2026年人工智能应用能力考核试题及答案

2026年人工智能应用能力考核试题及答案一、单项选择题（每题1.5分，共30分）1.下列哪项属于人工智能中"监督学习"的典型应用？A.根据用户历史行为将用户划分为不同群体B.通过标注好的猫狗图片训练图像分类模型C.使用强化学习训练机器人走迷宫D.使用聚类算法对新闻文本自动归类答案：B解析：监督学习依赖带标签的训练数据。A、D属于无监督学习中的聚类，C属于强化学习。2.在大语言模型（LLM）应用中，RAG（检索增强生成）技术主要用于解决下列哪个问题？A.模型幻觉与知识时效性不足B.模型训练速度过慢C.模型参数量过大D.上下文窗口无法扩展答案：A解析：RAG通过检索外部知识库，将相关内容注入提示词，可显著减少模型编造信息（幻觉），并补充模型训练截止日期之后的新知识。3.深度学习模型中，ReLU激活函数的数学表达式是？A.ReLUB.ReLUC.ReLUD.ReLU答案：C4.在卷积神经网络（CNN）中，池化层（PoolingLayer）的主要作用是什么？A.增加网络参数量B.降低特征图的空间尺寸，减少计算量并增强平移不变性C.将特征图映射到更高维度D.替代全连接层完成分类答案：B5.下列哪个指标最适合评价一个二分类模型在不平衡数据集上的综合表现？A.准确率（Accuracy）B.精确率（Precision）C.召回率（Recall）D.F1分数（F1-Score）答案：D解析：不平衡数据集中准确率容易被多数类主导，F1分数是精确率与召回率的调和平均，能更均衡地反映模型对少数类的识别能力。6.在Transformer架构中，"自注意力机制"（Self-Attention）的核心目的是？A.对输入序列进行卷积特征提取B.计算序列中每个位置与其他位置的相关性权重C.对输出结果进行归一化D.将文本转换为固定长度的向量答案：B7.使用pip安装Python机器学习库scikit-learn的正确命令是？A.pipinstallsklearn-learnB.pipinstallscikit_learnC.pipinstallscikit-learnD.pipinstallsk-learn答案：C8.在模型训练过程中，当训练集损失持续下降而验证集损失开始上升时，最可能发生了什么？A.欠拟合（Underfitting）B.过拟合（Overfitting）C.梯度消失（GradientVanishing）D.学习率设置过低答案：B9.下列哪项不是计算机视觉领域的典型任务？A.目标检测（ObjectDetection）B.实例分割（InstanceSegmentation）C.词性标注（POSTagging）D.图像生成（ImageGeneration）答案：C10.在自然语言处理中，"词嵌入"（WordEmbedding）的主要作用是？A.将词语映射为低维稠密向量以捕捉语义信息B.对文本进行句法结构分析C.统计词语在语料库中出现的频率D.将文本转换为语音信号答案：A11.关于大语言模型的"上下文窗口"（ContextWindow），下列说法正确的是？A.指模型训练时使用的GPU数量B.指模型单次能处理的最大token数量C.指模型输出文本的最大长度上限D.指训练数据集的规模大小答案：B12.下列哪种方法不能有效缓解LLM的"幻觉"问题？A.使用RAG引入外部权威知识B.在提示词中要求模型注明信息来源C.增大模型生成时的随机采样温度D.采用思维链（Chain-of-Thought）提示引导模型逐步推理答案：C解析：提高温度参数会增大输出的随机性，通常加剧而非缓解幻觉。A、B、D均为业界常用的抑制幻觉手段。13.在PyTorch框架中，用于自动计算梯度的核心类是？A.torch.Tensor（设置requires_grad=True）B.torch.DatasetC.torch.OptimizerD.torch.Model答案：A14.下列哪项关于"模型微调"（Fine-tuning）的描述是错误的？A.微调是在预训练模型基础上使用下游任务数据继续训练B.微调可以显著降低下游任务的数据需求量C.微调时通常使用较小的学习率D.微调必须重新随机初始化模型全部参数答案：D解析：微调一般基于预训练权重继续训练，无需重新初始化全部参数；全量微调或参数高效微调（如LoRA）均保留预训练知识。15.在智能客服系统中，用户输入"我要退货"被系统自动归类到"售后"意图。这一环节属于NLP中的哪项任务？A.命名实体识别（NER）B.文本分类/意图识别C.机器翻译D.文本摘要答案：B16.