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40分）1.在1956年达特茅斯会议上首次提出“人工智能”术语，并因此被称为“人工智能之父”的学者是？A.艾伦·图灵B.约翰·麦卡锡C.赫伯特·西蒙D.马文·明斯基答案：B2.图灵测试中，评判者判断机器是否具有智能的主要依据是？A.机器能否通过摄像头识别物体B.机器能否在对话中让评判专家无法分辨其与真实人类C.机器能否自主编写程序D.机器能否在短时间内完成复杂计算答案：B3.下列哪一项不属于监督学习任务？A.垃圾邮件分类B.房价预测C.客户聚类分析D.手写数字识别答案：C4.在类别极不平衡的二分类数据集中，准确率指标容易产生误导，此时更应关注？A.均方误差B.F1分数C.网络层数D.迭代轮数答案：B解析：当正负样本比例悬殊时，模型只需预测多数类即可获得很高准确率。F1分数综合了精确率和召回率，对少数类表现更敏感。5.线性回归模型采用最小二乘法求解参数，其优化目标是？A.maxB.minC.minD.max答案：B6.下列选项中，属于激活函数而非优化器的是？A.SGDB.AdamC.ReLUD.RMSProp答案：C7.模型在训练集上表现很好，但在测试集上表现明显变差，通常说明模型？A.欠拟合B.过拟合C.未收敛D.学习率过高答案：B8.在损失函数中加入λjA.L2正则化B.L1正则化C.DropoutD.数据增强答案：B9.ReLU激活函数的数学定义是？A.fB.fC.fD.f答案：C10.关于卷积神经网络中感受野，下列说法正确的是？A.卷积核越大，感受野越小B.网络层数加深，高层特征对应的感受野通常增大C.池化操作不能扩大感受野D.感受野只与输入图像尺寸有关答案：B解析：随着卷积、池化操作不断堆叠，高层特征图中的每个位置能够覆盖输入图像更大的区域，因此感受野通常增大。11.若输入特征图尺寸为32×32，卷积核为A.30B.31C.28D.32答案：A解析：输出尺寸公式为(W−K12.在自然语言处理中，词嵌入（WordEmbedding）的主要优势是？A.将稀疏的高维One-hot向量映射为稠密且具有语义信息的低维向量B.不需要任何训练语料即可直接得到C.只能表示中文单词D.无法衡量词与词之间的相似性答案：A13.下列哪种结构通过门控机制有效缓解了循环神经网络的长期依赖问题？A.LSTMB.CNNC.多层感知机D.支持向量机答案：A14.强化学习中，智能体学习的目标是？A.最大化长期累积奖励B.最小化训练集损失C.最大化网络参数量D.最小化推理时间答案：A15.AlphaGo战胜人类职业围棋选手主要依赖深度学习与？A.蒙特卡洛树搜索B.线性回归C.K均值聚类D.朴素贝叶斯分类答案：A16.YOLO算法属于？A.单阶段目标检测算法B.两阶段目标检测算法C.语义分割算法D.文本生成算法答案：A17.生成对抗网络（GAN）中的两个核心网络是？A.生成器与判别器B.编码器与解码器C.卷积层与池化层D.策略网络与价值网络答案：A18.下列不属于当前大语言模型主流基础架构的是？A.Transformer编码器-解码器架构B.循环神经网络LSTM架构C.GPT系列采用的Transformer解码器架构D.BERT采用的Transformer编码器架构答案：B解析：当前大语言模型几乎都基于Transformer架构。LSTM等循环神经网络虽曾广泛用于序列建模，但不是当前大语言模型的主流基础架构。19.下列属于典型“算法偏见”问题的是？A.人脸识别系统对不同肤色人群的错误率存在显著差异B.计算机程序运行速度过慢C.服务器网络带宽不足D.数据库中部分字段为空答案：A20.我国在人工智能领域发布的里程碑式战略文件是？A.《新一代人工智能发展规划》B.《数字电路设计规范》C.《计算机软件保护条例》D.《互联网信息服务管理办法》答案：A二、多项选择题（每题3分，共30分）1.下列属于机器学习主要学习范式的有？A.监督学习B.无监督学习C.强化学习D.事务日志学习答案：ABC解析：机器学习通常按训练信号分为监督学习、无监督学习和强化学习。“事务日志学习”并不是标准的学习范式。2.下列哪些指标可以用于分类模型评估？A.准确率B.精确率C.召回率D.F1分数答案：ABCD解析：准确率、精确率、召回率和F1分数都是分类任务中常用的评估指标，分别从不同角度衡量模型预测效果。3.下列哪些措施可以有效缓解过拟合？A.增加训练样本量B.