2026年百度AI认证模拟试卷

2026年百度AI认证模拟试卷一、单项选择题（每题2分，共40分）1.在深度学习中，用于衡量模型预测值与真实值之间差异的函数通常被称为损失函数。在回归任务中，最常用的损失函数是？A.交叉熵损失函数B.均方误差损失函数C.Hinge损失函数D.对数损失函数答案B解析均方误差（MSE）是回归任务中最常用的损失函数，计算的是预测值与真实值差值的平方和的均值。2.百度飞桨（PaddlePaddle）框架中，用于构建全连接层的API是？A.paddle.nn.Conv2DB.paddle.nn.LinearC.paddle.nn.MaxPool2DD.paddle.nn.LSTM答案B解析paddle.nn.Linear用于构建全连接层（线性层），Conv2D是卷积层，MaxPool2D是池化层，LSTM是长短期记忆网络层。3.下列关于梯度下降算法的描述中，错误的是？A.梯度下降是一种迭代优化算法，用于求解目标函数的极小值B.学习率过大可能导致模型无法收敛，过小则收敛速度缓慢C.随机梯度下降（SGD）在每次迭代时使用所有样本来计算梯度D.批量梯度下降在每次迭代时使用所有样本来计算梯度答案C解析随机梯度下降（SGD）在每次迭代时仅使用一个样本（或一个小批量）来计算梯度，而不是所有样本。使用所有样本的是批量梯度下降。4.在卷积神经网络（CNN）中，卷积层的主要作用是？A.降低数据的维度B.提取局部特征C.防止过拟合D.将数据展平为一维向量答案B解析卷积层通过卷积核在输入数据上滑动，主要用于提取图像的局部特征（如边缘、纹理等）。池化层主要起降维作用，Dropout主要用于防止过拟合。5.针对序列数据处理任务，如自然语言处理，下列哪种模型结构最为常用？A.卷积神经网络(CNN)B.生成对抗网络(GAN)C.TransformerD.自编码器答案C解析Transformer及其变体（如BERT、GPT）由于引入了自注意力机制，能够有效捕捉长距离依赖，是目前NLP任务中最主流的模型结构。6.在PaddlePaddle中，下列哪个方法用于启动模型训练过程？A.model.eval()B.model.train()C.paddle.save()D.paddle.load()答案B解析model.train()用于将模型设置为训练模式，会启用Dropout和BatchNorm等层的训练行为；model.eval()用于设置为评估模式。7.大语言模型（LLM）推理时常用的"Temperature"参数主要用于控制什么？A.模型的运行速度B.生成文本的长度C.输出结果的随机性和创造性D.模型的显存占用答案C解析Temperature参数用于调节softmax分布的平滑度。值越高，分布越平缓，生成结果越随机、有创造性；值越低，分布越尖锐，生成越确定、保守。8.下列哪项技术不属于缓解深度学习模型过拟合的方法？A.DropoutB.L1/L2正则化C.数据增强D.增加模型参数量答案D解析增加模型参数量通常会提高模型复杂度，更容易导致过拟合。Dropout、正则化和数据增强都是常用的缓解过拟合的手段。9.在自然语言处理中，TF-IDF算法主要用于？A.文本分类B.评估单词在文档中的重要性C.词性标注D.命名实体识别答案B解析TF-IDF（TermFrequency-InverseDocumentFrequency）是一种统计方法，用以评估一个字词对于一个文件集或一个语料库中的其中一份文件的重要程度。10.百度文心大模型（ERNIE）在结构上主要基于？A.GPT结构（Decoder-only）B.BERT结构（Encoder-only）C.Encoder-Decoder结构（如T5）D.RNN结构答案B解析文心（ERNIE）系列模型早期主要基于BERT的Encoder-only结构进行优化，强调知识增强，虽然后续也有生成式模型，但其基础架构根源属于Encoder类或在此基础上发展的混合架构。11.下列关于反向传播算法的描述，正确的是？A.从输入层向输出层计算误差B.利用链式法则计算梯度C.只能用于全连接神经网络D.