2025年人工智能应用开发考试试题及答案.docxVIP

2025年人工智能应用开发考试试题及答案

一、单项选择题（每题2分，共20分）

1.在监督学习任务中，若训练数据存在严重类别不平衡（正类样本占比99%），以下哪种处理方式最不合理？

A.对少数类样本进行过采样（Oversampling）

B.使用FocalLoss替代交叉熵损失

C.对多数类样本进行欠采样（Undersampling）

D.直接使用准确率（Accuracy）作为评估指标

答案：D

2.某图像分类模型在训练时损失持续下降，但验证集准确率不再提升，最可能的原因是？

A.学习率过大导致过拟合

B.模型容量不足

C.验证集数据分布与训练集差异过大

D.批量归一化（BatchNormalization）未正确应用

答案：C

3.以下哪种神经网络结构最适合处理时序推荐系统中的用户行为序列？

A.卷积神经网络（CNN）

B.Transformer（仅编码器）

C.循环神经网络（RNN）

D.自编码器（Autoencoder）

答案：B

4.在自然语言处理（NLP）任务中，若需处理长文本（如10000词的文档），以下哪种模型更具优势？

A.BERT（原始版本，最大输入长度512）

B.Longformer（支持滑动窗口注意力）

C.LSTM（隐藏层维度256）

D.TextCNN（卷积核大小3、4、5）

答案：B

5.模型量化（ModelQuantization）的主要目的是？

A.提高模型泛化能力

B.减少模型存储空间与计算耗时

C.增强模型可解释性

D.防止梯度消失或爆炸

答案：B

6.以下哪项不是多模态学习（MultimodalLearning）的典型应用场景？

A.图像描述生成（ImageCaptioning）

B.视频-文本检索（Video-TextRetrieval）

C.单模态情感分析（TextSentimentAnalysis）

D.跨模态翻译（如手语视频转文本）

答案：C

7.在强化学习中，“探索（Exploration）”与“利用（Exploitation）”的平衡通常通过以下哪种机制实现？

A.ε-贪心策略（ε-Greedy）

B.动态规划（DynamicProgramming）

C.策略梯度（PolicyGradient）

D.经验回放（ExperienceReplay）

答案：A

8.训练一个基于Transformer的机器翻译模型时，若输入序列长度为50，模型使用8头注意力（Multi-HeadAttention），则每个注意力头的输入维度通常为？（假设模型总隐藏维度为512）

A.512

B.256

C.64

D.32

答案：C（512/8=64）

9.以下哪种数据增强方法不适用于结构化表格数据？

A.特征值随机扰动（如加减小范围噪声）

B.类别特征随机替换（如将“男性”替换为“女性”）

C.行数据混洗（ShuffleRows）

D.特征交叉（如将“年龄”与“收入”相乘生成新特征）

答案：B（类别特征随机替换可能破坏数据真实性）

10.在边缘设备（如手机）部署AI模型时，以下优化策略优先级最低的是？

A.模型剪枝（Pruning）

B.混合精度训练（Mixed-PrecisionTraining）

C.增加模型深度以提升准确率

D.使用轻量化网络结构（如MobileNet）

答案：C

二、填空题（每空2分，共20分）

1.深度学习中，ReLU激活函数的数学表达式为______。

答案：max(0,x)

2.Transformer模型的核心机制是______，其计算过程可表示为Attention(Q,K,V)=softmax(QK?/√d_k)V。

答案：自注意力（Self-Attention）

3.梯度下降的常见变体中，Adam优化器结合了______和动量（Momentum）的思想。

答案：自适应学习率（或“RMSprop”）

4.在目标检测任务中，YOLOv5的输出通常包含边界框坐标、______和类别置信度。

答案：目标存在置信度（或“目标置信度”）

5.自然语言处理中的“掩码语言模型（MLM）”任务通常随机替换输入中的部分token为______，模型需预测被替换的token。

答案：[MASK]（或“掩码标记”）

6.多任务学习（Multi-TaskLearn