(2026)全国大学生人工智能知识竞赛题库及答案

(2026)全国大学生人工智能知识竞赛题库及答案一、单项选择题（每题2分，共20题，合计40分）1.人工智能学科诞生的重要标志是？A.1956年达特茅斯会议B.1946年ENIAC诞生C.1997年深蓝战胜卡斯帕罗夫D.2012年AlexNet问世2.在监督学习中，训练数据通常包含？A.只有输入特征，没有标签B.输入特征和对应的标签C.只有奖励信号D.无任何标记信息3.下列哪项属于回归问题？A.鸢尾花品种分类B.根据房屋面积和地段预测房价C.判断邮件是否为垃圾邮件D.识别图片中的猫4.Sigmoid函数的输出范围是？A.(B.(C.[D.[5.在反向传播算法中，参数梯度计算的核心数学依据是？A.贝叶斯定理B.链式法则C.中心极限定理D.大数定律6.下列哪种方法主要用于缓解过拟合？A.DropoutB.增大学习率C.删除训练数据D.无限增加网络深度7.在Transformer中，自注意力机制的核心计算公式是？A.sB.sC.tanhD.Q8.卷积神经网络中，卷积操作的主要作用是？A.降低损失B.提取局部特征C.生成伪样本D.加速模型收敛9.在自然语言处理中，Word2Vec是一种？A.词向量表示学习方法B.语音识别模型C.图像分割算法D.机器翻译模型10.BERT的预训练任务MaskedLanguageModel的核心思想是？A.根据上下文预测被遮挡词B.根据当前词预测下一个词C.判断两个句子是否相似D.对句子进行情感分类11.在Q-Learning中，Q(A.状态s的价值B.状态s下执行动作a的期望累积回报C.动作a的即时奖励D.状态转移概率12.下列哪一项不是深度学习中常用的激活函数？A.ReLUB.GELUC.SigmoidD.拉普拉斯13.图像分类任务中，训练集准确率很高而验证集准确率明显偏低，最可能的原因是？A.欠拟合B.过拟合C.梯度消失D.学习率过低14.生成对抗网络GAN的基本结构包括？A.编码器与解码器B.生成器与判别器C.查询与键值对D.卷积层与池化层15.在PyTorch中，模型训练过程中用于计算参数梯度的方法是？A.forward()B.backward()C.Softmax()D.evaluate()16.将句子输入神经网络分类器之前，下列哪种形式不能直接作为模型输入？A.词嵌入矩阵B.TF-IDF特征向量C.one-hot编码D.原始文本字符串17.知识图谱中最基本的三元组形式是？A.头实体、关系、尾实体B.主语、宾语、谓语C.节点、边、权重D.输入、输出、损失18.在分类任务中，精确率（Precision）的定义是？A.预测为正例的样本中，真正为正例的比例B.实际正例中，被预测为正例的比例C.所有样本中预测正确的比例D.实际负例中被正确预测的比例19.联邦学习的主要目的是？A.在不共享原始数据的前提下联合训练模型B.完全不需要任何通信C.只能用于图像分类D.替代所有传统机器学习方法20.下列哪项属于人工通用智能（AGI）的特征？A.只能下国际象棋B.仅能完成单一图像分类任务C.在多种不同任务上具备接近人类的泛化能力D.必须依赖人工设定规则二、多项选择题（每题3分，共10题，合计30分）1.人工智能的核心研究领域包括？A.机器学习B.自然语言处理C.计算机视觉D.机器人学2.下列属于有监督学习算法的有？A.支持向量机B.K近邻C.线性回归D.K-Means3.下列哪些措施有助于提升模型的泛化能力？A.增加训练数据量B.使用正则化C.数据增强D.无限增加网络层数4.关于卷积神经网络中的批归一化（BatchNormalization），下列说法正确的有？A.可以加快训练收敛B.能够缓解内部协变量偏移C.在一定程度上可以缓解梯度消失D.批大小为1时效果最好5.关于Transformer，下列说法正确的有？A.依赖自注意力机制B.原始结构不包含循环神经网络和卷积层C.可以并行处理序列D.需要引入位置编码来感知序列顺序6.下列哪些是生成式模型的典型代表？A.GANB.VAEC.DiffusionModelD.LogisticRegression7.在构建安全可信的人工智能系统时，常见的技术手段包括？A.差分隐私B.模型可解释性分析C.公平性约束D.无限扩大模型参数量8.关于大语言模型（LLM），下列说法正确的有？A.通常基于Transformer结构B.通过大规模预训练获取语言知识C.具有上下文学习能力D.生成内容一定完全准确9.下列属于强化学习关键要素的有？A.状态B.动作C.奖励信号D.数据标签10.下列哪些是常用的深度学习框架？