人工智能基础知识2026年考试及答案

人工智能基础知识2026年考试及答案一、单项选择题（共20题，每题1分，总计20分。每题只有1个正确答案，错选、不选均不得分）1.人工智能发展历程中，2022年底以来推动生成式AI规模化落地的核心技术范式是（）A.符号主义专家系统B.连接主义为基础的大语言模型范式C.行为主义强化学习范式D.知识图谱逻辑推理范式2.Transformer架构是当前主流大模型的核心基础，其核心多头自注意力机制的原始计算复杂度与输入序列长度的关系为（）A.线性相关B.平方相关C.指数相关D.无关联3.根据我国2025年9月正式实施的《人工智能生成合成内容标识办法》，以下场景中必须对AI生成内容进行显式标识的是（）A.用户个人编辑使用、不对外传播的AI生成待修改文稿B.向社会公众公开提供的AI生成合成文字、图像、音视频内容C.企业研发团队内部用于算法测试的生成式原型内容D.个人离线存储、不向第三方分享的AI生成生活照片4.某医疗AI团队采用标注好的10万份肺部CT影像数据训练模型，实现肺结节的自动识别与定位，该训练过程属于哪类机器学习范式（）A.监督学习B.无监督学习C.强化学习D.迁移学习5.当前主流大模型训练中用于实现模型价值观与人类需求对齐的核心技术RLHF，其中文全称是（）A.基于规则的逻辑过滤框架B.人类反馈强化学习C.循环高速卷积网络D.残差连接深层网络6.具身智能是2024-2026年AI落地的核心方向之一，以下不属于具身智能系统核心三要素的是（）A.环境感知系统B.动作执行系统C.具身决策大模型D.静态离线数据库7.大模型生成内容存在的事实性幻觉是制约其行业落地的核心问题，以下措施中对缓解事实性幻觉效果最有限的是（）A.接入可信知识库构建检索增强生成（RAG）系统B.基于高质量事实类数据开展模型对齐微调C.调高生成过程中的temperature（温度）参数，提升输出多样性D.将权威知识图谱的结构化知识注入模型推理流程8.AIforScience已成为人工智能赋能基础科研的核心方向，2024年发布的、可实现蛋白质、核酸、小分子配体等多类生物分子结构高精度预测的AI工具是（）A.AlphaFold3B.ResNet50C.BERT-baseD.GPT-19.激活函数是深度神经网络的核心组件，以下激活函数中存在明显梯度消失问题、且输出值域非零中心的是（）A.ReLUB.SigmoidC.GELUD.SwiGLU10.强化学习框架中，智能体通过与环境交互持续优化策略，其中用于衡量动作好坏、引导策略更新的核心反馈信号是（）A.环境状态B.智能体动作C.奖励值D.探索率11.计算机视觉领域的经典任务中，需要为输入图像的每一个像素分配对应语义类别标签的任务是（）A.图像分类B.目标检测C.语义分割D.图像检索12.当前主流开源大模型（如Llama3、Qwen2系列）普遍采用BPE（字节对编码）实现文本分词，该分词方式的粒度属于（）A.单字粒度B.整词粒度C.子词粒度D.句子粒度13.我国科技部发布的《新一代人工智能伦理规范》明确的人工智能发展首要伦理原则是（）A.增进人类福祉B.追求技术领先C.实现商业价值最大化D.放宽数据流通限制14.大模型端侧部署需要通过轻量化技术压缩模型体积、降低计算开销，以下不属于常见大模型轻量化压缩技术的是（）A.权重量化（如4bit/8bit低精度存储）B.知识蒸馏（用大模型监督小模型训练）C.结构化/非结构化剪枝（移除冗余参数）D.全参数微调（在领域数据集上更新全部模型参数）15.根据2025年最高人民法院发布的知识产权民事案件司法解释，AI生成内容获得著作权法保护的核心前提是（）A.