2025年职业技能人工智能工程技术人员-理论知识参考题库含答案解析

2025年职业技能人工智能工程技术人员-理论知识参考题库含答案解析一、单项选择题（共30题，每题1分，共30分。每题只有1个最符合题意的正确答案，错选、不选均不得分）1.我国《人工智能工程技术人员国家职业技能标准（2021年版）》中，对该职业的核心工作内容描述不包括以下哪项（）A.人工智能算法研究与开发B.人工智能系统设计与实现C.人工智能芯片制造与封装D.人工智能应用系统集成与运维（答案）C（解析）根据2021年人力资源和社会保障部、工业和信息化部联合颁布的《人工智能工程技术人员国家职业技能标准（2021年版）》，人工智能工程技术人员的核心工作范畴包括算法研究开发、系统设计实现、应用集成与运维等方向，人工智能芯片制造与封装属于集成电路工程技术人员的职业范畴，不属于人工智能工程技术人员的核心工作内容。2.根据《人工智能产业创新发展行动计划（2024—2026年）》，我国到2026年人工智能核心产业规模的发展目标为超过（）A.2000亿元B.3000亿元C.4000亿元D.5000亿元（答案）C（解析）2024年工业和信息化部印发的《人工智能产业创新发展行动计划（2024—2026年）》明确提出，到2026年，人工智能核心产业规模超过4000亿元，带动相关产业规模超过5万亿元，培育形成10家以上全球领先的人工智能骨干企业和一批专精特新中小企业。3.以下技术中，属于生成式人工智能范畴的是（）A.工业产品表面缺陷检测B.文生视频内容创作C.人脸识别门禁验证D.电商平台商品推荐（答案）B（解析）生成式人工智能是指能够学习现有数据的模式与规律，生成全新文本、图像、音频、视频等内容的技术，文生视频是典型的生成式AI应用。工业缺陷检测、人脸识别属于判别式AI的分类/检测任务，商品推荐属于推荐系统范畴，均不属于生成式AI。4.Transformer架构的核心组件是（）A.卷积神经网络层B.循环神经网络层C.自注意力机制D.池化层（答案）C（解析）Transformer架构的核心是自注意力机制（Self-Attention），能够捕捉序列中任意位置的依赖关系，解决了传统循环神经网络长序列依赖丢失的问题，是大语言模型、多模态大模型的基础架构。卷积层、池化层是卷积神经网络的核心组件，循环神经网络层是RNN系列模型的核心。5.以下属于大模型参数高效微调技术的是（）A.全参数微调B.LoRAC.监督微调（SFT）D.RLHF（答案）B（解析）LoRA（Low-RankAdaptation，低秩适配）是典型的参数高效微调技术，通过在Transformer的注意力层插入低秩矩阵，仅训练少量参数即可实现模型适配，训练成本仅为全参数微调的1%左右。全参数微调需要更新模型全部参数，不属于参数高效方法；监督微调（SFT）是微调的阶段划分，不是具体的参数高效技术；RLHF是人类对齐技术，不属于参数高效微调范畴。6.检索增强生成（RAG）系统的核心功能是（）A.提升大模型的参数量B.减少大模型生成幻觉、提升回答准确性C.降低大模型的推理速度D.替代大模型的微调过程（答案）B（解析）RAG的核心逻辑是在生成回答前，先从外部知识库中检索相关信息作为参考输入给大模型，能够有效减少大模型的幻觉问题，提升回答的准确性和时效性，同时支持知识库的实时更新，无需频繁微调模型。RAG不会改变大模型参数量，能够与微调技术结合使用而非替代，合理设计的RAG系统不会显著降低推理速度。7.向量数据库的核心检索算法是（）A.精确最近邻检索B.近似最近邻检索（ANN）C.二分查找D.冒泡排序（答案）B（解析）向量数据库存储的是高维特征向量，高维空间下精确最近邻检索的计算成本极高，无法满足大规模数据的实时检索需求，因此向量数据库普遍采用近似最近邻检索（ANN）算法，在可接受的精度损失下大幅提升检索效率。二分查找适用于有序一维数据，冒泡排序是排序算法，均不适用于高维向量检索。8.