2026年国大学生人工智能知识竞赛题库及答案

2026年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里程碑。下列哪位学者未参加此次会议？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，而达特茅斯会议发生在1956年。麦卡锡、明斯基和香农均为该会议的组织者或参与者。2.在图灵测试中，如果一台机器能够通过特定的询问方式，让人类测试者无法正确区分其与人类受访者的回答，则可以认为该机器：A.具备了真正的自我意识B.具备了人类水平的智能C.通过了图灵测试D.实现了强人工智能（AGI）答案C3.下列关于监督学习和无监督学习的描述中，正确的是：A.监督学习的数据集只有输入特征，没有标签B.无监督学习的典型任务包括聚类和降维C.K-近邻（KNN）算法属于无监督学习D.主成分分析（PCA）通常用于分类任务中的标签预测答案B4.在决策树算法中，用于衡量数据集纯度的指标不包括：A.信息增益B.基尼系数C.均方误差（MSE）D.熵答案C解析MSE是回归问题中常用的损失函数，不用于衡量分类问题的数据集纯度。5.深度学习中，防止模型过拟合的常用手段不包括：A.DropoutB.早停法C.增加模型复杂度D.数据增强答案C解析增加模型复杂度通常会加剧过拟合，而A、B、D均为正则化或减轻过拟合的手段。6.在卷积神经网络（CNN）中，池化层的主要作用是：A.增加网络的非线性表达能力B.提取图像的边缘特征C.降低特征图的维度，减少计算量并保持平移不变性D.将多维特征展平为一维向量答案C7.循环神经网络（RNN）在处理长序列时面临的主要问题是：A.梯度消失或梯度爆炸B.无法处理变长序列C.参数量过大导致显存溢出D.无法提取局部特征答案A8.Transformer模型中引入的核心机制是“自注意力机制”，该机制通过计算查询、键和值的加权组合来捕捉序列信息。其核心数学运算主要基于：A.卷积运算B.矩阵乘法与SoftmaxC.递归运算D.欧几里得距离计算答案B9.在强化学习中，Agent（智能体）通过与环境交互学习策略，其核心目标是最大化：A.即时奖励B.累积折扣奖励C.惩罚最小化D.状态访问频率答案B10.下列关于生成对抗网络（GAN）的描述，错误的是：A.GAN由生成器和判别器两部分组成B.训练过程中生成器和判别器是零和博弈关系C.GAN的训练目标是纳什均衡D.GAN必然存在收敛解，训练非常稳定答案D解析GAN的训练过程非常不稳定，容易出现模式崩溃，且不一定能收敛到理想解。11.支持向量机（SVM）中，核函数的主要作用是：A.将低维数据映射到高维空间，使其线性可分B.增加数据的样本量C.降低数据的维度以减少计算量D.消除数据中的噪声答案A12.在自然语言处理（NLP）中，Word2Vec模型的主要目标是：A.将文本翻译成目标语言B.将单词映射为稠密的低维实数向量C.对文本进行语法分析D.计算两个文档的相似度答案B13.大语言模型（LLM）训练中的“上下文学习”是指：A.模型在预训练阶段学习上下文信息B.模型通过微调适应新的上下文C.模型在推理时，通过Prompt提供的示例直接学习任务，无需更新权重D.模型具有无限的记忆长度答案C14.下列哪一个不是常见的激活函数？A.SigmoidB.TanhC.ReLUD.LinearRegression答案D解析LinearRegression是一种回归算法或层，不是激活函数。15.在计算机视觉目标检测任务中，YOLO（YouOnlyLookOnce）算法的主要特点是：A.精度最高，但速度极慢B.将目标检测视为回归问题，实现端到端的快速检测C.必须先生成候选区域，再进行分类D.仅适用于单目标检测答案B16.评估分类模型性能时，当正负样本比例极度不平衡时，下列哪个指标最不可信？A.准确率B.精确率C.召回率D.F1分数答案A17.梯度下降算法中，学习率对训练过程的影响是：A.学习率越大，收敛速度越快，且一定能收敛到全局最优B.学习率过小可能导致收敛速度过慢，学习率过大可能导致震荡甚至无法收敛C.学习率只影响训练时间，不影响最终模型精度D.学习率在训练过程中必须保持恒定答案B18.α−A.决策树的剪枝B.博弈树搜索，减少计算量C.神经网络的结构优化D.特征选择答案B19.人工智能领域的“奇点”通常指的是：A.机器智能超越人类智能的临界点B.算法复杂度突然下降的点C.