生成内容由参数规模超过千亿的大模型输出B.人类对生成过程投入了独创性智力劳动，体现人类的个性化表达C.生成内容字数超过1000字或分辨率达到4K标准D.生成内容未用于商业盈利场景16.多模态大模型需要实现文本、图像、音频、视频等不同模态信息的统一处理，将不同模态的输入映射到相同维度语义空间、实现跨模态语义关联的过程是（）A.模态对齐B.模态生成C.模态解码D.模态压缩17.当前大模型训练场景中应用最广泛的通用并行计算加速硬件是（）A.通用CPUB.图形处理器（GPU）C.8位单片机D.低速FPGA芯片18.过拟合是机器学习模型训练中的常见问题，以下现象属于典型过拟合的是（）A.模型在训练集和测试集上的准确率均不足55%B.模型在训练集上准确率达99%，但在独立测试集上准确率仅为61%C.模型在训练集上准确率76%，在测试集上准确率75%D.模型单条样本推理延迟超过10秒19.提示工程是提升大模型输出可靠性的核心方法，若需要大模型输出严格符合指定格式的结构化数据，以下提示方式可靠性最高的是（）A.仅在提问末尾标注“请输出JSON格式”B.明确给出格式约束、输出示例、错误校验规则，并要求模型不得额外输出无关内容C.要求模型“尽量结构化呈现结果”D.将提问长度压缩至10字以内，减少干扰信息20.AI安全攻击手段持续演化，其中攻击者通过构造肉眼难以察觉的微小输入扰动，让图像识别模型将熊猫误判为长臂猿的攻击方式属于（）A.训练数据投毒B.对抗样本攻击C.模型参数窃取D.提示词注入二、多项选择题（共10题，每题2分，总计20分。每题有2-4个正确答案，多选、少选、错选均不得分）1.结合2025-2026年人工智能技术的产业化进展，以下属于当前大模型技术主流演进方向的有（）A.多模态原生融合，实现文本、图像、音频、视频、3D信号的统一理解与生成B.小参数模型端侧部署，在手机、智能家居、车载终端上实现本地化大模型能力C.具身智能能力适配，支持机器人、自动驾驶系统与物理世界的实时交互D.完全脱离人类生成数据、实现无任何外部输入的零样本自进化2.以下典型人工智能任务中，属于监督学习范畴的有（）A.基于标注邮件样本训练的垃圾邮件分类器B.基于历史房价数据与房屋特征训练的房价预测模型C.基于无标签用户行为数据的用户群体聚类D.基于标注语音-文本对训练的语音识别系统3.检索增强生成（RAG）是当前大模型落地的核心技术之一，其标准技术流程包含的核心模块有（）A.文档切分与清洗模块B.文本嵌入（Embedding）模块C.向量数据库与检索排序模块D.大模型提示拼接与生成模块4.根据我国《生成式人工智能服务管理暂行办法》《网络安全法》等相关规定，生成式AI服务提供者明确禁止的行为有（）A.利用AI生成传播虚假新闻、谣言等违法信息B.利用AI深度伪造技术实施电信网络诈骗、敲诈勒索等犯罪活动C.利用AI服务非法收集、处理、泄露用户个人敏感信息D.在科研机构内部开展非商业化的AI基础算法创新研究5.以下关于Transformer架构的表述，正确的有（）A.引入自注意力机制突破了传统RNN模型处理长序列时的梯度消失、并行效率低的瓶颈B.标准Transformer编码器由多头自注意力层、前馈神经网络层、层归一化与残差连接组件构成C.自注意力计算过程中，查询（Q）、键（K）、值（V）三个矩阵均由输入张量通过线性变换得到D.Transformer架构仅能处理纯文本数据，无法支持图像、音频等模态信号的处理6.面向行业落地的大模型应用上线前，需要开展多维度评估，常见的核心评估维度包括（）A.输出内容的事实准确性B.输出内容的合规性与内容安全性C.推理延迟、并发吞吐量等工程性能指标D.