以下属于国产深度学习框架的是（）A.PyTorchB.TensorFlowC.MindSporeD.Keras（答案）C（解析）MindSpore（昇思）是华为推出的全场景国产深度学习框架，支持端边云全场景部署，是国内主流的国产AI框架之一。PyTorch（Meta开发）、TensorFlow（谷歌开发）、Keras（谷歌维护）均为海外开发的深度学习框架。9.MLOps（机器学习运维）的核心目标是（）A.提升模型的训练精度B.打通AI开发全流程，实现标准化、自动化、可追溯C.降低模型的参数量D.替代算法工程师的工作（答案）B（解析）MLOps是将DevOps理念应用到AI开发领域的工程实践，核心目标是打通数据管理、模型开发、测试、部署、监控、迭代的全流程，实现AI项目的标准化、自动化、可追溯管理，提升AI落地效率，降低运维成本。MLOps不直接提升模型精度，也不改变模型参数量，是辅助AI开发的工程体系，无法替代算法工程师。10.以下不属于生成式人工智能服务提供者应当履行的合规义务的是（）A.对生成内容进行审核，防止违法违规内容生成B.保护用户个人信息，不得泄露用户对话数据C.无需履行算法备案手续即可对外提供服务D.对生成的内容标识，明确告知用户内容为AI生成（答案）C（解析）根据《生成式人工智能服务管理暂行办法》，提供具有舆论属性或者社会动员能力的生成式人工智能服务的，应当按照国家有关规定履行算法备案手续，选项C表述错误。其余选项均为生成式AI服务提供者的法定合规义务。11.多模态大模型的“多模态”不包括以下哪种数据类型（）A.文本B.图像C.音频D.结构化表格（答案）D（解析）多模态大模型通常指能够同时理解和处理文本、图像、音频、视频等非结构化多模态数据的AI模型，结构化表格属于传统结构化数据处理范畴，不属于多模态大模型的“模态”定义范畴。12.AI模型量化技术的主要作用是（）A.提升模型的训练速度B.压缩模型体积、提升推理速度C.提升模型的参数量D.完全消除模型的精度损失（答案）B（解析）模型量化是将模型的高精度参数（如FP32）转换为低精度参数（如INT8、INT4）的技术，主要作用是压缩模型体积，降低计算资源消耗，大幅提升推理速度，适合边缘部署、高并发推理场景。量化通常会带来一定的精度损失，合理的量化策略可以将精度损失控制在可接受范围内，但无法完全消除；量化不直接作用于训练阶段。13.Prompt工程中的“少样本提示”是指（）A.不给模型任何示例，只给指令让模型输出结果B.给模型提供少量示例，引导模型按照要求输出C.给模型提供超过100个示例，让模型学习规律D.只给模型输入问题，不给任何补充信息（答案）B（解析）少样本提示（Few-shotPrompting）是Prompt工程的核心技巧之一，指在提示词中提供少量（通常1-10个）输入输出示例，引导模型理解任务要求和输出格式，提升输出质量。不给示例只给指令属于零样本提示，提供大量示例属于微调范畴。14.边缘AI部署的核心优势是（）A.计算资源无限，支持超大规模模型部署B.数据在本地处理，延迟低、隐私安全性高C.不需要维护，运维成本为零D.模型精度高于云端部署（答案）B（解析）边缘AI部署是指将AI模型部署在靠近数据产生的终端设备或边缘节点上，核心优势是数据无需上传到云端，处理延迟低，同时避免了数据传输过程中的隐私泄露风险。边缘设备的计算资源有限，无法部署超大规模模型；边缘部署仍需进行设备维护，运维成本不为零；受模型量化等因素影响，边缘部署的模型精度通常略低于云端全精度模型。15.以下属于计算机视觉典型应用的是（）A.智能客服对话B.语音转文字C.自动驾驶环境感知D.文本摘要生成（答案）C（解析）计算机视觉是AI的核心分支之一，专注于让机器理解和处理图像、视频等视觉数据，自动驾驶环境感知需要通过摄像头、激光雷达等传感器识别道路、车辆、行人等视觉信息，属于计算机视觉的典型应用。智能客服、文本摘要属于自然语言处理应用，语音转文字属于语音识别应用。16.联邦学习的核心设计理念是（）A.所有参与方将原始数据集中到一起训练B.数据不出域，在保护隐私的前提下联合建模C.只使用一方的数据训练模型D.