2026年计算机科学与技术专业综合能力测试试题及答案

2026年计算机科学与技术专业综合能力测试试题及答案1.若用平衡二叉树存储10亿条大模型训练样本的embedding向量索引，平均查找时间复杂度为（）A.O(1)B.O(logn)C.O(n)D.O(nlogn)参考答案：B解析：平衡二叉树的左右子树高度差不超过1，树的高度始终保持在logn量级，因此平均查找时间复杂度为O(logn)，散列表的平均查找时间复杂度为O(1)，因此本题选B。2.DDR5-4800内存，单通道位宽为64bit，单通道理论带宽为（）A.38.4GB/sB.19.2GB/sC.76.8GB/sD.48GB/s参考答案：A解析：DDR内存的等效频率为标称数值，带宽计算公式为：等效频率×位宽/8，因此本题计算过程为：4800MHz×64bit/8=4800×8MB/s=38400MB/s=38.4GB/s，因此本题选A。3.在容器化部署的大语言模型推理服务中，实现CPU、内存等硬件资源隔离限制的核心Linux内核机制是（）A.进程上下文切换B.cgroupC.namespaceD.虚拟内存参考答案：B解析：Linux容器技术中，namespace用于隔离进程的全局资源空间，比如进程ID空间、网络空间、文件系统空间，让容器内进程看不到宿主机和其他容器的进程；而cgroup（控制组）用于对一组进程进行资源的统计和限制，实现CPU、内存、带宽等硬件资源的隔离分配，因此本题选B。4.HTTP/3协议采用的传输层基础协议是（）A.TCPB.UDPC.SCTPD.QUIC参考答案：D解析：HTTP/1.1和HTTP/2基于TCP协议，HTTP/3基于IETF标准化的QUIC协议，QUIC运行在UDP之上，解决了TCP的队头阻塞、握手延迟问题，因此本题选D。5.DevOps研发流程中，“安全左移”的核心含义是（）A.将安全测试从上线后的运维阶段移动到测试阶段，减少上线后的安全问题B.将安全管控嵌入到研发全生命周期的早期阶段，从需求分析阶段就介入安全管理C.将安全检测工具部署在左侧服务器节点，就近执行安全扫描D.在代码提交到远程仓库之后、构建镜像之前执行安全检测参考答案：B解析：安全左移中的“左”指的是研发流程的早期阶段，传统安全检测一般放在上线前的最后阶段，发现问题修复成本极高，安全左移就是把安全管控提前，越早发现安全漏洞修复成本越低，从需求分析、编码阶段就引入安全规则检查，因此本题选B。6.对比B+树与LSM树，LSM树在以下哪个场景中性能优势更明显（）A.大量随机写入B.大量随机读取C.少量顺序写入D.单点精准查询参考答案：A解析：LSM树的核心设计思想是将随机写入转换为顺序写入，通过内存的跳表/红黑树接收写入，当内存写满之后批量顺序写入磁盘，因此写入性能远高于需要多次磁盘随机IO的B+树，适合写密集的场景，因此本题选A。7.大语言模型微调方法中，LoRA（低秩自适应）的核心思想是（）A.冻结预训练模型的全部权重，只训练低秩分解的增量矩阵B.只微调预训练模型的最后几层，冻结前面所有层的权重C.对预训练模型的所有权重进行小幅度微调，降低过拟合风险D.对预训练模型权重进行量化压缩，降低微调过程的显存占用参考答案：A解析：LoRA的核心设计是在原模型的全连接层旁引入低秩分解的支路，原模型权重全部冻结，只训练低秩支路的两个小矩阵，大幅降低微调需要的显存和计算量，同时精度接近全量微调，因此本题选A。8.以下哪种一致性级别能够保证任何读操作一定能读到最新完成写入的已提交数据（）A.读已提交B.可重复读C.线性一致性D.快照隔离参考答案：C解析：线性一致性也叫强一致性，要求任何后续的读操作都能读到已经完成的写操作的结果，是最高级别的一致性；读已提交、可重复读、快照隔离都可能读到旧版本的数据，因此本题选C。