对不同群体用户的回答公平性，避免算法歧视7.以下属于当前人工智能技术已实现规模化落地的应用场景有（）A.自动驾驶车辆的环境感知与辅助决策B.医疗场景下的CT影像、病理切片辅助筛查C.智能客服的用户意图识别与自动回复D.电力系统的短期电网负荷预测与调度优化8.以下关于人工智能发展阶段的常识表述，正确的有（）A.强人工智能指具备与人类相当的通用认知、推理、学习、适应能力，可跨领域完成复杂任务的AI系统B.截至2026年，所有实现规模化商用的AI系统均属于弱人工智能（专用人工智能）范畴，仅能完成特定领域任务C.大模型的涌现能力指当模型参数规模、训练数据量达到一定阈值后，模型突然获得的、小参数模型不具备的复杂能力D.通用人工智能（AGI）已于2025年实现全面商用，可完全替代人类所有岗位工作9.AI伦理治理是人工智能健康发展的重要保障，以下属于当前AI伦理重点关注的问题有（）A.算法训练数据偏差导致的招聘、信贷、公共服务场景下的算法歧视B.模型训练数据使用中的知识产权侵权问题C.AI替代部分程序化岗位带来的就业结构调整与劳动者技能转型问题D.复杂深度学习模型透明度不足导致的“算法黑箱”问题，影响决策可解释性10.大模型推理效率直接决定落地成本，以下属于常用大模型推理加速技术的有（）A.KV缓存技术，缓存已计算的历史序列键值对，避免重复计算B.连续批处理（ContinuousBatching）技术，动态调整批次内的样本组合，提升硬件利用率C.低比特量化技术，将模型权重从16位浮点压缩至8位、4位甚至更低精度存储计算D.无限制增大模型参数量，提升模型的复杂任务处理能力三、判断题（共10题，每题1分，总计10分。请判断题目表述正误，正确填“√”，错误填“×”）1.“人工智能”这一概念最早在1956年美国达特茅斯会议上被正式提出，标志着人工智能学科的诞生。2.大模型的参数规模越大，其输出内容的事实准确性一定越高，不存在幻觉问题。3.根据我国深度合成服务相关管理规定，提供人脸生成、语音克隆等涉及个人生物特征的深度合成服务，必须对合成内容进行显著标识，避免公众混淆。4.卷积神经网络（CNN）因具备局部感受野、权值共享的特性，长期以来在计算机视觉任务中被广泛应用。5.无监督学习不需要任何训练数据，仅通过内置逻辑规则即可完成模型训练。6.提示词注入攻击指攻击者通过构造特殊设计的提示内容，绕过大模型的安全对齐规则，诱导模型输出违规内容的攻击方式。7.端侧大模型指部署在手机、智能家居、车载终端等边缘设备上、无需完全依赖云端计算的轻量化大模型，截至2025年已在主流旗舰手机上实现大规模落地。8.强化学习的训练过程不需要智能体与环境进行交互，仅通过读取固定的历史数据集即可完成策略优化。9.人工智能技术应用必须坚持人类主体地位，保障人类在高风险决策场景中的最终决策权。10.检索增强生成（RAG）技术可以从根本上完全消除大模型的幻觉问题，不需要设置任何人工校验环节。四、简答题（共4题，每题5分，总计20分）1.请简述生成式人工智能与传统判别式人工智能的核心差异。2.请简述大模型应用中检索增强生成（RAG）技术的核心价值与基本工作流程。3.请简述我国人工智能治理中“科技向善、AI向善”原则的核心内涵。4.请简述机器学习模型训练中过拟合问题的常见诱因，以及至少3种有效的缓解方法。五、综合应用题（共2题，每题15分，总计30分）1.某地市三甲医院计划于2026年上线一套人工智能辅助诊疗系统，覆盖三大功能模块：一是肺部CT影像肺结节自动筛查模块，二是门诊电子病历智能生成模块，三是门诊大厅AI导诊模块。请结合人工智能基础知识回答以下问题：（1）若肺结节筛查模块采用监督学习技术路线开发，需要筹备哪些核心训练与落地资源？