不需要标注数据即可训练模型（答案）B（解析）联邦学习是一种隐私计算技术，核心理念是数据不出域，各参与方在不共享原始数据的前提下，通过交换模型参数或梯度信息联合训练AI模型，既满足了数据隐私保护要求，又能充分利用多源数据提升模型效果。选项A是传统集中式训练的特点，选项C是单主体训练的特点，选项D是无监督学习的特点。17.大语言模型的“幻觉”是指（）A.模型无法响应用户提问B.模型生成的内容看似合理但不符合事实C.模型运行时出现崩溃D.模型的响应速度过慢（答案）B（解析）大语言模型的幻觉（Hallucination）是指模型生成的内容在语法、逻辑上看似合理，但与客观事实不符，甚至编造虚假信息的现象，是当前大模型亟待解决的核心问题之一，通常可以通过RAG、优化对齐策略等方式缓解。18.以下不属于大模型推理优化技术的是（）A.模型剪枝B.知识蒸馏C.张量并行D.数据增强（答案）D（解析）大模型推理优化技术旨在提升推理速度、降低资源消耗，常用技术包括模型剪枝（去除冗余参数）、知识蒸馏（用大模型指导小模型训练）、张量并行（将模型拆分到多个设备并行推理）、量化、算子融合等。数据增强是训练阶段提升模型泛化能力的技术，不属于推理优化范畴。19.根据人工智能伦理的基本原则，AI系统的决策应当可解释、可追溯，这体现了以下哪项原则（）A.公平公正原则B.透明可释原则C.隐私保护原则D.安全可控原则（答案）B（解析）人工智能伦理的透明可释原则要求AI系统的决策逻辑、数据来源、训练过程应当可解释、可追溯，避免“黑箱”决策带来的风险。公平公正原则要求避免算法歧视，隐私保护原则要求保护用户个人信息，安全可控原则要求保障AI系统的运行安全和风险可控。20.以下属于文生图大模型典型产品的是（）A.SoraB.MidJourneyC.ChatGPTD.讯飞星火（答案）B（解析）MidJourney是一款主流的文生图生成式AI产品，能够根据文本提示生成高质量图像。Sora是OpenAI推出的文生视频大模型，ChatGPT、讯飞星火是通用大语言模型，核心能力是文本交互。21.AI项目的数据预处理阶段，数据清洗的核心目的是（）A.增加数据的数量B.处理缺失值、异常值、重复值，提升数据质量C.将数据转换为高维向量D.划分训练集和测试集（答案）B（解析）数据清洗是数据预处理的核心环节，主要包括处理缺失值、异常值、重复值、不一致数据等，目的是提升数据质量，避免低质量数据影响模型训练效果。数据增强用于增加数据数量，特征工程用于提取特征并转换为模型可处理的格式，数据集划分是数据预处理的后续环节。22.时序预测任务中，数据集划分应当采用以下哪种方式（）A.随机划分B.按时间顺序划分，训练集在前，测试集在后C.按样本类别划分D.按数据量大小平均划分（答案）B（解析）时序数据具有时间依赖性，未来的数据不能用于训练过去的模型，因此时序预测任务的数据集必须按时间顺序划分，训练集使用较早的历史数据，测试集使用较晚的历史数据，避免数据泄露。随机划分是分类、回归等非时序任务的常用划分方式，不适用于时序任务。23.以下不属于AI模型评估分类任务指标的是（）A.准确率B.召回率C.F1值D.平均绝对误差（MAE）（答案）D（解析）分类任务的常用评估指标包括准确率、精确率、召回率、F1值、AUC等，平均绝对误差（MAE）是回归任务、时序预测任务的常用评估指标，用于衡量预测值与真实值的误差大小，不属于分类任务指标。24.数字人技术中，实现数字人口型与语音同步的核心技术是（）A.语音识别B.唇形同步（LipSync）C.动作捕捉D.自然语言生成（答案）B（解析）唇形同步（LipSync）是数字人技术的核心模块之一，能够根据输入的语音内容自动生成匹配的口型动作，实现数字人的自然表达。语音识别是将语音转换为文本的技术，动作捕捉用于采集人体动作数据，自然语言生成用于生成对话文本。25.以下AI芯片中，专门用于大模型训练的是（）A.英伟达H100B.移动端NPUC.摄像头AI加速芯片D.蓝牙芯片（答案）A（解析）英伟达H100是高端AI训练芯片，具备高算力、高带宽的特点，是当前大模型训练的主流芯片之一。