A.PyTorchB.TensorFlowC.PaddlePaddleD.Hadoop三、判断题（每题1分，共10题，合计10分）1.机器学习是人工智能的一个重要分支。2.在监督学习中，模型的训练必须使用有标签数据。3.LeNet-5是早期著名的卷积神经网络之一，主要用于手写数字识别。4.正则化项的主要作用是增大模型在训练集上的损失。5.池化层能够减小特征图尺寸，且通常不引入额外可训练参数。6.梯度下降中学习率越大，模型收敛一定越快。7.静态词向量（如Word2Vec）对不同语境下的同一个词通常只使用同一向量表示。8.联邦学习必须把各客户端原始数据集中到服务器上才能训练。9.数据增强无法提升图像分类模型的鲁棒性。10.人工智能系统通过测试后，就不会再产生偏见或歧视。四、填空题（每空1分，共10空，合计10分）1.机器学习按训练信号可分为监督学习、(1)______和强化学习三类。其中，监督学习使用带(2)______的数据。2.在卷积神经网络中，常用的池化操作有(1)______和(2)______。3.在Transformer中，自注意力机制需要引入(1)______编码来补充序列位置信息；其输出随后通常经过(2)______神经网络进行非线性变换。4.在反向传播过程中，梯度通过(1)______法则从输出层逐层向前传播；当网络层数很深时，梯度容易发生(2)______，导致浅层难以训练。5.人工智能伦理中，保护隐私的常见技术包括(1)______和(2)______。五、简答题（每题5分，共2题，合计10分）1.请简述机器学习的完整训练流程，并说明训练集、验证集和测试集的作用。2.请说明深度学习中的参数共享是什么意思，并以卷积神经网络为例说明其意义。参考答案与解析一、单项选择题1.答案：A解析：1956年达特茅斯会议正式提出"ArtificialIntelligence"这一术语，被公认为人工智能学科诞生的标志。2.答案：B3.答案：B4.答案：B5.答案：B6.答案：A7.答案：A解析：自注意力先计算Query与Key的点积并缩放，再用softmax获得权重，最后与Value加权求和。8.答案：B9.答案：A10.答案：A11.答案：B12.答案：D13.答案：B14.答案：B15.答案：B16.答案：D17.答案：A解析：知识图谱通常表示为(头实体,关系,尾实体)的三元组，如(北京,是首都,中国)。18.答案：A解析：Precision=TP/(TP+FP)，关注预测为正例中的准确程度；Recall则关注实际正例中被找回来的比例。19.答案：A20.答案：C二、多项选择题1.答案：A、B、C、D解析：上述方向均是人工智能的重要分支，彼此之间也经常交叉融合。2.答案：A、B、C解析：K-Means属于无监督聚类算法，不需要标签。3.答案：A、B、C解析：无限增加网络层数可能导致参数过多、训练困难，甚至加剧过拟合，不是提升泛化能力的可靠方法。4.答案：A、B、C解析：批归一化依赖小批量统计量，批大小为1时统计量不稳定，通常无法取得理想效果。5.答案：A、B、C、D6.答案：A、B、C解析：逻辑回归是判别式模型，用于分类，不是生成式模型。7.答案：A、B、C解析：无限扩大参数量并不必然增强安全性或可信性，甚至可能带来更高的算力成本和安全隐患。8.答案：A、B、C解析：大语言模型可能产生"幻觉"，输出看似合理但事实错误的内容，因此不能保证完全准确。9.答案：A、B、C解析：强化学习交给智能体的不是标签，而是状态下的奖励反馈，智能体通过试错学习策略。10.答案：A、B、C解析：Hadoop是大数据处理框架，不是深度学习框架。三、判断题1.答案：正确2.答案：正确3.答案：正确4.答案：错误解析：正则化通过约束模型复杂度来防止过拟合，而不是刻意增大训练损失。5.答案：正确6.答案：错误解析：学习率过大会导致损失震荡甚至发散，不能保证收敛更快。7.答案：正确8.答案：错误解析：联邦学习的特点是数据不出本地，只共享模型参数或梯度。9.答案：错误10.答案：错误四、填空题1.答案：(1)无监督学习；(2)标签2.答案：(1)最大池化；(2)平均池化3.答案：(1)位置；(2)前馈4.答案：(1)链式；(2)消失（或梯度消失/梯度爆炸）5.答案：(1)差分隐私；(2)联邦学习（也可填写同态加密、安全多方计算等技术）五、简答题1.答案：完整流程一般包括：问题分析与数据收集、数据清洗与预处理、特征工程、选择模型与损失函数、划分数据集、在训练集上训练模型、利用验证集进行超参数调优和模型选择、最