（5分）（2）电子病历智能生成模块采用多模态大模型实现时，为保障病历内容准确、符合医疗数据安全要求，需要采取哪些技术与管理措施？（6分）（3）AI导诊模块正式上线前，需要重点开展哪些维度的合规性与安全性评估？（4分）2.某教育科技企业计划面向中小学生推出一款AI作业辅导工具，基于开源多模态大模型二次开发，支持拍照搜题、解题思路引导、作文优化建议、个性化习题推荐四大功能。请结合人工智能基础知识与行业监管要求回答以下问题：（1）该工具的拍照搜题功能需要用到哪些计算机视觉与自然语言处理领域的基础技术？（5分）（2）为符合《未成年人网络保护条例》及“双减”政策相关要求，该工具在功能设计上必须设置哪些限制性措施？（6分）（3）个性化习题推荐模块上线后，有用户反馈系统推荐的习题难度过高、重复率高、与自身学习进度不匹配，请分析可能的技术层面原因。（4分）参考答案一、单项选择题1.B2.B3.B4.A5.B6.D7.C8.A9.B10.C11.C12.C13.A14.D15.B16.A17.B18.B19.B20.B二、多项选择题1.ABC2.ABD3.ABCD4.ABC5.ABC6.ABCD7.ABCD8.ABC9.ABCD10.ABC三、判断题1.√2.×3.√4.√5.×6.√7.√8.×9.√10.×四、简答题1.核心差异可从五个维度界定：一是核心目标不同，判别式AI聚焦学习输入到输出的决策边界，完成分类、预测等判断类任务；生成式AI聚焦学习训练数据的整体分布，生成符合真实分布的全新内容。二是输出结果不同，判别式AI输出类别标签、预测数值等确定性判断结果，如垃圾邮件识别、房价预测；生成式AI输出全新的文本、图像、音视频、代码等创造性内容。三是泛化能力不同，传统判别式AI多为单任务专用模型，跨任务迁移能力弱；基于大模型的生成式AI具备跨任务泛化能力，可通过提示词适配多类场景。四是技术路径不同，判别式AI多采用小模型架构，依赖高质量标注数据训练单任务模型；生成式AI多采用大规模Transformer架构，依赖海量多模态数据预训练获得通用能力。五是应用边界不同，判别式AI主要用于辅助决策、效率提升类场景；生成式AI可覆盖内容创作、交互对话、逻辑推理等更广泛场景。2.RAG技术的核心价值包括三方面：一是无需重新训练模型即可接入外部最新知识，有效缓解大模型事实性幻觉，提升输出准确性；二是可低成本接入企业私有知识库，解决大模型训练数据的时间截止问题，适配垂直行业场景需求；三是可实现知识来源可追溯，提升大模型输出的可解释性。其基本工作流程为：首先对外部知识库文档进行清洗、切分，形成适合检索的文本块；其次通过嵌入模型将文本块转换为高维向量，存储到向量数据库；当用户发起提问时，将问题转换为向量，从向量数据库中检索语义最相关的文本块；最后将检索内容与用户问题拼接为提示词，输入大模型生成回答，并标注引用来源。3.“AI向善”的核心内涵包括五方面：一是坚持以人为本，将增进人类福祉作为AI发展的出发点和落脚点，推动AI服务经济社会高质量发展，提升公共服务水平、改善民生质量。二是坚持安全可控，建立健全AI风险防控体系，防范算法歧视、虚假信息、隐私泄露等风险，保障AI系统可靠可控。三是坚持公平普惠，推动AI技术向教育、医疗、养老等民生领域倾斜，缩小不同群体、区域间的数字鸿沟，防范技术垄断。四是坚持权责清晰，明确AI研发、应用各环节的责任主体，保障人类在高风险决策场景的最终决策权，实现AI决策可追溯、可解释。五是坚持开放协作，在保障安全的前提下推动AI技术创新与国际交流，平衡知识产权保护与知识共享，推动技术成果惠及全人类。