移动端NPU、摄像头AI加速芯片属于推理芯片，主要用于终端设备的AI推理任务，蓝牙芯片不属于AI芯片范畴。26.以下关于大模型参数量的说法，正确的是（）A.参数量越大，模型能力一定越强B.参数量与模型能力无关C.模型能力不仅取决于参数量，还与训练数据质量、训练方法、对齐策略有关D.10B参数量的模型一定比1B参数量的模型能力强（答案）C（解析）大模型的能力受参数量、训练数据规模与质量、训练算法、对齐策略等多重因素影响，参数量只是影响因素之一，并非越大越好，不合理的训练可能导致大参数量模型能力低于小参数量模型，选项C表述正确，其余选项表述过于绝对。27.RAG系统中，文档切片的主要目的是（）A.降低文档的可读性B.将长文档拆分为合适长度的片段，提升检索的精准度C.增加文档的数量D.减少文档的存储空间（答案）B（解析）RAG系统中，长文档直接向量化会导致向量包含的信息过于庞杂，检索精准度下降，因此需要将长文档拆分为合适长度（通常200-1000字）的文本片段，再分别向量化存储，能够提升检索的精准度，确保召回的内容与用户问题高度相关。28.以下哪项是人工智能工程技术人员应当具备的核心职业素养（）A.只需要掌握算法理论，不需要了解业务场景B.具备数据安全与伦理合规意识，严格遵守相关法律法规C.可以随意使用用户数据训练模型D.不需要持续学习，掌握现有技术即可（答案）B（解析）人工智能工程技术人员应当具备的核心职业素养包括：扎实的技术能力、业务理解能力、数据安全与伦理合规意识、持续学习能力、团队协作能力等。由于AI技术涉及大量用户数据和公共利益，数据安全与伦理合规意识是职业素养的核心要求，必须严格遵守相关法律法规。29.以下属于自然语言处理（NLP）典型任务的是（）A.图像分类B.语音合成C.命名实体识别D.目标检测（答案）C（解析）命名实体识别是自然语言处理的基础任务之一，旨在从文本中识别出人名、地名、机构名、时间等特定实体。图像分类、目标检测属于计算机视觉任务，语音合成属于语音处理任务。30.生成式AI训练数据的合规要求不包括以下哪项（）A.不得侵害他人的知识产权B.不得包含违法违规内容C.可以随意使用互联网上的所有公开内容D.涉及个人信息的应当获得个人同意（答案）C（解析）根据《生成式人工智能服务管理暂行办法》，生成式AI服务提供者应当对训练数据的合法性负责，不得侵害他人知识产权，不得包含违法违规内容，涉及个人信息的应当符合个人信息保护相关规定，互联网公开内容并非都可以随意使用，需要符合著作权法等法律法规的要求。二、多项选择题（共20题，每题2分，共40分。每题有2个及以上符合题意的正确答案，错选、少选、多选均不得分）1.以下属于生成式人工智能典型应用场景的有（）A.文生图创作B.代码辅助生成C.数字人直播D.工业缺陷检测E.文生视频制作（答案）ABCE（解析）生成式AI的核心是生成全新内容，文生图、代码生成、数字人生成、文生视频均属于生成式AI的典型应用。工业缺陷检测属于判别式AI的检测任务，不属于生成式范畴。2.大模型参数高效微调的常用方法包括（）A.LoRAB.PrefixTuningC.PromptTuningD.全参数微调E.RLHF（答案）ABC（解析）参数高效微调是指仅训练模型少量参数即可实现适配的微调技术，常用方法包括LoRA（低秩适配）、PrefixTuning（前缀微调）、PromptTuning（提示微调）等。全参数微调需要更新所有参数，不属于参数高效方法；RLHF是人类对齐技术，不属于微调方法范畴。3.MLOps的核心环节包括（）A.数据管理B.模型开发C.模型部署D.监控运维E.版本控制（答案）ABCDE（解析）MLOps覆盖AI项目全生命周期，核心环节包括数据管理（数据版本、质量管控）、模型开发（实验管理、代码管理）、模型测试与评估、模型部署（CI/CD流水线）、监控运维（模型漂移监控、性能监控）、版本控制（数据、模型、代码的全版本追溯）等。4.