2026年人工智能基础与应用技能测试试题及答案

2026年人工智能基础与应用技能测试试题及答案一、单项选择题（每题2分，共40分）1.人工智能（AI）研究的核心目标是（）A.使机器具备感知、推理、学习、决策等智能能力B.使所有计算机都能联网通信C.用机器完全替代人类智能D.提高程序代码的编译速度答案：A2.在带类别标签的数据集上学习“输入—输出”映射关系，属于（）A.监督学习B.无监督学习C.强化学习D.迁移学习答案：A3.下列算法中，属于无监督学习典型代表的是（）A.线性回归B.K-Means聚类C.支持向量机D.决策树答案：B4.在神经网络训练中，用于根据损失函数梯度更新网络权重的主流优化算法是（）A.梯度下降法B.最近邻算法C.主成分分析法D.Apriori算法答案：A解析：反向传播用于计算损失函数对各参数的梯度，梯度下降法利用该梯度更新权重。5.模型在训练集上误差很低、在测试集上误差明显偏高，最可能发生了（）A.欠拟合B.过拟合C.梯度消失D.数据泄漏答案：B解析：过拟合的典型表现是训练误差低、测试误差高，即模型泛化能力差。6.下列网络层中，不属于卷积神经网络（CNN）常见组成的是（）A.卷积层B.池化层C.全连接层D.词嵌入层答案：D解析：词嵌入层主要用于自然语言处理，CNN多用于图像、语音等具有局部相关性的数据。7.在自然语言处理中，Word2Vec主要用于（）A.将词语映射为稠密的向量表示B.实现图像数据增强C.对语音信号进行降噪D.自动生成视频字幕答案：A8.Transformer模型中，自注意力机制的核心作用是（）A.直接建模序列中任意位置之间的依赖关系B.将图像分割成固定尺寸的网格C.对输入数据做归一化D.替代损失函数答案：A解析：自注意力机制通过计算序列内部元素之间的关联权重，能够捕获长距离依赖关系。9.下列模型中，属于预训练大语言模型的是（）A.GPTB.ResNetC.VGGD.HMM答案：A10.在监督学习中，若输出变量是连续数值，则该任务属于（）A.回归任务B.分类任务C.聚类任务D.降维任务答案：A11.在二分类混淆矩阵中，“真正例（TP）”表示（）A.实际为正且预测为正的样本数B.实际为负且预测为负的样本数C.实际为负但预测为正的样本数D.实际为正但预测为负的样本数答案：A12.当正负样本比例严重不平衡时，下列哪个指标更适合评价分类模型？（）A.F1分数B.均方误差C.决定系数RD.学习率答案：A解析：F1分数综合了精确率和召回率，能更客观地反映不平衡数据下的模型性能。13.在机器学习模型开发中，测试集的主要作用是（）A.在训练过程中反复调节超参数B.参与模型参数的梯度更新C.最终评估训练完成模型的泛化能力D.扩充训练样本数量答案：C解析：测试集只能用于最终评估，不能参与训练或超参数调节。14.强化学习中，用来反馈智能体当前行为好坏的是（）A.奖励信号B.类标签C.词嵌入D.卷积核答案：A15.迁移学习最大的优势是（）A.借助已有预训练模型，减少新任务对数据和算力的需求B.彻底消除过拟合C.不需要设计网络结构D.可以直接将所有任务转化为回归问题答案：A16.生成对抗网络（GAN）由哪两个核心部分组成？（）A.生成器与判别器B.编码器与解码器C.卷积层与池化层D.决策树与随机森林答案：A17.“算法偏见”在人工智能系统中通常是指（）A.算法输出对不同群体产生系统性、不公平的差异B.模型运行速度偏慢C.数据集文件体积过大D.服务器可能出现故障答案：A18.深度学习训练中，学习率设置过大会导致（）A.损失值震荡甚至发散B.模型一定过拟合C.训练时间一定缩短且效果变好D.梯度自动消失答案：A解析：学习率过大会导致参数更新步长过大，损失可能在最优值附近震荡甚至发散。19.自动驾驶系统通过摄像头识别行人、车辆和交通标志，主要属于（）A.计算机视觉B.语音识别C.自然语言处理D.知识图谱推理答案：A20.在特征工程中，将连续特征转换为均值为0、标准差为1的分布所采用的方法是（）A.Z-score标准化B.One-Hot编码C.最大最小归一化D.主成分分析答案：A二、多项选择题（每题3分，共15分）1.下列属于典型机器学习任务的有（）A.分类B.回归C.聚类D.数据库索引优化答案：ABC解析：分类和回归属于监督学习，聚类属于无监督学习；数据库索引优化不属于机器学习典型任务。2.下列措施中，有助于缓解模型过拟合的有（）A.增加训练数据量B.加入L2正则化C.使用DropoutD.无限增加模型参数答案：ABC解析：增加数据、正则化和Dropout都能提升模型泛化能力；无限增加参数通常会加重过拟合。3.下列属于常用深度学习激活函数的有（）A.ReLUB.SigmoidC.TanhD.K-Means答案：ABC解析：ReLU、Sigmoid、Tanh均为常用激活函数；K-Means是聚类算法。4.