2025年机器学习与人工智能考试试卷及答案.docxVIP

2025年机器学习与人工智能考试试卷及答案

一、单项选择题（每题2分，共20分）

1.以下哪项不属于监督学习任务？

A.图像分类（标签为“猫”“狗”）

B.情感分析（标签为“积极”“消极”）

C.用户分群（无预设标签）

D.房价预测（标签为具体数值）

2.在Transformer模型中，“多头注意力”（Multi-HeadAttention）的主要作用是？

A.减少计算复杂度

B.并行处理不同子空间的特征

C.增强模型的长距离依赖能力

D.替代循环神经网络（RNN）的序列建模

3.对于二分类问题，若模型预测正类的概率阈值从0.5调整为0.7，可能导致？

A.精确率（Precision）降低，召回率（Recall）升高

B.精确率升高，召回率降低

C.F1-score必然提升

D.假阳性（FalsePositive）数量增加

4.以下哪种算法属于生成式模型？

A.支持向量机（SVM）

B.逻辑回归（LogisticRegression）

C.隐马尔可夫模型（HMM）

D.k近邻（k-NN）

5.在强化学习中，“策略梯度”（PolicyGradient）方法直接优化的目标是？

A.状态值函数（StateValueFunction）

B.动作值函数（ActionValueFunction）

C.策略的期望累积奖励

D.环境的转移概率

6.多模态大模型（如GPT-4V）处理文本与图像的关键技术是？

A.单模态编码器独立训练后拼接

B.跨模态对齐（Cross-ModalAlignment）

C.仅用文本编码器处理图像

D.完全依赖注意力机制忽略模态差异

7.以下哪项是过拟合（Overfitting）的典型表现？

A.训练集准确率高，测试集准确率低

B.训练集和测试集准确率均低

C.训练损失持续下降，测试损失先降后升

D.模型参数数量远小于训练数据量

8.在卷积神经网络（CNN）中，“空洞卷积”（DilatedConvolution）的主要目的是？

A.减少参数量

B.增大感受野（ReceptiveField）

C.替代全连接层

D.增强局部特征提取能力

9.以下哪项不属于大模型（LargeLanguageModel）的“涌现能力”（EmergentAbilities）？

A.少样本学习（Few-ShotLearning）

B.复杂逻辑推理（如多步数学题）

C.基础的词法分析（如分词）

D.跨语言翻译（无特定训练数据）

10.在AI伦理中，“算法偏见”（AlgorithmBias）的主要成因是？

A.计算资源分配不均

B.训练数据的统计偏差

C.模型参数初始化随机

D.超参数调优不充分

二、填空题（每空2分，共20分）

1.梯度下降的常见变体中，Adam优化器结合了动量（Momentum）和__________（自适应学习率调整）的思想。

2.Transformer模型的输入通常需要添加__________编码（PositionEncoding）以捕捉序列中的顺序信息。

3.生成对抗网络（GAN）由生成器（Generator）和__________（Discriminator）两部分组成，通过博弈优化。

4.评估回归模型的常用指标包括均方误差（MSE）和__________（MAE）。

5.强化学习中，“探索-利用权衡”（Exploration-ExploitationTrade-off）指在尝试新动作（探索）与选择已知最优动作（利用）之间的平衡，__________算法（如ε-贪心）是解决该问题的典型方法。

6.多模态大模型的训练通常需要__________学习（ContrastiveLearning）来对齐不同模态的语义空间。

7.知识蒸馏（KnowledgeDistillation）中，“教师模型”（TeacherModel）通常是__________（大/小）模型，“学生模型”（StudentModel）是轻量级模型。

8.在目标检测任务中，YOLO系列算法属于__________（单阶段/双阶段）检测器，通过直接回归边界框和类别实现实时检测。

9.大模型的“上下文学习”（In-ContextLearning）能力依赖于模型在__________（预训练/微调）阶段学习到的模式泛化能力。

10.AI伦理中的“可解释性”（Int