2026年人工智能应用技术职业资格考试试卷及答案

2026年人工智能应用技术职业资格考试试卷及答案一、单项选择题（每题1分，共40分）1.在机器学习中，用于评估二分类模型性能的指标中，TP、TN、FP、FN分别代表真阳性、真阴性、假阳性和假阴性。准确率的计算公式是？A.TB.TC.(D.(答案C2.下列关于深度学习与传统机器学习主要区别的描述中，错误的是？A.深度学习通常依赖于大规模数据B.深度学习不需要人工进行特征工程C.传统机器学习模型在数据量较小时往往表现更好D.深度学习模型的可解释性通常比传统机器学习模型更强答案D3.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B.提取图像的高频细节信息C.降低特征图的维度，减少计算量，防止过拟合D.将数据转换为一维向量答案C4.Transformer模型的核心机制是自注意力机制，其计算过程中主要涉及Query、Key和Value三个向量。若Q和K的维度为dkA.1B.1C.dD.d答案B5.在自然语言处理（NLP）任务中，使用BERT模型进行文本分类时，通常取哪个位置的输出作为整句的语义表示？A.第一个Token（[CLS]）的输出向量B.最后一个Token（[SEP]）的输出向量C.所有Token输出向量的平均值D.中间位置Token的输出向量答案A6.下列哪项技术属于对抗性攻击的范畴？A.在图像上添加人眼不可见的微小噪声，导致模型误分类B.通过增加数据集大小提高模型准确率C.使用Dropout防止过拟合D.使用L1正则化进行特征选择答案A7.在强化学习中，Agent通过与环境交互学习策略，其目标是最大化？A.即时奖励B.累积折扣奖励C.惩罚最小化D.状态熵答案B8.下列激活函数中，能够有效缓解梯度消失问题，且目前最常用的是？A.SigmoidB.TanhC.ReLUD.Softmax答案C9.在目标检测任务中，YOLO（YouOnlyLookOnce）算法的主要特点是？A.基于区域提议的两阶段算法，精度高但速度慢B.将目标检测视为回归问题，单阶段检测，速度快C.仅适用于图像分割任务D.需要先进行图像分割再进行检测答案B10.使用梯度下降法训练神经网络时，若学习率设置得过大，最可能导致的问题是？A.训练速度过慢B.陷入局部最优C.损失函数震荡甚至发散D.过拟合答案C11.下列关于大语言模型（LLM）中“幻觉”现象的描述，正确的是？A.模型生成了完全不符合语法规则的句子B.模型生成了听起来自信但事实上错误或不存在的内容C.模型无法输出中文内容D.模型推理速度变得极慢答案B12.在部署深度学习模型时，为了减小模型体积以便在移动端运行，常用的模型压缩技术不包括？A.剪枝B.量化C.知识蒸馏D.数据增强答案D13.使用Scikit-learn库对数据进行标准化处理时，通常使用？A.Min-MaxScalingB.StandardScaling(Z-score)C.LogTransformD.Box-CoxTransform答案B14.下列关于监督学习和无监督学习的描述，正确的是？A.聚类属于监督学习B.分类属于无监督学习C.监督学习需要带标签的数据，无监督学习不需要D.无监督学习的预测精度通常高于监督学习答案C15.在推荐系统中，协同过滤算法主要基于什么假设？A.物以类聚，相似的特征具有相似的属性B.过去的行为预示着未来的行为C.如果两个用户在过去喜欢相同的物品，他们在将来也很可能喜欢相同的物品D.用户的兴趣随时间呈线性变化答案C16.下列哪个工具常用于机器学习模型的实验跟踪和版本管理？A.DockerB.MLflowC.GitD.Nginx答案B17.在数据预处理中，对于缺失值的处理，下列哪种方法在数据缺失量较大且缺失非随机时风险最高？A.删除包含缺失值的行B.使用均值填充C.使用中位数填充D.使用KNN填充答案B解析当数据缺失非随机（如高收入人群不愿填写收入），使用均值填充会严重扭曲数据分布，导致偏差；KNN或模型预测通常更稳健，删除行则可能导致样本偏差。18.循环神经网络（RNN）在处理长序列时面临的主要问题是？A.计算量过大B.梯度爆炸和梯度消失C.无法处理变长序列D.只能处理文本数据答案B19.下列关于PromptEngineering（提示工程）的说法，错误的是？A.清晰具体的指令通常能获得更好的结果B.提供示例可以引导模型理解任务C.Chain-of-Thought(思维链)鼓励模型逐步推理D.提示词越长，模型回答质量一定越好答案D20.在图像语义分割任务中，常使用的网络结构backbone是？