2026年人工智能基础知识考核试卷及答案

2026年人工智能基础知识考核试卷及答案一、单项选择题（每题2分，共40分）1.1956年的达特茅斯会议被广泛认为是人工智能学科诞生的标志，下列哪位学者未参加该会议？A.约翰·麦卡锡B.马文·明斯基C.克劳德·香农D.阿兰·图灵答案D解析阿兰·图灵于1954年去世，而达特茅斯会议举办于1956年。2.在机器学习中，监督学习与无监督学习的主要区别在于？A.数据量的大小B.模型算法的复杂度C.训练数据是否带有标签D.是否使用神经网络答案C3.下列哪个激活函数是目前深度神经网络中最常用的，能够有效缓解梯度消失问题？A.SigmoidB.TanhC.ReLUD.Step答案C4.在自然语言处理（NLP）任务中，Transformer模型核心引入的机制是？A.卷积运算B.注意力机制C.循环结构D.池化层答案B5.下列关于“过拟合”的描述，错误的是？A.模型在训练集上表现很好，但在测试集上表现较差B.通常是由于模型参数过多、训练数据过少导致的C.Dropout技术可以用来缓解过拟合D.增加训练数据的噪声一定会导致过拟合答案D解析适当增加训练数据的噪声（数据增强）通常有助于提高模型的泛化能力，防止过拟合。6.在计算机视觉领域，CNN（卷积神经网络）中的“池化层”主要作用是？A.增加特征图的维度B.提取图像边缘特征C.降低数据维度，减少计算量D.引入非线性变换答案C7.大语言模型（LLM）在推理时常用的“温度”参数，其主要作用是？A.控制生成文本的长度B.控制生成结果的随机性和多样性C.控制显存占用大小D.控制模型的运算速度答案B8.下列哪种算法主要用于聚类任务？A.K-MeansB.LogisticRegressionC.SupportVectorMachineD.RandomForest答案A9.在强化学习中，Agent通过与环境交互以最大化累积奖励，其核心要素不包括？A.状态B.动作C.标签D.奖励答案C10.生成式对抗网络由两个部分组成，分别是生成器和？A.判别器B.编码器C.解码器D.分类器答案A11.评估二分类模型性能时，当精确率和召回率出现矛盾时，常用的综合评价指标是？A.AccuracyB.F1-ScoreC.MSED.MAE答案B12.下列关于“知识图谱”的描述，正确的是？A.是一种基于规则的专家系统B.是一种结构化的语义知识库，通常以图结构存储C.只能处理文本数据，不能处理图像D.不需要人工进行数据标注答案B13.深度学习框架TensorFlow和PyTorch中，用于自动求导的核心机制称为？A.动态规划B.计算图C.梯度下降D.反向传播答案B14.在目标检测任务中，IoU（IntersectionoverUnion）指标用于衡量？A.分类准确度B.预测框与真实框的重叠程度C.模型的运算速度D.模型的鲁棒性答案B15.提示词工程是指？A.编写AI模型的底层代码B.优化输入给大模型的文本指令，以引导模型输出更理想的结果C.设计AI芯片的电路结构D.清洗和标注训练数据答案B16.AlphaGo算法主要结合了哪两种技术？A.卷积神经网络和遗传算法B.强化学习和蒙特卡洛树搜索C.支持向量机和决策树D.循环神经网络和动态规划答案B17.下列哪项不属于人工智能发展的三大主流学派？A.符号主义B.连接主义C.行为主义D.逻辑主义答案D解析逻辑主义通常归类于符号主义，三大主流学派通常指符号主义、连接主义和行为主义。18.在线性回归模型y=A.交叉熵损失函数B.均方误差C.HingeLossD.对数损失答案B19.RAG（检索增强生成）技术的主要目的是？A.减少大模型的参数量B.让大模型能够访问外部知识库，减少幻觉并提高时效性C.加速模型的训练过程D.完全替代模型的预训练阶段答案B20.目前主流大语言模型（如GPT系列）的训练阶段通常不包含？A.预训练B.有监督微调C.基于人类反馈的强化学习（RLHF）D.K-Means聚类答案D二、多项选择题（每题3分，共30分。多选、少选、错选均不得分）1.下列属于人工智能主要应用领域的有？A.自动驾驶B.智能医疗影像分析C.金融风控D.游戏博弈答案ABCD2.常见的梯度下降优化算法包括？A.SGDB.AdamC.RMSpropD.K-Means答案ABC3.