本地设备上分别训练模型，仅共享模型参数而非原始数据C.使用公共数据集预训练模型D.通过生成对抗网络合成数据答案B解析联邦学习实现"数据不动模型动"，在保护数据隐私的前提下协作训练模型，适用于公安多部门数据共享场景。27.在视频图像中，针对低分辨率人脸进行超分辨率重建，主要使用：A.循环神经网络B.生成对抗网络（GAN）或超分辨率卷积神经网络（SRCNN）C.决策树D.K-Means答案B解析图像超分辨率重建常用GAN、SRCNN等深度学习模型，将低分辨率图像恢复为高分辨率，提升人脸识别准确率。28.以下哪个模型主要用于文本分类任务？A.卷积神经网络（TextCNN）B.自编码器C.高斯混合模型D.Apriori算法答案A解析TextCNN将CNN应用于文本分类，提取局部n-gram特征，是常用的文本分类模型。29.知识蒸馏（KnowledgeDistillation）的目的是：A.将大型模型的知识迁移到小型模型，压缩模型体积B.增加模型层数C.将多个模型集成D.对模型进行加密答案A解析知识蒸馏利用教师模型（大模型）的输出指导学生模型（小模型）训练，在保持性能的同时显著降低模型参数量，适合公安边缘设备部署。30.在模型部署中，ONNX和TensorRT的作用是：A.数据标注工具B.模型转换与推理加速框架C.数据采集工具D.模型训练框架答案B解析ONNX是开放神经网络交换格式，用于模型互转；TensorRT是英伟达推出的高性能推理优化框架，可显著提升推理速度。31.公安业务中，针对语音数据进行分析，以下哪项属于声纹识别技术？A.将语音转换为文字B.根据语音特征识别说话人身份C.判断语音的情感倾向D.将文字合成为语音答案B解析声纹识别是根据语音中蕴含的个性特征（声纹）确认说话人身份的生物识别技术。32.在信息检索中，BM25算法属于：A.基于机器学习的排序算法B.基于词频统计的传统排序算法C.基于深度学习的语义排序算法D.基于用户行为的推荐算法答案B解析BM25是经典的传统文本相关度排序算法，基于词频和文档长度等因素计算查询与文档的相关性。33.使用BERT进行文本语义匹配时，通常将两个句子拼接后输入模型，分隔符是：A.[CLS]和[SEP]B.[MASK]和[PAD]C.[UNK]和[CLS]D.[SEP]和[PAD]答案A解析BERT中[CLS]置于序列开头用于聚合分类信息，[SEP]用于分隔两个句子。34.以下关于过拟合的说法，正确的是：A.模型在训练集上表现差，测试集上表现好B.模型在训练集上表现好，测试集上表现差C.模型在训练集和测试集上表现都好D.模型在训练集和测试集上表现都差答案B解析过拟合指模型过于复杂，过度学习了训练数据中的噪声和细节，导致泛化能力下降，训练集表现好而测试集表现差。35.缓解过拟合的常用方法不包括：A.L1/L2正则化B.DropoutC.增加训练数据量D.增加模型层数答案D解析增加模型层数通常会加剧过拟合而非缓解。正则化、Dropout、数据增强和增加数据量是常用的缓解过拟合方法。36.在PyTorch中，用于自动求导的核心数据结构是：A.Tensor中的requires_grad属性B.Dataset类C.DataLoader类D.Optimizer类答案A解析PyTorch通过设置Tensor的requires_grad=True自动构建计算图并实现梯度回传。37.强化学习中的"智能体"通过什么方式学习最优策略？A.仅依靠静态标签B.与环境交互，根据奖励信号调整策略C.通过人工规则固定行为D.通过监督数据拟合函数答案B解析强化学习智能体在环境中试错，根据环境反馈的奖励信号最大化累计奖励，从而学习最优策略。38.在智能安防系统中，以下哪项属于异常行为检测的典型应用？A.人脸比对B.打架斗殴、人员聚集等行为识别C.车牌号码识别D.指纹采集答案B解析异常行为检测通过视频分析识别打架、聚集、奔跑等异常事件，是智能安防的重要应用方向。39.关于AI模型的可解释性，以下说法错误的是：A.可解释性有助于增强执法公信力B.SHAP值可以用于解释模型预测结果C.深度学习模型天然具有高度可解释性D.