以下属于主流向量数据库产品的有（）A.MilvusB.PineconeC.ChromaD.RedisStackE.MySQL（答案）ABCD（解析）Milvus、Pinecone、Chroma、RedisStack均为当前主流的向量数据库产品，支持高维向量的存储、检索与管理。MySQL是关系型数据库，主要用于结构化数据存储，不属于向量数据库范畴。5.多模态大模型通常支持处理的模态包括（）A.文本B.图像C.音频D.视频E.3D点云（答案）ABCD（解析）当前主流多模态大模型普遍支持文本、图像、音频、视频四种核心模态的理解与生成，部分前沿模型开始探索3D点云、传感器数据等模态的处理，但尚未成为通用多模态大模型的标配。6.生成式人工智能服务的安全风险主要包括（）A.违法违规内容生成风险B.训练数据与用户数据泄露风险C.知识产权侵权风险D.算法滥用与深度伪造风险E.系统算力不足风险（答案）ABCD（解析）生成式AI的安全风险涵盖内容安全、数据安全、知识产权、算法滥用等多个维度，包括违法内容生成、数据泄露、著作权侵权、深度伪造诈骗等。算力不足属于技术落地的资源问题，不属于安全风险范畴。7.以下属于国产人工智能相关产品或技术的有（）A.昇思MindSpore框架B.百度飞桨PaddlePaddle框架C.文心一言大模型D.通义千问大模型E.PyTorch框架（答案）ABCD（解析）昇思MindSpore（华为）、飞桨PaddlePaddle（百度）均为国产深度学习框架，文心一言（百度）、通义千问（阿里）均为国产大语言模型。PyTorch是Meta公司开发的海外框架，不属于国产技术。8.AI模型评估中，用于大语言模型的常用指标包括（）A.困惑度（Perplexity）B.BLEU值C.ROUGE值D.平均精度均值（mAP）E.交并比（IoU）（答案）ABC（解析）困惑度是衡量大语言模型语言建模能力的核心指标，BLEU、ROUGE是衡量文本生成质量的常用指标。平均精度均值（mAP）、交并比（IoU）是计算机视觉目标检测任务的评估指标，不适用于大语言模型。9.边缘AI的典型应用场景包括（）A.自动驾驶车载端感知B.工业质检终端设备C.智能家居设备D.可穿戴健康监测设备E.超大规模大模型训练集群（答案）ABCD（解析）边缘AI适用于对延迟、隐私要求高的终端场景，自动驾驶车载端、工业质检终端、智能家居、可穿戴设备均为典型应用。超大规模大模型训练集群属于云端训练场景，不属于边缘AI范畴。10.Prompt工程的核心设计原则包括（）A.指令清晰明确B.提供必要的示例C.限定输出范围与格式D.迭代优化提示词E.尽可能使用模糊的表述（答案）ABCD（解析）Prompt工程的核心原则包括：指令清晰明确、提供适配的示例、限定输出范围与格式、分步骤给出复杂指令、根据输出结果迭代优化等。模糊表述会导致模型输出不符合要求，不属于Prompt工程的原则。11.人工智能伦理的基本原则包括（）A.公平公正原则B.透明可释原则C.隐私保护原则D.安全可控原则E.责任明确原则（答案）ABCDE（解析）我国人工智能伦理治理的基本原则包括公平公正、透明可释、隐私保护、安全可控、责任明确、以人为本等，旨在引导AI技术健康发展，维护公共利益和个人合法权益。12.AI数据治理的核心内容包括（）A.数据采集合规管理B.数据标注质量管理C.数据隐私保护D.数据存储与传输安全E.数据版本管理（答案）ABCDE（解析）AI数据治理覆盖数据全生命周期，核心内容包括数据采集合规（合法合规获取数据）、数据标注质量管控（提升标注准确率）、数据隐私保护（脱敏、加密、隐私计算）、数据存储传输安全（防止数据泄露）、数据版本管理（可追溯、可回滚）等。13.RAG系统的核心组成模块包括（）A.文档处理模块B.向量数据库模块C.检索模块D.生成模块E.模型训练模块（答案）ABCD（解析）RAG系统的核心组成包括：文档处理模块（文档清洗、切片、向量化）、向量数据库模块（向量存储与管理）、检索模块（根据用户问题召回相关文档）、生成模块（结合召回内容生成回答）。RAG不需要重新训练大模型，因此模型训练模块不属于核心组成。14.以下属于大模型对齐技术的有（）A.