9.编译过程中，发现源程序词法错误（比如非法字符、不符合规则的标识符）的阶段是（）A.语法分析B.语义分析C.词法分析D.目标代码生成参考答案：C解析：编译过程分为词法分析、语法分析、语义分析、中间代码生成、代码优化、目标代码生成六个阶段，词法分析阶段负责把源程序字符流切分为token，识别出不符合规则的非法字符和非法标识符，因此词法错误在词法分析阶段发现，本题选C。10.RISC-V指令集架构中，以下哪条指令属于R型（寄存器-寄存器型）指令（）A.addt0,t1,t2B.lwt0,0(sp)C.beqt0,t1,labelD.jalra,label参考答案：A解析：R型RISC-V指令是寄存器-寄存器型，三个操作数都是寄存器，add指令符合；lw是I型负载指令，beq是B型分支指令，jal是J型跳转指令，因此本题选A。1.HTTP/2为了解决TCP队头阻塞问题，引入了______机制实现同连接内多个请求的多路复用。参考答案：二进制分帧2.Transformer架构中，______机制使得模型能够同时建模输入序列中不同位置之间的语义关联。参考答案：自注意力3.操作系统进程同步领域，最经典的三个同步问题是生产者-消费者问题、______问题和哲学家进餐问题。参考答案：读者-写者4.对一棵二叉树进行遍历，若遍历结果为左子树、根节点、右子树的顺序，该遍历方式为______遍历。参考答案：中序5.软件测试过程中，完成模块单元测试和集成测试之后，需要进行______测试，验证整体系统是否符合需求规格说明的所有要求。参考答案：系统6.大语言模型生成文本时，______采样方法的核心是保留概率从高到低排列、累积概率和不超过p的候选词，再从中采样，能够有效提升生成文本的多样性，避免退化。参考答案：核（Top-p）7.关系型数据库理论中，消除了非主属性对码的部分函数依赖的关系模式属于______范式。参考答案：第二（或2NF）8.Raft分布式共识算法中，节点的三种状态是领导者、跟随者和______。参考答案：候选人（或候选者）1.请简述大语言模型中上下文窗口的含义，并说明上下文窗口大小对模型推理性能和生成效果的影响。参考答案：上下文窗口是大语言模型在一次推理生成过程中，能够同时处理的输入序列（包含用户提示词prompt和已经生成的输出序列）的最大token数量，是大语言模型核心架构参数之一。上下文窗口大小对推理性能的影响：大语言模型自注意力计算的时间复杂度和空间复杂度都是O(n²)，其中n为上下文长度，因此上下文窗口越大，单次推理的计算量和显存占用都会随窗口大小呈平方级增长，直接导致推理延迟升高，单张GPU能够承载的并发推理请求数量下降，整体推理吞吐量降低，服务部署成本也会上升。上下文窗口大小对生成效果的影响：更大的上下文窗口能够支持处理更长的输入，比如完整长文档、多轮长对话、数万行的代码库，能够避免因为上下文截断导致关键信息丢失，提升长文档问答、长代码生成等复杂任务的生成质量；但过大的上下文窗口也会带来新的问题，目前多数大模型会出现“远因遗忘”现象，也就是对距离当前位置较远的关键信息的注意力权重显著降低，反而会导致生成准确性下降，同时过长的上下文也会引入大量冗余信息，干扰模型对核心信息的关注。2.请简述TCP三次握手建立连接的过程，并说明为什么不能使用两次握手建立连接。参考答案：TCP三次握手的过程如下：第一次握手，客户端向服务器发送SYN同步报文，指定客户端的初始序列号x，客户端进入SYN_SENT状态；第二次握手，服务器收到客户端的SYN报文后，回复SYN+ACK报文，确认客户端的序列号x+1，同时指定服务器自己的初始序列号y，服务器进入SYN_RCVD状态；第三次握手，客户端收到服务器的SYN+ACK报文后，回复ACK确认报文，确认服务器的序列号y+1，客户端进入ESTABLISHED状态，服务器收到ACK报文后也进入ESTABLISHED状态，连接建立完成。