使用DropoutC.盲目增加网络层数D.添加L2正则化答案：ABD解析：增加数据、Dropout、L2正则化都能提高模型泛化能力。简单增加网络层数可能使模型更复杂，反而加重过拟合。4.关于卷积神经网络（CNN），下列说法正确的有？A.具有局部连接的特点B.具有权值共享的特点C.具备一定的平移不变性D.只能处理单通道图像答案：ABC解析：CNN通过局部连接和权值共享大幅减少参数量，卷积和池化操作使其具备一定的平移不变性。CNN可以处理单通道或多通道图像。5.关于循环神经网络（RNN），下列说法正确的有？A.适合处理序列数据B.存在梯度消失或梯度爆炸的可能C.LSTM是一种改进的RNND.无法处理变长序列答案：ABC解析：RNN天然适合处理文本、语音等序列数据，但也存在长期依赖和梯度消失问题。LSTM通过门控机制进行改进。RNN可以按时间步处理变长序列。6.关于Transformer架构，下列说法正确的有？A.原始Transformer包含编码器和解码器B.使用多头自注意力机制C.使用位置编码引入顺序信息D.无法并行处理序列答案：ABC解析：原始Transformer由编码器和解码器构成，使用多头自注意力机制，并通过位置编码注入位置信息。Transformer可以并行处理序列，训练效率高于传统RNN。7.强化学习中的基本组成要素包括？A.智能体B.环境C.奖励信号D.人工标注的数据集答案：ABC解析：强化学习通过智能体与环境的交互获得奖励信号，进而学习最优策略。它不依赖人工标注的数据集。8.下列属于生成式人工智能典型应用的有？A.大语言模型对话生成B.文生图模型生成图像C.语音合成D.传统数据库查询答案：ABC解析：生成式人工智能的核心是创造新的文本、图像、语音等内容。数据库查询属于信息检索，不属于生成式应用。9.人工智能伦理治理中常见的关键原则包括？A.透明可解释B.安全可控C.尊重隐私D.公平无歧视答案：ABCD解析：这四项均是人工智能伦理治理中被广泛讨论的核心原则，强调技术发展应负责任且以人为本。10.下列关于大语言模型（LLM）的说法正确的有？A.通常基于Transformer架构B.通过大规模文本语料进行预训练C.参数量通常在亿级以上D.可以通过上下文学习完成新任务答案：ABCD解析：大语言模型以Transformer为基础，在海量文本上预训练，参数量巨大，并具备上下文学习、指令跟随等能力。三、判断题（每题1分，共10分）1.机器学习是人工智能的核心研究领域之一。答案：正确2.训练数据量越大、网络层数越深，模型效果一定越好。答案：错误解析：模型效果受数据质量、模型容量、训练策略和泛化能力等多方面影响，盲目加深网络可能导致过拟合或优化困难。3.无监督学习使用的训练数据不需要人工标注。答案：正确4.交叉熵损失函数通常用于回归任务。答案：错误解析：交叉熵损失衡量预测概率分布与真实分布之间的差异，常用于分类任务；回归任务常用均方误差等损失函数。5.Dropout通过在训练时随机丢弃部分神经元来缓解过拟合。答案：正确6.LSTM通过输入门、遗忘门和输出门控制信息流动。答案：正确7.强化学习中的奖励信号必须每一步都立即给出。答案：错误解析：强化学习支持稀疏奖励，智能体可以在一个完整回合结束后才获得奖励信号。8.预训练语言模型只能用于自然语言处理，不能用于代码生成。答案：错误解析：预训练语言模型经过代码语料训练后可用于代码生成，也可以处理多种结构化文本任务。9.在医疗、法律等重要领域使用人工智能时，应对模型输出进行必要的核验。答案：正确10.我国《新一代人工智能发展规划》提出，到2030年人工智能理论、技术与应用总体达到世界领先水平。答案：正确四、简答题（每题5分，共20分）1.简述监督学习、无监督学习和强化学习在训练数据上的主要区别。答案：(1)监督学习使用有标签样本，学习从输入到输出的映射，典型任务包括分类和回归；(2)无监督学习使用无标签数据，发现数据内在结构或分布，典型任务包括聚类和降维；(3)强化学习不使用固定标注数据集，而是通过智能体与环境的交互获得奖励信号，学习最大化长期累积奖励的策略。2.写出二分类交叉熵损失函数表达式，并说明其作用。L其中yi为真实标签（0或1），yi为模型预测为正类的概率，3.简述Transformer中自注意力机制的基本计算过程。答案：将输入向量分别映射为Query（Q）、Key（K）、Value（V），计算Q与K的点积并除以缩放因子dkAttention该机制使序列中每