计算量与网络层数无关答案B解析反向传播算法的核心是利用微积分中的链式法则，从输出层向输入层反向计算损失函数对各参数的梯度。它适用于各种神经网络结构，计算量随网络复杂度增加。12.在使用PaddleNLP进行预训练模型微调时，通常使用哪种优化器以达到较好的收敛效果？A.SGDB.AdamWC.RMSpropD.Adagrad答案B解析AdamW是Adam优化器的改进版，解决了权重衰减（WeightDecay）实现的问题，在大规模预训练模型微调中表现优异，是当前的主流选择。13.计算机视觉任务中，IOU（IntersectionoverUnion）常用于？A.图像分类准确率计算B.目标检测中衡量预测框与真实框的重叠程度C.图像分割的像素精度计算D.特征点匹配的距离度量答案B解析IOU（交并比）是目标检测中常用的指标，用于计算预测边界框与真实边界框的交集面积与并集面积之比。14.下列哪个数学公式表示了Sigmoid激活函数？A.fB.fC.fD.f答案B解析A是ReLU函数，B是Sigmoid函数，C是Tanh函数，D是线性恒等函数。15.在深度学习模型部署阶段，模型量化（Quantization）的主要目的是？A.提高模型精度B.增加模型鲁棒性C.减小模型体积并提高推理速度D.增强模型的可解释性答案C解析模型量化是指将模型的参数（如从32位浮点数）转换为低精度格式（如8位整数），从而显著减小模型体积、降低内存占用并提高推理速度，通常会有轻微的精度损失。16.下列关于Transformer模型中的"多头注意力机制"（Multi-HeadAttention），说法正确的是？A.多头机制增加了计算复杂度，因此会减慢训练速度B.多头机制允许模型在不同的位置关注来自不同子空间的信息C.多头机制本质上是将多个注意力层的输出进行求和D.多头机制只能应用于Encoder部分答案B解析多头注意力机制通过将输入线性映射到多个子空间，分别进行注意力计算，最后拼接。这使得模型能够同时关注不同位置的不同类型信息，捕获更丰富的特征。17.强化学习中，Agent根据环境状态采取动作并获得奖励，其核心目标是？A.最大化单步奖励B.最小化损失函数C.最大化累积折扣奖励D.快速遍历所有状态答案C解析强化学习的目标是最大化长期累积奖励（通常是折扣累积奖励），而不仅仅是单步奖励。18.在图像分割任务中，U-Net网络结构最显著的特点是？A.引入了残差连接B.采用编码器-解码器结构并含有跳跃连接C.完全基于注意力机制D.是一种生成对抗网络答案B解析U-Net是经典的图像分割网络，其特点是对称的Encoder-Decoder（编码器-解码器）结构，并通过跳跃连接将浅层特征传递到深层，融合多尺度信息。19.下列哪项不属于PromptEngineering（提示工程）的常用技巧？A.Few-shotLearning（少样本学习）B.Chain-of-Thought（思维链）C.GradientDescent（梯度下降）D.RolePrompting（角色设定）答案C解析梯度下降是模型训练的优化算法，不属于针对大模型的提示工程技巧。提示工程包括少样本提示、思维链引导、角色扮演等方法。20.百度千帆大模型平台主要提供什么服务？A.仅提供开源数据集下载B.仅提供GPU算力租赁C.提供模型训练、微调、压缩、部署及推理的一站式服务D.仅提供前端页面设计服务答案C解析百度千帆大模型平台是企业级大模型服务平台，提供包括数据预处理、模型训练、精调、压缩、评估及部署在内的全流程工具链。二、多项选择题（每题3分，共30分。多选、错选不得分，少选得1分）1.下列哪些属于深度学习框架（如PaddlePaddle、TensorFlow）的核心组件？A.张量计算B.自动求导机制C.神经网络层库D.数据库管理系统答案A,B,C解析深度学习框架核心包括张量运算（基础数据结构）、自动求导（实现反向传播）、丰富的网络层API等。数据库管理系统不属于深度学习框架范畴。2.解决梯度消失或梯度爆炸问题的常用方法包括？A.使用ReLU等线性整流激活函数B.引入BatchNormalization（批归一化）C.使用残差连接D.增大学习率答案A,B,C解析ReLU缓解了Sigmoid的梯度饱和问题；BN规范了中间层分布，使梯度更稳定；残差连接提供了梯度的捷径通路。