数据量无限大的时刻D.图灵测试被首次通过的时刻答案A20.下列关于知识图谱的描述，正确的是：A.知识图谱是一种有向图，通常由实体和关系构成B.知识图谱仅适用于结构化数据C.知识图谱中的关系必须是单向的D.知识图谱与深度学习无法结合使用答案A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.人工智能的主要分支包括：A.计算机视觉B.自然语言处理C.机器人学D.专家系统答案A,B,C,D2.下列哪些属于机器学习中的正则化方法？A.L1正则化B.L2正则化C.DropoutD.数据归一化答案A,B,C解析数据归一化是预处理步骤，用于加速收敛，不属于正则化。3.关于卷积神经网络（CNN）中的卷积层，描述正确的有：A.卷积核的参数是共享的B.卷积操作具有局部连接特性C.增加卷积核深度可以提取更丰富的特征D.卷积后的特征图尺寸一定大于输入尺寸答案A,B,C4.下列哪些算法属于无监督学习？A.K-Means聚类B.层次聚类C.主成分分析（PCA）D.逻辑回归答案A,B,C5.Transformer模型相比传统RNN的优势包括：A.能够并行计算，训练效率高B.更好地捕捉长距离依赖关系C.不需要位置编码D.不存在梯度消失问题答案A,B,D解析Transformer需要位置编码来弥补缺乏递归结构带来的位置信息缺失。6.自然语言处理中的预训练语言模型包括：A.BERTB.GPT系列C.Word2VecD.ResNet答案A,B,C解析ResNet是计算机视觉领域的模型。7.强化学习的三要素是：A.状态B.动作C.奖励D.模型参数答案A,B,C8.导致深度神经网络过拟合的原因可能包括：A.训练数据量太少B.模型参数过于复杂C.训练迭代次数过少D.数据噪声过大答案A,B,D解析训练迭代次数过少通常导致欠拟合。9.下列关于贝叶斯分类器的描述，正确的有：A.基于贝叶斯定理B.朴素贝叶斯假设特征之间相互独立C.需要计算后验概率D.不需要训练集即可工作答案A,B,C10.现代大语言模型（LLM）常见的推理范式有：A.思维链B.少样本提示C.零样本提示D.情感分析答案A,B,C解析情感分析是一种NLP任务，而非推理范式。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.所有的机器学习算法都需要对数据进行归一化处理。答案错误解析如决策树等基于树的模型对数据尺度不敏感，通常不需要归一化。3.感知机无法解决异或（XOR）问题。答案正确4.在神经网络中，ReLU激活函数解决了Sigmoid函数的梯度消失问题，但存在“神经元死亡”现象。答案正确5.随机森林是基于Bagging集成策略的算法。答案正确6.K-Means算法的聚类结果与初始聚类中心的选择无关。答案错误解析K-Means对初始中心敏感，可能陷入局部最优。7.梯度下降算法总是能找到全局最优解。答案错误解析对于非凸优化问题（如深度神经网络），梯度下降通常只能找到局部最优解或鞍点。8.计算机视觉中的边缘检测算子（如Sobel、Canny）属于深度学习方法。答案错误解析它们属于传统图像处理方法，基于手工设计的数学算子。9.强化学习中的“探索与利用”权衡是指尝试新动作与利用已知最佳动作之间的平衡。答案正确10.图神经网络（GNN）只能处理同构图，无法处理异构图。答案错误四、填空题（每题2分，共10分）1.在深度学习优化中，Adam优化法结合了Momentum算法和________算法的思想。答案RMSprop2.在目标检测中，如果模型将背景误检为物体，这被称为______；如果模型漏检了真实的物体，这被称为______。答案误报；漏报3.经典的BP算法中，误差信号通过________传播来更新网络权重。答案反向4.主成分分析（PCA）是一种常用的降维算法，它试图找到数据投影后________最大的方向。答案方差5.在自然语言处理中，n-gram模型基于________假设，即当前词的出现概率仅依赖于前n−答案马尔可夫五、简答题（每题5分，共10分）1.简述局部最优解与全局最优解的区别，并列举两种常用的帮助优化算法跳出局部最优解的方法。答案区别：全局最优解是目标函数在整个定义域内的最小值（或最大值）；局部最优解是在目标函数某个局部区域内的最小值（或最大值），但不一定是整个域内最优的。方法：(1)使用随机梯度下降（SGD）及其变种，引入随机性帮助跳出局部极小值；(2)使用动量