不能使用两次握手建立连接的原因主要有两点：第一，防止过期的连接请求导致服务器错误建立连接，浪费资源。如果客户端发送的第一个连接请求因为网络拥塞延迟，客户端已经超时重发了新的连接请求，完成通信后断开连接，原来的延迟连接请求才到达服务器，如果是两次握手，服务器收到SYN就会直接建立连接，会一直等待客户端发送数据，浪费大量服务器资源，三次握手可以避免这个问题，客户端不会对过期的SYN回复ACK，服务器收不到ACK就不会建立连接。第二，两次握手无法保证双方都确认对方的收发能力正常，也无法协商双方的初始序列号。三次握手中，客户端可以确认服务器收到了自己的SYN，服务器也可以确认客户端收到了自己的SYN，双方都确认双向连通正常，才能建立可靠的连接。3.什么是零拷贝技术？请举例说明零拷贝技术在计算机系统中的典型应用场景。参考答案：零拷贝技术是一种IO优化技术，核心是消除IO过程中不必要的CPU数据拷贝，减少用户态和内核态之间的上下文切换次数，降低CPU开销，提升IO吞吐量。传统的IO流程中，数据从磁盘读取到内核态缓冲区，再由CPU拷贝到用户态缓冲区，处理完成后再由CPU拷贝到内核态网卡缓冲区，整个过程有两次CPU拷贝，三次上下文切换，零拷贝技术通过DMA直接传输、内存映射、内核直接处理等方式消除不必要的CPU拷贝，提升性能。零拷贝的典型应用场景包括：第一，静态Web文件服务，Nginx等Web服务器使用sendfile零拷贝技术传输静态文件，数据不需要拷贝到用户态，直接从内核缓冲区传输到网卡缓冲区，大幅降低CPU开销，提升大文件传输的吞吐量，降低延迟。第二，消息中间件，Kafka等消息中间件使用零拷贝技术转发消息，消息从磁盘读取后直接传输到网卡，不需要经过用户态拷贝，大幅提升高并发消息转发的性能，降低CPU消耗。第三，大模型训练的数据加载，训练框架使用零拷贝技术将存储中的训练数据直接映射到训练进程的地址空间，减少数据预处理过程中的数据拷贝，避免数据IO成为训练的瓶颈，提升训练吞吐量。4.请对比面向过程编程与面向对象编程的核心差异，说明面向对象编程在大型软件开发中的优势。参考答案：面向过程编程与面向对象编程的核心差异主要体现在三点：第一，核心抽象不同：面向过程编程以过程为核心抽象，将问题拆解为一系列顺序执行的函数步骤，数据和操作数据的函数是分离的；面向对象编程以对象为核心抽象，将问题拆解为多个不同职责的对象，每个对象封装了自身的属性（数据）和方法（操作数据的行为），通过对象之间的消息交互完成系统功能。第二，复用机制不同：面向过程编程主要通过函数复用，粒度较粗，复用场景有限；面向对象编程通过类、继承、组合、接口实现多粒度的代码复用，支持同一接口多种实现。第三，扩展方式不同：面向过程修改功能往往需要修改原有流程的代码，容易引入新的问题；面向对象可以通过新增类、重写方法实现功能扩展，符合开闭原则，不需要修改原有稳定代码。面向对象编程在大型软件开发中的优势主要体现在四点：第一，适合拆分复杂系统，符合人类认知习惯，大型软件可以按照业务领域拆分为不同的对象模块，每个模块职责清晰，降低开发过程的理解复杂度，适合多人团队协作开发，不同团队负责不同模块，降低模块之间的耦合度。第二，可维护性更好，面向对象的封装性将对象的内部实现隐藏，只对外暴露统一接口，修改对象内部实现不会影响其他模块，大幅降低需求变更带来的修改成本，适合大型软件持续迭代的需求。第三，代码复用率更高，通过继承和组合可以复用已有成熟模块的功能，避免重复开发，提升大型项目的开发效率，减少重复代码带来的维护成本。