下列属于分类模型评价指标的有（）A.准确率B.精确率C.召回率D.F1值答案：ABCD解析：准确率、精确率、召回率和F1值都是分类任务中常用的评价指标。5.下列关于人工智能伦理与安全的说法，正确的有（）A.训练数据中的性别、种族偏见可能被模型放大B.深度伪造技术可能被用于制造虚假信息C.AI系统的决策过程应当尽可能透明、可解释D.使用个人数据训练模型无需考虑隐私保护答案：ABC解析：隐私保护是AI伦理的基本要求，使用个人数据训练模型必须考虑数据合规与隐私安全。三、判断题（每题1分，共10分）1.强人工智能目前已经实现，能够像人类一样完成任何智力任务。答案：错误2.机器学习是人工智能的一个重要子领域。答案：正确3.训练数据的质量与模型效果无关。答案：错误4.CNN的卷积核参数在训练开始前随机初始化，并在训练过程中不断更新。答案：正确5.为了提高模型效果，可以将测试集样本加入训练集反复训练。答案：错误6.LSTM在一定程度上缓解了传统循环神经网络（RNN）的长期依赖问题。答案：正确7.大语言模型可能生成与事实不符但表述流畅的内容，这种现象被称为“幻觉”。答案：正确8.强化学习通过与环境的交互和奖励信号来调整策略，不依赖逐样本的人工标注标签。答案：正确9.在人工智能产品应用中，只要技术先进，就可以忽视法律法规和伦理约束。答案：错误10.算法、算力和数据是推动人工智能发展的三个重要基础要素。答案：正确四、简答题（每题5分，共15分）1.简述人工智能、机器学习与深度学习三者之间的关系。答案：人工智能是研究如何使机器模拟、扩展和增强人类智能的学科，范围最广；机器学习是实现人工智能的核心技术途径，通过从数据中自动学习规律；深度学习是机器学习的一个分支，基于多层神经网络进行表征学习。因此，三者的关系是：人工智能包含机器学习，机器学习包含深度学习。2.简述机器学习中训练集、验证集、测试集的作用。答案：训练集用于训练模型、更新模型参数；验证集用于在训练过程中评估模型表现，调整超参数和进行模型选择；测试集在训练与调参全部完成后使用，用于最终评估模型的泛化能力。测试集不能参与训练或调参。3.列举计算机视觉中的三个常见任务，并各举一个应用实例。答案：（1）图像分类，如自动给相册图片添加“风景”“人物”标签；（2）目标检测，如自动驾驶中检测前方行人、车辆的位置；（3）图像分割，如医学影像中精确划分病灶区域。五、综合应用题（每题10分，共20分）1.某电商平台构建用户流失预测模型。2025年1月1日有活跃用户10,000人，到2025年1月31日实际流失500人。模型将这10,000人中的800人预测为“会流失”，这800人中有400人实际流失。请计算：（1）该模型预测结果的TP、FP、FN、TN各是多少？（2）模型的准确率、精确率、召回率和F1分数各是多少？（3）若平台计划对“预测为会流失”的用户定向发放优惠券，且营销预算有限，应当优先关注精确率还是召回率？请说明理由。答案：（1）以“实际流失”为正例。实际正例数为500，实际负例数为9500；预测正例数为800，其中真正例为400。T（2）AccuracyPrecisionRecall$$F_1=\frac{2\times\text{Precision}\times\text{Recall}}{\text{Precision}+\text{Recall}}

=\frac{2\times0.5\times0.8}{0.5+0.8}\approx61.5\%$$（3）应优先关注精确率。因为优惠券只发放给“预测为会流失”的用户，精确率表示这部分用户中真正流失的比例。预算有限时，如果精确率太低，大量优惠券会被发给实际不会流失的用户，造成营销成本浪费。解析：本题关键是先确定实际正例总数500、实际负例总数9500。预测正例800人中的400个TP是同时满足“实际流失”与“预测流失”的样本；剩余400个预测正例为FP。FN由实际流失总数500减去TP400得到，TN可由样本总数减去TP、FP、FN得到。2.某医院计划开发一个基于胸部X光影像的肺炎辅助诊断系统。请从数据收集、数据预处理、模型选择、模型训练、模型评估、上线部署与伦理安全六个环节，提出关键技术要点。答案：（1）数据收集：收集已标注的胸部X光影像，覆盖不同年龄、性别、设备和疾病阶段，保证数据多样性；患者信息必须脱敏，并依法获得合规授权。（2）数据预处理：统一图像尺寸和灰度范围，进行对比度归一化；审查标注质量；使用翻转、旋转、尺度变换等数据增强方法扩充样本。（3）模型选择：以预训练卷积神经网络（如ResNet、DenseNet）为基础进行迁移学习；也可结合目标检测或图像分割模型定位病灶区域。（4）模型训练：划分训练集、验证集和测试集；使用交叉熵损失和Adam等优化算法训练；通过早停、正则化、Dropout等方法抑制过拟合。（5）模型评估：除准确率外，