A.ResNetB.LSTMC.NaiveBayesD.SVM答案A21.评估回归模型性能时，MSE是指？A.平均绝对误差B.均方误差C.均方根误差D.R平方答案B22.生成式对抗网络（GAN）由两个部分组成，分别是？A.生成器和判别器B.编码器和解码器C.推理网络和训练网络D.卷积层和池化层答案A23.在使用Pandas处理数据时，用于读取CSV文件的函数是？A.read_csvB.load_csvC.open_csvD.import_csv答案A24.下列哪种技术主要用于解决大语言模型上下文长度限制的问题？A.Fine-tuningB.RAG(Retrieval-AugmentedGeneration)C.RLHF(ReinforcementLearningfromHumanFeedback)D.Quantization答案B25.交叉验证的主要目的是？A.加快训练速度B.减少数据预处理时间C.更客观地评估模型的泛化能力D.增加模型复杂度答案C26.支持向量机（SVM）中，核函数的主要作用是？A.增加数据样本B.将非线性可分数据映射到高维空间使其线性可分C.降低数据维度D.优化损失函数答案B27.下列关于OCR（光学字符识别）技术的描述，错误的是？A.它可以将图像中的文字转换为计算机可编辑的文本B.现代端到端OCR模型通常包含检测和识别两个阶段C.OCR对复杂背景下的文字识别效果总是完美的D.手写体识别的难度通常高于印刷体识别答案C28.人工智能伦理中，“算法公平性”主要关注的是？A.算法运行速度是否一致B.算法对所有群体的预测结果是否存在系统性偏差C.算法代码是否开源D.算法占用的内存是否相同答案B29.在神经网络训练中，BatchNormalization（批归一化）通常放置在？A.激活函数之前B.激活函数之后C.输出层之后D.损失函数计算之前答案A30.下列哪个不是深度学习主流框架？A.PyTorchB.TensorFlowC.NumPyD.PaddlePaddle答案C31.K-means聚类算法中，K值的确定通常可以通过哪种方法辅助判断？A.轮廓系数B.准确率C.召回率D.F1分数答案A32.时间序列预测中，ARIMA模型不适用于哪种数据？A.线性趋势数据B.季节性数据C.非平稳数据（未经差分）D.包含白噪声的数据答案C解析ARIMA模型要求数据是平稳的，对于非平稳数据需要进行差分处理使其平稳，原始的非平稳数据不能直接输入ARIMA。33.在联邦学习中，数据的主要特征是？A.数据集中存储在一个中心服务器B.数据分散在多个客户端，不离开本地C.数据必须是公开的D.数据只包含图像信息答案B34.下列关于Adam优化器的描述，正确的是？A.它仅使用一阶矩估计B.它结合了动量法和RMSProp的优点C.它的学习率始终固定为0.001D.它不适用于稀疏梯度答案B35.当训练集准确率很高，但测试集准确率很低时，这种现象被称为？A.欠拟合B.过拟合C.适中拟合D.偏差过大答案B36.语音识别技术（ASR）通常将声波信号转换为？A.视频流B.文本序列C.图像特征D.电磁波答案B37.下列哪种正则化方法通过在损失函数中添加权重绝对值的惩罚项来实现？A.L2正则化B.L1正则化C.DropoutD.数据增强答案B38.在使用PyTorch定义模型时，通常需要继承哪个类？A.torch.nn.ModuleB.torch.TensorC.torch.optim.OptimizerD.torch.utils.data.Dataset答案A39.知识图谱主要由哪三元组构成？A.(实体,关系,实体)B.(数据,标签,模型)C.(输入,权重,输出)D.(用户,商品,评分)答案A40.下列关于模型微调的描述，正确的是？A.微调通常需要修改预训练模型的底层架构B.微调时通常使用较小的学习率C.微调不需要预训练权重D.微调只能用于图像分类任务答案B二、多项选择题（每题2分，共20分。多选、少选、错选不得分）1.下列属于常见的数据清洗操作的有？A.缺失值处理B.异常值检测与处理C.数据去重D.特征选择答案ABC解析特征选择通常属于特征工程范畴，而非单纯的清洗。2.下列关于卷积神经网络（CNN）中卷积层的描述，正确的有？A.局部连接减少了参数数量B.权值共享进一步降低了模型复杂度C.可以提取图像的空间层级特征D.只能处理一维数据答案ABC3.常用的文本向量化方法包括？A.TF-IDFB.Word2VecC.GloVeD.One-hotEncoding答案ABCD4.为了防止深度神经网络过拟合，可以采用的方法有？