可解释性有助于发现模型偏见和错误答案C解析深度学习模型通常被视为"黑盒"，可解释性较差。SHAP、LIME等工具用于事后解释模型预测。40.《中华人民共和国数据安全法》自何时起施行？A.2020年1月1日B.2021年9月1日C.2022年1月1日D.2021年6月10日答案B解析《中华人民共和国数据安全法》由第十三届全国人民代表大会常务委员会第二十九次会议于2021年6月10日通过，自2021年9月1日起施行。二、多项选择题（每题2分，共20分）1.以下哪些属于常见的人工神经网络激活函数？A.SigmoidB.ReLUC.TanhD.Softmax答案ABCD解析Sigmoid、ReLU、Tanh是常用的隐藏层激活函数，Softmax常用于多分类输出层。2.关于卷积神经网络（CNN），以下说法正确的有：A.卷积层通过卷积核提取局部特征B.池化层可以降低特征维度C.卷积层具有权值共享特性D.CNN只能处理图像数据答案ABC解析CNN除图像外还可处理文本、语音等序列数据，D错误。ABC均正确。3.以下哪些是自然语言处理中的常见任务？A.命名实体识别（NER）B.情感分析C.机器翻译D.文本摘要答案ABCD解析NER、情感分析、机器翻译、文本摘要均为NLP的典型任务。4.在公安大数据分析中，以下哪些技术可以用于人员关系网络分析？A.图数据库查询B.社区发现算法C.最短路径分析D.词频统计答案ABC解析人员关系网络分析主要依赖图结构相关技术，包括图数据库、社区发现（如Louvain算法）、路径分析等。词频统计用于文本分析，与关系网络无直接关系。5.以下关于生成对抗网络（GAN）的说法，正确的有：A.GAN由生成器和判别器组成B.生成器的目标是生成以假乱真的数据C.判别器的目标是区分真实数据和生成数据D.GAN的训练过程是一个博弈过程答案ABCD解析GAN的核心思想是生成器与判别器相互对抗、共同进化，ABCD描述均正确。6.以下哪些属于AI模型部署时需要考虑的硬件平台？A.GPU（如NVIDIAA100）B.NPU（神经网络处理单元）C.FPGAD.CPU答案ABCD解析AI推理可部署在GPU、NPU、FPGA、CPU等多种硬件平台上，具体选择取决于性能、功耗和成本要求。7.关于大语言模型（LLM）的应用，以下哪些属于公安业务场景？A.接处警记录自动摘要B.案件文书辅助生成C.法律法规智能问答D.舆情分析答案ABCD解析LLM在公安领域应用广泛，包括文书摘要与生成、法律问答、舆情监测分析等。8.以下哪些措施有助于保障公安AI系统的安全性？A.对训练数据实施脱敏处理B.模型部署时加入对抗样本检测C.定期进行安全审计D.建立数据访问权限控制机制答案ABCD解析数据脱敏、对抗防御、安全审计和访问控制均是保障AI系统安全的必要措施。9.在视频图像目标检测中，常用的评估指标包括：A.mAP（平均精度均值）B.IOU（交并比）C.FPS（每秒处理帧数）D.BLEU答案ABC解析mAP和IOU是目标检测的核心精度指标，FPS衡量检测速度。BLEU是机器翻译和文本生成任务的评估指标。10.以下关于Transformer架构的说法，正确的有：A.完全基于自注意力机制，不依赖循环或卷积B.支持并行计算，训练效率高C.位置编码用于注入序列位置信息D.多头注意力机制可以关注不同子空间的特征答案ABCD解析Transformer摒弃循环结构，完全依靠自注意力，支持并行训练，通过位置编码引入顺序信息，多头注意力从多个表示子空间捕捉信息。三、判断题（每题1分，共20分）1.强人工智能（ArtificialGeneralIntelligence，AGI）是指具备与人类同等水平认知能力的AI系统。答案正确2.深度学习是机器学习的一个子领域。答案正确3.在逻辑回归中，输出值可以直接解释为样本属于正类的真实概率。答案错误解析逻辑回归输出的是属于正类的估计概率，并非真实概率，且对概率校准可能不准确。4.决策树模型的树深度越深，通常越容易过拟合。答案正确5.卷积神经网络中的池化层具有可学习的参数。答案错误解析池化层（如最大池化、平均池化）是固定操作，不包含可学习参数。