2026年人工智能基础知识与应用考试试卷及答案

2026年人工智能基础知识与应用考试试卷及答案一、单项选择题（每题1分，共20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标志，下列哪位学者未参加该会议？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，而达特茅斯会议于1956年举行。2.在人工智能发展的三大学派中，以“逻辑”为核心，认为智能是对符号的推理和操作的学派是？A.符号主义B.连接主义C.行为主义D.进化主义答案A3.下列关于“强人工智能”和“弱人工智能”的描述，正确的是？A.弱人工智能具备真正的意识和自我认知B.强人工智能指在特定领域（如围棋、人脸识别）表现出类人智能的系统C.目前我们实现的所有AI系统（如ChatGPT、AlphaGo）都属于弱人工智能D.强人工智能已经被完全实现并商用答案C4.在机器学习中，若训练集误差很小，但测试集误差很大，这通常被称为？A.欠拟合B.过拟合C.偏差D.方差答案B5.下列算法中，属于无监督学习的是？A.线性回归B.支持向量机（SVM）C.K-Means聚类D.决策树答案C6.在深度神经网络中，为了解决梯度消失或梯度爆炸问题，常采用的激活函数是？A.SigmoidB.TanhC.ReLUD.Step答案C7.卷积神经网络（CNN）中，池化层的主要作用是？A.增加数据的维度B.提取图像特征C.降低特征图的空间维度，减少计算量D.增加网络的非线性表达能力答案C8.自然语言处理（NLP）中，Word2Vec模型的主要目的是？A.将文本分类B.将单词映射为稠密的低维实数向量C.进行机器翻译D.生成对话答案B9.循环神经网络（RNN）及其变体LSTM主要用于处理哪类数据？A.图像数据B.表格数据C.序列数据（如时间序列、文本）D.离散类别数据答案C10.Transformer模型架构的核心创新点在于引入了什么机制？A.卷积运算B.注意力机制C.循环结构D.池化操作答案B11.在强化学习中，智能体通过与环境交互，目标是最大化什么？A.损失函数B.累积奖励C.分类准确率D.路径长度答案B12.下列关于知识图谱的描述，错误的是？A.知识图谱本质上是一个语义网络B.基本单元是“实体-关系-实体”三元组C.只能用于存储结构化数据，无法处理半结构化数据D.谷歌知识搜索是知识图谱的典型应用答案C13.生成式对抗网络由两部分组成，它们是？A.编码器和解码器B.生成器和判别器C.输入层和输出层D.主网络和从网络答案B14.在评估分类模型时，若样本极度不平衡（如正样本极少），下列指标最不具参考价值的是？A.准确率B.精确率C.召回率D.F1分数答案A15.AlphaGoZero相比于AlphaGoMaster，主要改进在于？A.使用了更多的CPUB.使用了人类棋谱数据进行监督学习C.完全摒弃了人类棋谱，仅通过自我对弈进行强化学习D.增加了搜索深度答案C16.计算机视觉中，目标检测任务通常不仅要识别图像中的物体类别，还要？A.分割物体的像素B.给出物体的边界框坐标C.描述物体的纹理D.生成物体的3D模型答案B17.大语言模型（LLM）中的“涌现能力”是指？A.模型参数量极大时出现的预料之外的复杂能力B.模型训练过程中显存溢出C.模型生成文本时的语法错误D.模型在少量数据上训练的能力答案A18.下列哪项技术不属于联邦学习的核心特征？A.数据不出域B.隐私保护C.所有数据集中到一个中心服务器训练D.分布式协同训练答案C19.在AI伦理与安全中，“算法偏见”通常源于？A.算法代码写得不够好B.训练数据中存在人类社会的偏见或样本不均衡C.计算机硬件性能不足D.模型参数过多答案B20.提示工程的主要研究对象是？A.如何优化底层神经网络结构B.如何设计输入提示词以引导大模型输出期望结果C.如何加速GPU计算D.如何清洗训练数据答案B二、填空题（每空1分，共10分）1.感知机是神经网络的基本单元，其输出y通常由输入向量x、权重向量w和偏置b通过激活函数计算，即y=答案b2.在梯度下降算法中，学习率是一个超参数。如果学习率过大，可能导致损失函数无法收敛甚至\\\\\\。答案发散3.在支持向量机（SVM）中，用于将低维非线性可分数据映射到高维空间使其线性可分的技术称为\\\\\\技巧。答案核函数4.深度置信网络（DBN）是由多层\\\\\\组成的生成式模型。答案受限玻尔兹曼机（RBM）5.在图像分割任务中，\\\\\\分割是指将图像中的每个像素都分类到对应的对象中，实现像素级的分类。答案语义6.贝叶斯分类器基于\\\\\\定理，通过计算后验概率来进行分类决策。答案贝叶斯7.在自然语言处理中，BERT模型的全称是\\\\\\fromTransformers。