监督微调（SFT）B.RLHFC.DPOD.LoRAE.知识蒸馏（答案）ABC（解析）大模型对齐是指让模型的输出符合人类价值观、遵循人类指令的技术，常用方法包括监督微调（SFT）、RLHF（基于人类反馈的强化学习）、DPO（直接偏好优化）等。LoRA是参数高效微调技术，是实现对齐的工具而非对齐技术本身；知识蒸馏是模型压缩技术，不属于对齐范畴。15.联邦学习的常用分类包括（）A.横向联邦学习B.纵向联邦学习C.联邦迁移学习D.集中式联邦学习E.分布式联邦学习（答案）ABC（解析）联邦学习根据数据分布特点通常分为三类：横向联邦学习（样本重叠少、特征重叠多）、纵向联邦学习（样本重叠多、特征重叠少）、联邦迁移学习（样本和特征重叠都少）。不存在集中式联邦学习的分类，分布式是联邦学习的固有属性，不是分类维度。16.AI项目全生命周期的阶段包括（）A.需求分析与可行性评估B.数据采集与预处理C.模型开发与测试D.部署上线与运维E.迭代优化与退役（答案）ABCDE（解析）AI项目全生命周期涵盖从需求到退役的完整过程，包括需求分析、数据准备、模型开发、测试评估、部署上线、监控运维、迭代优化、最终退役等阶段。17.数字人技术的核心模块包括（）A.形象建模模块B.动作驱动模块C.语音合成模块D.语义交互模块E.区块链存证模块（答案）ABCD（解析）数字人技术的核心模块包括：形象建模（2D/3D形象构建）、动作驱动（表情、动作、口型生成）、语音合成（自然语音生成）、语义交互（对话理解与生成）。区块链存证是可选的辅助模块，不属于核心模块。18.以下属于生成式AI合规要求的有（）A.生成内容不得含有违法违规信息B.应当对AI生成的内容进行标识C.不得非法收集、使用用户个人信息D.无需向用户告知服务为AI提供E.按规定履行算法备案手续（答案）ABCE（解析）根据《生成式人工智能服务管理暂行办法》，生成式AI服务提供者应当确保生成内容合法合规、对生成内容进行标识、保护用户个人信息、履行算法备案义务、明确告知用户服务为AI提供等，选项D表述错误。19.大模型推理加速的常用技术包括（）A.模型量化B.模型剪枝C.知识蒸馏D.算子融合E.数据增强（答案）ABCD（解析）大模型推理加速技术包括量化、剪枝、知识蒸馏、算子融合、并行推理、KV缓存等，能够从模型层面、工程层面提升推理速度。数据增强是训练阶段的技术，不属于推理加速范畴。20.人工智能工程技术人员的核心工作内容包括（）A.人工智能算法研究与开发B.人工智能系统设计与实现C.人工智能应用集成与部署D.人工智能系统运维与优化E.集成电路芯片设计（答案）ABCD（解析）根据国家职业技能标准，人工智能工程技术人员的核心工作包括算法研发、系统设计、应用集成、运维优化等方向。集成电路芯片设计属于集成电路工程技术人员的工作范畴，不属于人工智能工程技术人员的核心工作。三、判断题（共15题，每题1分，共15分。正确选√，错误选×）1.LoRA微调技术需要更新大模型的全部参数才能实现效果提升。（）（答案）×（解析）LoRA是参数高效微调技术，仅需训练插入到注意力层的低秩矩阵，训练参数仅为全参数微调的1%左右，不需要更新模型全部参数。2.向量数据库的检索效率与向量维度呈正相关，维度越高检索速度越快。（）（答案）×（解析）高维向量的检索复杂度随维度提升而增加，维度越高，检索效率越低，因此实际应用中通常会通过降维技术在保证特征表达能力的前提下降低向量维度，提升检索效率。3.生成式人工智能服务提供者应当对生成的内容进行审核，防止生成违法违规内容。（）（答案）√（解析）根据《生成式人工智能服务管理暂行办法》，生成式AI服务提供者应当履行内容审核义务，建立健全内容审核机制，确保生成内容合法合规。4.MLOps的核心理念是将DevOps应用到AI开发领域，实现AI开发全流程的标准化、自动化。（）（答案）√（解析）MLOps（机器学习运维）是DevOps理念在AI领域的延伸，核心是打通数据、模型、部署、运维全流程，实现标准化、自动化、可追溯，提升AI项目落地效率。5.多模态大模型只能处理文本和图像两种模态的数据。