2026年秋招：商汤科技笔试题及答案

2026年秋招：商汤科技笔试题及答案本文档通过对本行业近年考试真题系统梳理，精选汇总高频出现的核心笔试题、面试题，附详细解析与标准答案，覆盖笔试面试全考点重难点，助您高效刷题、精准提分，顺利通过考核，收到心仪offer。

单项选择题（每题2分，共10题）

1.以下哪种算法不属于深度学习算法（）

A.K-Means

B.CNN

C.RNN

D.GAN

2.计算机视觉中常用的图像特征描述符SIFT是（）

A.尺度不变特征变换

B.局部二值模式

C.方向梯度直方图

D.加速稳健特征

3.人工智能中，强化学习的核心是（）

A.奖励机制

B.规则学习

C.聚类分析

D.回归分析

4.以下哪种编程语言在人工智能领域使用最广泛（）

A.Java

B.Python

C.C++

D.JavaScript

5.商汤科技主要聚焦的领域是（）

A.金融科技

B.教育科技

C.人工智能

D.电子商务

6.卷积层中卷积核的作用是（）

A.对图像进行缩放

B.提取图像特征

C.对图像进行旋转

D.对图像添加噪声

7.自然语言处理中，用于文本分类的常用模型是（）

A.LDA

B.Word2Vec

C.BERT

D.PCA

8.在人工智能中，神经元模型的激活函数作用是（）

A.计算输入的加权和

B.引入非线性因素

C.调整学习率

D.初始化权重

9.模型过拟合是指（）

A.模型在训练集和测试集上表现都差

B.模型在训练集上表现好，测试集上表现差

C.模型在训练集上表现差，测试集上表现好

D.模型在训练集和测试集上表现都好

10.数据标注在计算机视觉中是为了（）

A.提高数据的美观度

B.给模型提供学习的样本

C.减少数据量

D.加快数据传输速度

多项选择题（每题2分，共10题）

1.以下属于计算机视觉任务的有（）

A.目标检测

B.图像分类

C.语义分割

D.人脸识别

2.深度学习中的优化算法有（）

A.SGD

B.Adam

C.RMSprop

D.AdaGrad

3.自然语言处理的应用场景包括（）

A.机器翻译

B.智能客服

C.文本生成

D.情感分析

4.人工智能的三要素是（）

A.算法

B.数据

C.算力

D.场景

5.以下哪些是图像预处理的方法（）

A.归一化

B.裁剪

C.旋转

D.滤波

6.神经网络中常用的损失函数有（）

A.均方误差损失

B.交叉熵损失

C.铰链损失

D.绝对误差损失

7.商汤科技的产品线包括（）

A.智慧城市解决方案

B.智能汽车解决方案

C.智慧商业解决方案

D.智慧生活解决方案

8.以下关于强化学习的说法正确的有（）

A.有环境、智能体等概念

B.基于奖励机制学习

C.用于优化问题求解

D.常用于游戏AI

9.数据处理中数据增强的方法有（）

A.随机裁剪

B.翻转

C.调整亮度

D.加噪声

10.特征选择的方法有（）

A.过滤法

B.包装法

C.嵌入法

D.聚类法

判断题（每题2分，共10题）

1.人工智能就是机器学习。（）

2.深度学习模型的层数越多越好。（）

3.计算机视觉只能处理彩色图像。（）

4.自然语言处理中，词向量可以表示词语的语义信息。（）

5.强化学习一定能在有限步数内找到最优策略。（）

6.数据标注的质量对模型训练没有影响。（）

7.卷积神经网络主要用于处理序列数据。（）

8.商汤科技在人工智能领域有广泛的应用和影响力。（）

9.激活函数都必须是线性函数。（）

10.过拟合可以通过增加数据量来缓解。（）

简答题（每题5分，共4题）

1.简述卷积神经网络（CNN）的主要结构组成。

CNN主要由输入层、卷积层、池化层、全连接层和输出层组成。卷积层通过卷积核提取特征，池化层降维，全连接层整合特征，最终输出结果。

2.什么是自然语言处理中的词法分析？

词法分析是将文本拆分为基本词汇单元，包括分词、词性标注、命名实体识别等，为后续语义理解提供基础。

3.强化学习中，智能体和环境是如何交互的？

智能体在环境中基于当前状态做出动作，环境依据动作反馈新状态和奖励，智能体根据奖励调整策略，持续迭代。

4.简述数据预处理在机器学习中的重要性。

数据预处理可提升数据质量，处理缺失值、异常值，统一数据格式，提高特征可用性，有利于模型学习，提升性能。

论述题（每题5分，共4题）

1.论述商汤科技在人工智能领域的优势和挑战。

优势在于深厚技术积累、多行业解决方案、强大研发团队。挑战是行业竞争激烈，需持续创新；数据隐私安全受关注；技术人才争夺激烈。

2.谈谈你对人工智能伦理道德问题的理解。

人工智能可能导致隐私泄露、算法偏见、就业结构变化等伦理问题。应建立法规和监管框架，确保公平透明开发使用，强化算法审计和问责。

3.解释深度学习模型训练时的过拟合和欠拟合现象，并说明应对方法。

过拟合是模型对训练数据拟合过度，测试性能差，可增加数据、正则化应对；欠拟合是模型未充分学习，性能都差，可增加模型复杂度等。

4.阐述计算机视觉在智能安防领域的应用及发展趋势。

应用有监控视频分析、人脸识别门禁等。趋势是精度提升，多模态融合，与物联网结合，应用场景拓展，如工业安防等。

答案

#单项选择题答案

1.A

2.A

3.A

4.B

5.C

6.B

7.C

8.B

9.B

10.B

#多项选择题答案

1.ABCD

2.ABCD

3.AB