A.DropoutB.L1/L2正则化C.增加训练数据D.减少网络层数答案ABCD5.下列属于Transformer编码器主要组件的有？A.多头自注意力机制B.前馈神经网络C.位置编码D.循环层答案ABC解析Transformer摒弃了循环结构，使用注意力机制和位置编码。6.在计算机视觉中，常用的数据增强技术有？A.随机裁剪B.随机翻转C.旋转D.颜色抖动答案ABCD7.评估聚类算法效果的指标有？A.轮廓系数B.Davies-BouldinIndexC.Calinski-HarabaszIndexD.准确率答案ABC解析准确率通常用于监督学习（分类任务），聚类是无监督学习，无法直接计算准确率。8.下列关于模型推理加速的技术，正确的有？A.使用TensorRT进行模型优化B.将模型转换为ONNX格式进行跨平台部署C.减少批处理大小通常会提高吞吐量D.混合精度训练与推理答案ABD解析减小BatchSize通常会降低吞吐量（Throughput），但可能降低延迟。9.强化学习的三要素包括？A.状态B.动作C.奖励D.模型参数答案ABC10.下列属于生成式人工智能应用的有？A.ChatGPTB.MidjourneyC.SoraD.人脸识别门禁系统答案ABC解析人脸识别属于判别式任务。三、判断题（每题1分，共15分）1.所有的机器学习算法都需要大量的标注数据才能工作。答案错误解析半监督学习、无监督学习和迁移学习可以在少量标注甚至无标注数据下工作。2.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。3.Softmax函数的输出值之和为1。答案正确4.L1正则化倾向于产生稀疏权重矩阵，常用于特征选择。答案正确5.在图像处理中，卷积核越大，感受野也越大。答案正确6.决策树模型不需要对数据进行归一化处理。答案正确解析决策树基于规则划分，不涉及距离计算，对数据缩放不敏感。7.K-近邻算法（KNN）是一种参数化模型。答案错误解析KNN是非参数化模型，它没有显式的训练过程，直接使用样本进行推理。8.深度学习中的“深度”指的是神经网络的层数多。答案正确9.预训练模型是指在大规模数据集上训练好的模型，可以直接用于下游任务。答案正确10.在NLP中，BOW（BagofWords，词袋模型）考虑了词语的语序信息。答案错误解析词袋模型忽略了词序和语法。11.大语言模型的参数量越大，其推理速度一定越快。答案错误解析参数量通常与计算量正相关，未优化情况下参数越大推理越慢。12.A/B测试常用于对比不同算法模型在实际业务中的效果。答案正确13.SVM（支持向量机）不仅可以用于分类，还可以用于回归。答案正确14.随机森林是多个决策树的集成，通过投票机制决定最终结果。答案正确15.数据增强可以增加模型的数据集大小，从而提高模型的鲁棒性。答案正确四、案例分析与应用题（每题10分，共25分）1.场景描述：某电商公司希望构建一个商品评论情感分析系统，用于自动判断用户对商品的评价是正面、负面还是中性。现有标注数据约5,000条，数据分布相对均衡。问题：(1)请列出该任务的一般技术流程（不少于4个步骤）。(2)若选择使用BERT预训练模型进行微调，简述其主要操作步骤。(3)系统上线后，发现对反讽句（如“这手机续航真好，半天就没电”）识别效果很差，请提出两种可能的改进方案。答案：(1)技术流程：1.数据收集与获取；2.数据预处理（分词、去停用词、清洗）；3.特征工程或选择预训练模型；4.模型训练与验证；5.模型评估与测试；6.模型部署与监控。(2)BERT微调步骤：1.加载预训练的BERT模型和分词器；2.对评论文本进行Tokenization，添加[CLS]和[SEP]特殊标记，转换为InputIDs和AttentionMask；3.在BERT输出层之上添加一个全连接层作为分类器（输出维度为3，对应正、中、负）；4.定义损失函数（如交叉熵损失）和优化器（如AdamW）；5.使用标注数据对整个模型（或仅分类层）进行训练，保存验证集效果最好的模型权重。(3)改进方案：1.数据层面：收集并标注更多包含反讽语气的样本，微调模型使其学习反讽特征；或者采用数据增强技术生成反讽样本。2.模型层面：引入更强大的外部知识（如情感词典辅助检测反话），或使用专门针对反讽检测训练的小模型作为集成模块；3.特征层面：尝试引入上下文特征或表情符号特征，因为反讽常伴随特定的表情符号。2.场景描述：在工业质检场景中，使用YOLOv5模型检测电路板上的缺陷。但在实际部署到边缘设备（如嵌入式工控机）后，发现推理帧率（FPS）过低，无法满