4.过拟合的常见诱因包括：一是模型复杂度过高，参数量远超任务需求，导致模型记忆训练集噪声而非通用规律；二是训练数据量不足、样本分布不均衡，无法覆盖全场景通用特征；三是训练迭代轮次过多，模型过度拟合训练集细节；四是训练数据存在大量标注错误与噪声，导致模型学习到错误规律。常见缓解方法包括：数据层面，增加训练数据规模，开展数据增强，清洗标注噪声，提升样本覆盖度；模型层面，适当降低模型复杂度，加入L1/L2正则项约束参数，引入Dropout层随机失活部分神经元，减少神经元共适应；训练策略层面，采用早停机制，当验证集性能不再提升时停止训练，通过交叉验证评估模型泛化能力。五、综合应用题1.（1）肺结节筛查模块落地需要的核心资源包括：一是高质量标注数据集，收集符合临床实际的肺部CT影像，由2名以上经验丰富的放射科医生完成标注，明确结节位置、大小、形态、良恶性倾向等标签，覆盖不同年龄、性别、基础疾病的患者样本，避免样本偏差。二是适配的算法模型，选用支持三维影像处理的卷积神经网络或医疗专用多模态大模型作为基础架构，适配CT影像的数据特征。三是合规的算力存储资源，按照网络安全等级保护三级要求建设本地化部署环境，实现医疗数据不出院，配套足够算力支撑模型实时推理。四是跨专业团队支撑，组建由放射科医生、算法工程师、医疗信息化人员构成的专项团队，负责数据标注、模型训练、测试验证与日常运维。五是独立临床验证集，构建与训练集无重合的真实临床场景验证数据集，由专家团队标注，用于测试模型的准确率、漏诊率、误诊率核心指标。（2）电子病历模块需要采取的措施分为技术和管理两类。技术层面：一是采用全本地化部署架构，患者诊疗数据全程在院内存储计算，通过传输加密、存储加密、权限最小化配置防范数据泄露，符合医疗数据安全相关法规要求；二是构建院内诊疗知识库RAG系统，大模型生成病历时仅调用患者实际诊疗记录、检验结果、医嘱信息作为依据，禁止虚构诊疗内容；三是建立事实一致性校验机制，自动比对生成病历与原始诊疗记录的匹配度，对存疑内容做高亮提示，提醒医生复核；四是基于院内规范病历开展模型微调，确保生成内容符合《病历书写基本规范》，医学术语使用准确；五是对患者敏感信息做去标识化处理，严格保护患者隐私。管理层面：一是明确医生最终审核责任，AI生成的病历仅为辅助草稿，必须经接诊医生核对修改后才可归档生效，AI不承担最终诊疗责任；二是建立全流程操作留痕机制，对病历生成、修改、访问的全环节记录日志，满足医疗审计要求；三是建立定期抽查机制，每月抽取一定比例的AI生成病历开展质量评估，及时更新知识库与优化模型。（3）AI导诊模块需要重点开展四方面评估：一是内容合规性评估，检查导诊内容是否符合医疗规范，是否存在虚假宣传、违规导流、推荐无资质医疗机构的问题，明确导诊建议不能代替医生诊断。二是数据安全评估，排查系统是否存在违规收集患者信息、泄露患者隐私的风险，严格规范患者信息的访问权限。三是公平性与适老化评估，检查导诊系统是否对不同年龄、身份、地域的患者存在歧视性推荐，是否配备语音交互、大字模式等适老化、无障碍功能，覆盖老年人、残障人士等特殊群体需求。四是风险兜底机制评估，检查系统是否设置明确的责任边界提示，是否配置人工导诊转接通道，建立导诊偏差的应急处置流程。2.（1）拍照搜题功能需要用到的核心技术分为两类：计算机视觉层面，首先用到图像预处理技术，对学生拍摄的倾斜、模糊、光线不均的作业照片做矫正、增强；其次用到目标检测技术，定位照片中的题目区域、公式区域、几何图形区域；最后用到光学字符识别技术，将印刷体、手写体文字、数学公式、几何图形转换为机器可处理的结构化信息。自然语言处理层面，用到题目语义理