（）（答案）×（解析）主流多模态大模型通常支持文本、图像、音频、视频等多种模态的理解与生成，并非只能处理文本和图像两种模态。6.AI模型量化一定会导致模型精度大幅下降，无法在实际场景中使用。（）（答案）×（解析）合理的量化策略（如量化感知训练、混合精度量化）可以在精度损失可控的前提下大幅提升推理速度，被广泛应用于边缘部署、高并发推理等实际场景。7.Prompt工程仅适用于大语言模型，不适用于多模态大模型。（）（答案）×（解析）Prompt工程同样适用于多模态大模型，例如通过图文结合的提示词引导多模态模型完成图像理解、图文生成等任务，多模态Prompt设计是当前Prompt工程的重要研究方向。8.联邦学习可以在不共享原始数据的前提下，实现多主体联合建模，保护数据隐私。（）（答案）√（解析）联邦学习是隐私计算的核心技术之一，通过交换模型参数或梯度而非原始数据实现联合建模，满足数据不出域的隐私保护要求。9.RAG技术完全可以替代大模型微调，所有场景下都不需要进行模型微调。（）（答案）×（解析）RAG和大模型微调各有适用场景：RAG适合知识更新频繁、需要准确引用外部知识的场景；微调适合模型风格对齐、特定能力强化的场景，二者通常结合使用，RAG无法完全替代微调。10.人工智能工程技术人员只需要掌握算法开发能力，不需要了解业务场景和工程落地知识。（）（答案）×（解析）人工智能工程技术人员需要具备综合能力，除了算法理论和开发能力外，还需要具备业务理解能力、工程落地能力、团队协作能力等，才能将AI技术有效落地到实际场景中。11.生成式AI训练可以随意使用互联网上的所有公开内容，不需要考虑知识产权问题。（）（答案）×（解析）生成式AI训练数据需要符合著作权法等法律法规的要求，使用他人享有著作权的内容应当获得授权或符合合理使用情形，不得随意使用互联网公开内容，否则可能构成知识产权侵权。12.Transformer架构的自注意力机制可以有效捕捉序列中的长距离依赖关系。（）（答案）√（解析）自注意力机制通过计算序列中任意两个位置的相关性，能够直接捕捉长距离依赖关系，解决了传统循环神经网络长序列依赖丢失的问题，是Transformer架构的核心优势。13.边缘AI部署是指将AI模型部署在云端服务器上，通过网络向用户提供服务。（）（答案）×（解析）边缘AI部署是指将模型部署在靠近数据产生的终端设备或边缘节点上，而非云端服务器，核心优势是低延迟、隐私安全性高。14.AI模型的准确率越高，实际应用效果一定越好。（）（答案）×（解析）AI模型的实际应用效果需要综合考虑准确率、推理速度、部署成本、鲁棒性、易用性等多个因素，单纯的准确率高并不代表实际应用效果好，需要根据场景需求进行权衡。15.大模型的参数量是衡量模型能力的唯一标准。（）（答案）×（解析）大模型的能力受参数量、训练数据质量、训练方法、对齐策略、场景适配等多重因素影响，参数量只是衡量模型能力的维度之一，并非唯一标准。四、案例分析题（共2题，每题7.5分，共15分。请结合人工智能工程技术相关知识，分析并回答问题）1.案例背景：某连锁零售企业计划搭建智能客服系统，替代70%的人工客服咨询工作，主要处理商品咨询、订单查询、售后申请等场景。企业要求客服回答必须符合企业官方知识库内容，不得出现虚假信息，响应延迟不超过2秒，同时支持根据用户画像调整沟通风格。请结合案例回答以下问题：（1）该智能客服系统适合采用哪种大模型落地方案？请说明理由。（3分）（2）请列出该系统开发的核心流程。（2.5分）（3）该系统需要重点防范哪些合规风险？（2分）（答案与解析）（1）适合采用“检索增强生成（RAG）+参数高效微调（LoRA）”的落地方案（1分）。理由：①RAG技术可以对接企业内部官方知识库，回答时召回知识库内容作为参考，有效避免模型幻觉，确保回答准确性和知识时效性，且知识库更新无需重新训练模型，适配零售企业商品、活动频繁更新的需求（1分）；②采用LoRA等参数高效微调技术，可以用少量客服历史对话数据微调模型，让模型适配企业的客服话术风格、不同用户群体的沟通习惯，提升用户体验，且