数据预处理是机器学习的重要环节，常见的方法包括？A.归一化B.标准化C.缺失值填充D.独热编码答案ABCD4.卷积神经网络（CNN）中常见的层结构包括？A.卷积层B.池化层C.全连接层D.注意力层答案ABC解析注意力层是Transformer的核心，虽然现代CNN也可以引入，但经典CNN结构主要包含前三者。5.下列关于大语言模型“幻觉”的描述，正确的有？A.指模型生成了看似合理但实际上错误或无意义的内容B.是大模型固有特性之一，目前难以完全消除C.可以通过RAG技术有效缓解D.只会出现在训练数据量不足的模型中答案ABC6.人工智能伦理与安全关注的主要问题包括？A.算法偏见与歧视B.隐私泄露C.模型可解释性D.深度伪造滥用答案ABCD7.下列属于循环神经网络（RNN）变体的有？A.LSTMB.GRUC.ResNetD.VGG答案AB解析ResNet和VGG是主要用于计算机视觉的CNN模型。8.在自然语言处理中，词嵌入技术的优势包括？A.将词语转化为高维向量B.能够捕捉词语之间的语义相似度C.解决了独热编码维度过高且稀疏的问题D.能够直接处理图像数据答案ABC9.模型评估中，混淆矩阵可以用于计算哪些指标？A.准确率B.精确率C.召回率D.特异性答案ABCD10.下列属于无监督学习任务的有？A.降维B.密度估计C.异常检测D.线性回归答案ABC解析线性回归属于监督学习。三、判断题（每题1分，共10分）1.深度学习是机器学习的一个子集，而机器学习是人工智能的一个子集。答案**：正确2.神经网络的层数越深，模型的性能一定越好。答案错误解析过深的网络可能导致梯度消失、梯度爆炸或过拟合，且计算成本急剧增加。3.SVM（支持向量机）在处理非线性可分数据时，可以使用核技巧将数据映射到高维空间。答案正确4.决策树算法对数据的缩放（如归一化）非常敏感。答案错误解析决策树基于规则划分，对数据的数值缩放不敏感。5.Transformer模型完全摒弃了循环结构，仅基于注意力机制。答案正确6.增强学习属于监督学习的一种特殊形式。答案错误解析强化学习通常被视为与监督学习、无监督学习并列的第三大类机器学习范式。7.在图像识别任务中，数据增强可以扩充训练集，从而提高模型泛化能力。答案正确8.目前的人工智能已经具备了完全等同于人类的意识和情感。答案错误9.迁移学习是指将一个领域训练好的模型应用到另一个相关领域，通常可以节省训练时间和数据需求。答案正确10.所有的机器学习模型在训练前都需要对特征进行归一化处理。答案错误解析并非所有模型都需要，例如基于树的模型通常不需要归一化。四、简答题（每题5分，共20分）1.简述梯度下降法的基本原理及其在神经网络训练中的作用。答案梯度下降法是一种迭代优化算法，用于寻找目标函数（损失函数）的极小值。其基本原理是沿着损失函数关于参数的负梯度方向更新参数，因为梯度方向是函数增长最快的方向，负梯度方向则是下降最快的方向。在神经网络训练中，梯度下降通过反向传播算法计算梯度，不断调整网络中的权重和偏置，以最小化预测值与真实值之间的误差，从而使模型学习到数据的特征。2.请解释精确率和召回率的含义，并说明为什么在某些场景下需要权衡这两个指标。•精确率：指在模型预测为正类的样本中，真正为正类的样本所占的比例。公式为TP•召回率：指在所有实际为正类的样本中，被模型正确预测为正类的样本所占的比例。公式为TP•权衡原因：在很多场景下，提高精确率往往会导致召回率下降，反之亦然。例如在垃圾邮件拦截中，追求高精确率可能漏掉部分垃圾邮件（召回率低）；追求高召回率可能误判正常邮件（精确率低）。因此需要根据具体业务需求（如更看重不漏判还是不误判）来权衡这两个指标。3.简述卷积神经网络（CNN）中“局部感受野”和“权值共享”的概念及其优势。•局部感受野：指卷积层中的神经元只与前一层特定区域（局部）的神经元相连，而不是全连接。这使得网络能够提取局部特征（如边缘、纹理）。•权值共享：指在同一个卷积层中，使用同一个卷积核（即同一组权重）在输入图像的不同位置进行滑动卷积。•优势：这两个特性大大减少了模型的参数数量，降低了计算复杂度，防止过拟合，同时使模型具有平移等变性，即对图像中特征的位置变化不敏感。4.列举至少三种缓解过拟合的方法，并简要说明。答案1.正则化：在损失函数中加入L1或L2正则项，限制模型参数的大小，