答案BidirectionalEncoderRepresentations8.数据预处理中，将不同量纲的数据缩放到同一范围（如[0,1]）的过程称为\\\\\\。答案归一化9.在评估回归模型时，\\\\\\误差是预测值与真实值之差的平方的期望值。答案均方（MSE）10.AIGC（人工智能生成内容）中的“GC”代表\\\\\\Content。答案Generated三、判断题（每题1分，共10分）1.机器学习是人工智能的一个子集，而深度学习又是机器学习的一个子集。答案正确2.所有的机器学习算法都需要对数据进行特征工程，深度学习完全不需要。答案错误解析深度学习具有自动提取特征的能力，但在输入端通常仍需一定的预处理，且并非完全不需要特征工程，只是依赖度降低。3.决策树算法对数据的缩放（如归一化）不敏感。答案正确4.K-近邻算法（KNN）是一种懒惰学习算法，它在训练阶段不进行显式的模型构建。答案正确5.L1正则化倾向于产生稀疏权重矩阵，因此常用于特征选择。答案正确6.CNN中的卷积操作是可学习的，而池化操作通常是固定的（如最大池化）。答案正确7.在NLP中，One-hot编码可以很好地表示词与词之间的语义相似度。答案错误解析One-hot编码向量正交，无法体现词义相似性，通常使用分布式词向量。8.遗传算法是一种模拟自然选择和遗传机制的进化算法，属于优化算法。答案正确9.提升方法是一种串行集成学习策略，代表算法有AdaBoost；而Bagging是并行策略，代表算法有随机森林。答案正确10.图灵测试是测试机器是否具有人类智能的唯一标准。答案错误解析图灵测试是经典标准，但不是唯一标准，现代还有如“咖啡测试”等，且学界对其有效性有争议。四、简答题（每题5分，共20分）1.简述监督学习、无监督学习和半监督学习的区别。答案(1)监督学习：训练数据既有特征又有标签，目标是学习从输入到输出的映射（如分类、回归）。(2)无监督学习：训练数据只有特征没有标签，目标是发现数据内部的结构或模式（如聚类、降维）。(3)半监督学习：利用少量有标签数据和大量无标签数据进行训练，介于两者之间，旨在降低标注成本。2.什么是过拟合？请列举两种防止过拟合的方法。答案过拟合是指模型在训练数据上表现很好，但在未知测试数据上表现较差的现象，通常因为模型过于复杂或训练数据太少。防止方法：(1)正则化（L1/L2正则化）。(2)Dropout（随机丢弃神经元）。(3)早停法。(4)增加训练数据量。3.简述卷积神经网络（CNN）中卷积层的两个主要特性及其作用。答案(1)局部感知：神经元只连接输入数据的局部区域，提取局部特征（如边缘、纹理）。(2)参数共享：卷积核在图像不同位置滑动时使用相同的权重参数，大大减少了模型的参数量，并使模型具有平移不变性。4.解释什么是Transformer模型中的“自注意力机制”。答案自注意力机制是一种通过计算序列内部元素之间的关系来加权聚合信息的技术。它允许模型在处理每个词时，直接关注输入序列中的其他所有词，从而捕捉长距离依赖和上下文关系，计算权重通常基于Query、Key和Value的相似度。五、综合应用题（每题20分，共40分）1.假设你正在构建一个简单的单层感知机模型用于二分类任务。输入特征为x=[x1,x2]，对应的权重为(1)请写出该感知机的数学计算公式。(2)现有两个样本：样本A(x1=1(3)若样本A的真实标签为0，感知机学习率η=0.1，请根据感知机学习规则更新权重w1和偏置b（注：仅计算w答案(1)公式：y=(2)样本A计算：$z=0.5(1)-1.0(1)+0.5=0$，$f(0)=1$。预测输出为1。样本B计算：$z=0.5(2)-1.0(0.5)+0.5=1.0-0.5+0.5=1.0$，$f(1.0)=1$。预测输出为1。(3)更新规则：wnew=wold+η(2.某电商公司希望利用人工智能技术优化业务，请根据以下场景选择合适的AI技术或模型，并简要说明理由。(1)场景一：根据用户过去半年的浏览历史、购买记录和评分数据，预测用户是否会购买即将上架的新产品。(2)场景二：客服部门每天收到大量用户咨询邮件，希望自动识别邮件的主题类别（如“物流咨询”、“退款申请”、“产品质量投诉”）进行分流。(3)场景三：为了提升搜索体验，希望根据用户输入的模糊商品描述（如“夏天穿的红色连衣裙”），在商品库中检索出语义最相似的商品，即使商品名称中没有完全匹配的关键词。(4)场景四：开发一个自动营销文案生成工具，输入商品的关键参数，自动生成一段吸引人的商品推广短文。答案(1)技术：监督学习（分类模型，如逻辑回归、随机森林或深度神经网络）。理由：这是一个典型的二分类问题（买/不买），拥有历史标签数据，特征明确（用户行为数据）。(2)技术：自然语言处理中的文本分类（如CNN、RNN或BERT）。理由：输入是非结构