关于AI模型部署，下列哪种方式最适合在资源受限的边缘设备（如手机、嵌入式设备）上运行？A.部署完整版千亿参数大模型B.对模型进行量化、剪枝等压缩处理后部署C.使用CPU运行原始未优化的深度学习模型D.必须将模型部署到云端GPU集群答案：B17.在Python中，用于数值计算与数组运算的核心库是？A.pandasB.matplotlibC.numpyD.seaborn答案：C解析：pandas侧重表格数据处理，matplotlib与seaborn是可视化库，numpy提供多维数组与数值计算基础能力。18.人脸识别系统中，将人脸图像转换为特征向量并进行比对的过程，主要依赖下列哪种技术实现？A.循环神经网络（RNN）B.卷积神经网络（CNN）与人脸特征嵌入学习C.隐马尔可夫模型（HMM）D.决策树答案：B19.根据《生成式人工智能服务管理暂行办法》，生成式AI服务提供者应当履行下列哪项义务？A.对所有用户进行实名认证后方可使用B.对生成内容进行显著标识，防止公众混淆或误认C.拒绝向任何用户提供生成内容D.完全公开模型内部参数与训练数据答案：B20.在提示词工程中，"零样本学习"（Zero-shot）是指？A.不提供任何示例，直接让模型完成任务B.在提示中提供一个示例后让模型完成任务C.在提示中提供多个示例后让模型完成任务D.使用无标注数据对模型进行预训练答案：A解析：零样本指不给示例直接提问；提供一个示例为单样本（One-shot），提供多个示例为少样本（Few-shot）。二、多项选择题（每题2分，共20分）1.下列哪些属于人工智能的主要研究分支？A.机器学习B.自然语言处理C.计算机视觉D.机器人学答案：ABCD2.关于数据预处理，下列做法正确的有？A.对缺失值进行填充或删除B.对数值型特征进行标准化或归一化C.对类别型特征进行独热编码或标签编码D.直接删除所有存在离群值的样本答案：ABC解析：离群值需结合业务场景判断处理方式，直接全部删除可能丢失重要信息，故D错误。3.下列哪些方法可以有效缓解模型过拟合？A.增加训练数据量B.使用Dropout随机丢弃部分神经元C.引入L1/L2正则化D.加大模型参数量答案：ABC解析：增大模型参数量通常加剧过拟合，D错误。4.在构建RAG系统时，下列哪些环节是必要的？A.将文档切分为合适的块（Chunk）B.使用嵌入模型将文本转换为向量并存入向量数据库C.根据用户查询检索相关文本片段D.将检索结果注入提示词交由LLM生成回答答案：ABCD5.关于大语言模型（LLM），下列说法正确的有？A.LLM基于Transformer架构B.通过大规模文本语料进行预训练C.LLM具备上下文学习（In-contextLearning）能力D.LLM的输出始终是确定且正确的答案：ABC解析：LLM使用概率采样生成文本，输出具有随机性且可能产生幻觉，并非始终正确。6.下列哪些属于模型量化（Quantization）的常见方法？A.将FP32权重转换为INT8表示B.对权重矩阵进行低秩分解C.训练时随机丢弃部分神经元D.使用混合精度训练/推理答案：ABD解析：量化是降低数值精度以压缩模型，低秩分解属于模型压缩但严格说不是量化；Dropout是正则化手段，与量化无关。本题C明显不选，A、D是量化相关操作，B是常与量化并列的压缩技术，部分教材将其归入"模型压缩"章节而非量化本身，但结合选项语境选ABD更合理。建议：本选项设置易引起争议，正式考试建议只保留A、D作为可选项。7.在AI伦理与合规方面，下列做法正确的有？A.训练数据中涉及个人隐私时应进行脱敏处理B.对算法决策进行公平性评估，避免性别、种族等偏见C.在医疗AI辅助诊断系统中，明确标注"仅供参考，需由医生复核"D.使用爬虫抓取任何网站数据用于训练无需授权答案：ABC解析：抓取数据需遵守网站条款与相关法律法规，D错误。8.下列哪些是常见的参数高效微调（PEFT）方法？A.LoRA（低秩适配）B.PrefixTuningC.PromptTuningD.全量参数训练答案：ABC解析：PEFT仅训练少量额外参数，D属于全量微调，不属于参数高效微调。9.关于pandas库，下列说法正确的有？A.DataFrame是二维带标签的表格数据结构B.df.head()可以查看数据前几行C.df.dropna()可以删除包含缺失值的行或列D.df.groupby()可以实现分组聚合运算答案：ABCD10.下列哪些场景适合使用"强化学习"解决？A.围棋对弈策略学习B.机器人行走控制C.自动驾驶决策规划D.对商品评论进行情感极性分类答案：ABC解析：D是典型的监督学习分类任务，强化学习需要智能体与环境交互并通过奖励信号学习策略。