第四，可测试性更好，每个对象模块可以独立进行单元测试，不需要依赖其他模块，方便大型项目的质量管控，更容易定位问题，提升测试效率。1.给定一个无序整数数组nums和一个目标值target，请你找出数组中三个数之和等于target的所有不重复三元组，要求算法时间复杂度不高于O(n²)，请写出算法思路并给出核心实现代码（Python/Java均可）。参考答案：算法思路：首先对数组排序，排序后固定第一个元素，再使用双指针找剩余两个元素，同时通过去重操作避免生成重复的三元组，整体时间复杂度为O(n²)，符合要求，具体步骤如下：（1）先对数组进行升序排序，排序时间复杂度O(nlogn)；（2）遍历排序后的数组，每个位置i作为三元组的第一个元素，如果i>0且nums[i]等于nums[i-1]，说明元素重复，直接跳过，避免生成重复三元组；（3）初始化左指针l=i+1，右指针r=数组长度-1，当l<r时循环计算三数之和sum=nums[i]+nums[l]+nums[r]；（4）如果sum等于target，将当前三元组加入结果集，然后移动左右指针，同时跳过重复元素避免重复：如果nums[l]等于nums[l+1]就持续右移l，如果nums[r]等于nums[r-1]就持续左移r，直到不重复，最后l右移一位，r左移一位；（5）如果sum小于target，说明需要更大的数，将l右移一位；如果sum大于target，说明需要更小的数，将r左移一位；（6）遍历完成后返回结果集即可。核心Python实现代码：defthreeSum(nums:list[int],target:int)->list[list[int]]:res=[]nums.sort()n=len(nums)foriinrange(n):ifi>0andnums[i]==nums[i-1]:continuel,r=i+1,n-1whilel<r:current_sum=nums[i]+nums[l]+nums[r]ifcurrent_sum==target:res.append([nums[i],nums[l],nums[r]])whilel<randnums[l]==nums[l+1]:l+=1whilel<randnums[r]==nums[r-1]:r-=1l+=1r-=1elifcurrent_sum<target:l+=1else:r-=1returnres2.某互联网公司计划开发基于大语言模型的公开在线问答服务，支持百万级日活用户提问，要求回答延迟尽可能低，支持保存多轮对话上下文，请回答以下问题：（1）请说明该系统的核心架构分层，说明每一层的核心作用；（2）列举至少3种优化该服务推理延迟的方法，并说明优化原理。参考答案：（1）该系统的核心架构分为五层，各层作用如下：①接入层：负责用户请求的接入和入口管控，核心包含负载均衡、反向代理、身份校验、限流熔断模块，作用是将用户请求均匀分发到后端业务节点，避免单点故障，拦截非法请求和超量请求，保护后端服务不会被流量冲垮，同时统一处理SSL卸载等入口工作。②业务逻辑层：负责处理业务相关逻辑，核心功能包括用户身份识别、多轮对话上下文组装、prompt工程处理、敏感内容过滤、模型输出结果后处理，作用是对接入层转发的请求进行预处理，整理成符合大模型要求的输入格式，再将大模型的输出处理成符合前端展示要求的结果返回给用户。③缓存层：核心存储热点问题的回答结果、多轮对话上下文、大模型推理的KV缓存，作用是对于用户重复提问的热点问题直接返回缓存结果，不需要调用大模型推理，大幅降低延迟和推理资源消耗，一般使用Redis作为缓存存储。④推理服务层：负责大模型的推理计算，一般部署多个推理实例，通过负载均衡调度，支持动态扩缩容，大参数模型会通过张量并行、流水线并行拆分到多个GPU卡运行，作用是完成大模型的文本生成计算，