6.RNN适合处理变长序列数据，但存在长距离依赖时梯度消失的问题。答案正确7.LSTM通过门控机制有效缓解了RNN的梯度消失问题。答案正确8.在目标检测中，IOU值越大，表示预测框与真实框的重合程度越低。答案错误解析IOU（交并比）值越大，表示预测框与真实框的重合程度越高，取值范围为0到1。9.人脸识别系统只需要人脸检测算法即可完成身份识别。答案错误解析人脸识别还需人脸对齐、特征提取、特征比对等环节，仅有人脸检测无法完成身份识别。10.迁移学习可以将在大规模数据集上预训练的模型参数迁移到目标任务，减少训练所需数据量。答案正确11.BERT是一种单向语言模型。答案错误解析BERT使用Transformer编码器，通过MLM任务实现双向上下文建模，属于双向语言模型。GPT才是单向语言模型。12.知识图谱以"实体-关系-实体"的三元组形式表示知识。答案正确13.差分隐私通过向数据中添加噪声实现隐私保护，但会影响数据的可用性。答案正确14.联邦学习要求所有参与方将原始数据上传至中心服务器进行训练。答案错误解析联邦学习的核心是数据不出本地，仅共享模型参数或梯度，原始数据不离开本地。15.对抗攻击只会影响深度学习模型，对传统机器学习模型没有影响。答案错误解析对抗攻击同样可以影响传统机器学习模型（如SVM、决策树等），只是深度模型更易受到攻击且研究更广泛。16.数据标注的质量直接影响AI模型的训练效果。答案正确17.使用AI进行案件预测时，模型的偏见可能导致执法不公。答案正确18.视频结构化描述是指将视频中的目标（人、车、物）及其属性、行为转化为结构化文本描述。答案正确19.大语言模型的"幻觉"现象是指模型生成与事实不符或虚构的内容。答案正确20.根据《中华人民共和国个人信息保护法》，处理敏感个人信息需要取得个人的单独同意。答案正确四、简答题（每题5分，共20分）1.简述人工智能在公安工作中的应用场景（至少列举5个）。答案（1）视频监控智能分析（人脸识别、车辆识别、异常行为检测）；（2）情报研判与案件串并分析（知识图谱、大数据挖掘）；（3）智能语音与自然语言处理（接处警语音转写、舆情监测）；（4）电子数据取证分析（文件分类、图像鉴定）；（5）交通管理（智能信号控制、违章检测）；（6）预测预警（犯罪热点预测、群体性事件预警）。2.简述监督学习与无监督学习的区别，并各举一个应用实例。答案监督学习使用带标签的训练数据学习输入到输出的映射关系，目标是预测新样本的标签；无监督学习使用无标签数据发现数据内在结构和规律。监督学习实例：车牌识别（输入车牌图像，输出车牌号码）；无监督学习实例：犯罪嫌疑人聚类分析（根据行为特征将人员分组，发现异常群体）。3.什么是模型过拟合？列举三种缓解过拟合的方法。答案过拟合是指模型在训练数据上表现优异，但在未见过的测试数据上表现较差的现象，本质是模型过度学习了训练数据中的噪声和细节，泛化能力不足。缓解方法：（1）增加训练数据量或使用数据增强；（2）使用正则化技术（L1/L2正则化）；（3）使用Dropout（随机丢弃部分神经元）；（4）早停法（EarlyStopping）；（5）简化模型结构（减少层数或参数）。4.简述在使用AI技术处理公安数据时，如何保障公民个人信息安全。答案（1）严格遵守《个人信息保护法》《数据安全法》等法律法规，落实最小必要原则；（2）对敏感数据实施脱敏、去标识化处理；（3）建立严格的数据访问权限控制与审计机制；（4）使用差分隐私、联邦学习等隐私保护技术；（5）制定数据安全管理制度和应急处置预案，定期开展安全评估。五、综合分析题（每题10分，共20分）1.某市公安局拟建设一套"智慧安防视频监控系统"，要求实现对人、车、物的实时检测、识别与轨迹追踪。请设计该系统的整体技术架构，并阐述各模块的功能及关键技术。答案系统整体技术架构可分为四层：（1）数据采集层：部署高清摄像头、卡口设备等前端感知设备，完成视频流、图像数据的实时采集。（2）智能分析层（核心层）：•目标检测：使用YOLO、FasterR-CNN等深度学习算法对人、车、物进行实时检测定位；•目标识别：通过人脸识别（FaceNet、ArcFace）、车牌识别