三、判断题（每题1分，共10分）1.人工智能、机器学习、深度学习三者的关系是：深度学习⊂机器学习⊂人工智能。答案：正确2.交叉验证（Cross-validation）主要用于评估模型的泛化能力。答案：正确3.在提示词工程中，温度参数（Temperature）设置为0时，模型每次输出完全相同。答案：正确解析：温度为0时模型采用贪心解码，每次选择概率最高的token，输出确定性最强。4.昇腾（Ascend）芯片是华为公司面向AI计算推出的处理器。答案：正确5.深度学习模型训练时，学习率设置得越大，模型收敛越快且效果一定越好。答案：错误解析：学习率过大会导致损失震荡甚至发散，并非越大越好，需要适当调整。6.向量数据库（如Milvus、Chroma）是构建基于嵌入检索的RAG系统中的常见基础设施。答案：正确7.大型语言模型的参数量越大，推理速度一定越快。答案：错误解析：参数越多计算量越大，推理速度通常更慢，需要借助量化、并行计算等手段优化。8.使用生成式AI创作的文章，其版权完全归AI所有，人类创作者不享有任何权利。答案：错误解析：我国现行法律未将AI列为著作权主体，AI生成内容的版权归属与可版权性需依据具体情境和现行法规判断，不能一概而论。9.MLOps（机器学习运维）关注的是模型从开发、部署到监控的全生命周期管理。答案：正确10.对图像数据进行水平翻转、随机裁剪、旋转等操作属于数据增强技术。答案：正确四、简答题（每题6分，共24分）1.简述机器学习中"监督学习""无监督学习""强化学习"三者的核心区别。答案：(1)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，如分类、回归。(2)无监督学习：使用无标签数据，发现数据内在结构或分布规律，如聚类、降维。(3)强化学习：智能体通过与环境的交互获取奖励信号，学习最优决策策略。2.列举至少三种大语言模型的典型应用场景，并简要说明其实现思路。答案：(1)智能客服：基于LLM理解用户问题，结合知识库检索（RAG）生成准确回复。(2)文本摘要：将长文档输入模型，通过提示词要求生成摘要，或利用微调模型完成。(3)代码生成：根据自然语言需求描述，由代码大模型生成程序代码或辅助调试。(4)机器翻译：利用LLM的多语言理解能力完成跨语言文本转换。3.简述模型微调（Fine-tuning）与检索增强生成（RAG）在解决大模型行业应用时的各自特点。答案：(1)微调：将领域数据用于继续训练模型，使模型内化领域知识，提升特定任务表现；但需要较多标注数据和计算资源，更新知识需重新训练，存在灾难性遗忘风险。(2)RAG：通过外部检索实时引入最新知识，无需重新训练，知识更新成本低，可溯源性好，适合知识频繁更新的场景；但其效果受检索质量影响。4.请写出Python中利用scikit-learn构建一个线性回归模型并进行训练、预测的核心代码步骤（可用伪代码）。fromsklearn.linear_modelimportLinearRegression

fromsklearn.model_selectionimporttrain_test_split

#1.划分训练集与测试集

X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=42)

#2.创建模型

model=LinearRegression()

#3.训练模型

model.fit(X_train,y_train)

#4.预测

y_pred=model.predict(X_test)

#5.评估

fromsklearn.metricsimportmean_squared_error

mse=mean_squared_error(y_test,y_pred)五、综合应用题（每题8分，共16分）1.某电商平台希望搭建一个智能评论分析系统，自动识别商品评论的情感倾向（正面/负面/中性），并提取用户最关注的产品问题关键词。请设计技术方案，并说明各环节使用的关键技术。答案：本系统可分为四个核心环节：(1)数据采集与预处理：从平台数据库或爬虫获取评论数据，进行去重、清洗（去除表情符号、HTML标签）、中文分词（如jieba）、去除停用词。(2)情感分类模型构建：采用预训练中文语言模型（如BERT-base-Chinese）进行微调，实现三分类情感识别；也可使用TF-IDF+机器学习分类器（如朴素贝叶斯、SVM）作为基线方案。将评论按8:2划分为训练集与验证集，评估指标