增大学习率通常无法解决梯度消失/爆炸，反而可能加剧不稳定。3.下列关于卷积神经网络（CNN）中池化层的描述，正确的有？A.池化层不包含可学习的参数B.池化层可以减少特征图的尺寸，降低计算量C.最大池化有助于提取显著特征D.平均池化对背景信息保留更好答案A,B,C,D解析池化操作（如Max/AveragePooling）是固定的窗口操作，无权重参数；其主要作用是降维、平移不变性；最大池化取区域最大值，突出显著特征；平均池化保留区域平均信息，对背景较敏感。4.在自然语言处理中，预训练语言模型（如BERT、ERNIE）通常包含哪两个阶段的训练？A.遮蔽语言模型B.下一句预测C.图像分类D.强化学习答案A,B解析BERT类模型主要包含两个预训练任务：MaskedLM（随机遮蔽部分词进行预测）和NextSentencePrediction（判断两个句子是否连续）。5.评估分类模型性能的常用指标包括？A.准确率B.精确率C.召回率D.F1-score答案A,B,C,D解析这些都是评估分类模型的标准指标。准确率关注整体正确率，精确率关注预测为正例的准确性，召回率关注正例被找出的比例，F1-score是精确率和召回率的调和平均。6.下列哪些是大语言模型（LLM）的微调方法？A.FullFine-tuning（全量微调）B.LoRA（Low-RankAdaptation）C.PromptTuning（提示微调）D.K-MeansClustering答案A,B,C解析FullFine-tuning、LoRA、PrefixTuning、PromptTuning都是LLM常见的参数高效微调（PEFT）或全量微调方法。K-Means是无监督聚类算法。7.数据增强在计算机视觉中的常见手段有？A.随机裁剪B.随机翻转C.颜色抖动D.旋转答案A,B,C,D解析这些都是图像数据增强的有效手段，通过变换输入图像增加数据多样性，提高模型泛化能力。8.下列关于BatchNormalization（BN）的作用，描述正确的有？A.允许使用更大的学习率B.减少对初始化的敏感度C.具有一定的正则化效果D.完全替代了Dropout答案A,B,C解析BN层加速收敛，允许大学习率，减弱初始化影响，由于引入了噪声（基于batch的统计量），有轻微正则化效果。但它通常不能完全替代Dropout，尤其是在全连接层。9.PaddlePaddle的动态图模式和静态图模式相比，主要特点包括？A.动态图调试方便，可以逐行执行代码B.静态图部署性能通常更优，因为可以进行全面优化C.动态图构建网络时不立即执行计算D.静态图需要先构建完整的计算图再运行答案A,B,D解析动态图特点是“定义即运行”，调试直观；静态图特点是“先定义后运行”，便于图优化和部署加速。选项C描述的是静态图的特点。10.生成式AI（AIGC）的主要应用领域包括？A.文本生成B.图像生成C.视频生成D.代码生成答案A,B,C,D解析AIGC涵盖了文本、图像、音频、视频、代码、3D模型等多种内容的生成。三、判断题（每题3分，共30分）1.深度学习中的“过拟合”是指模型在训练集上表现很好，但在测试集上表现较差的现象。答案正确2.卷积神经网络中的卷积核大小必须是奇数（如3x3,5x5）。答案错误解析卷积核大小可以是奇数也可以是偶数，但奇数（如3x3）在padding操作时更容易保持特征图尺寸对称，因此更为常用，但并非强制要求。3.在PaddlePaddle中，paddle.zeros([2,3])会生成一个2行3列的全0张量。答案正确4.Transformer模型完全摒弃了循环神经网络（RNN）和卷积神经网络（CNN）的结构，仅基于注意力机制。答案正确解析Transformer的核心创新在于完全依赖Self-Attention机制处理序列信息，不使用RNN的循环结构或CNN的卷积结构来提取序列特征。5.SVM（支持向量机）是一种深度学习算法。答案错误解析SVM是一种传统的机器学习算法（统计学习方法），不属于深度学习范畴。6.所有的神经网络模型都必须包含隐藏层。答案错误解析例如感知机就没有隐藏层，虽然它只能解决线性可分问题。