夜雨聆风学习资料网

ARTICLE · 1389199

2026年人工智能考试试题

2026年人工智能考试试题

一、单项选择题(每题2分,共30分)1.人工智能正式诞生的年份是(B)A.1950 B.1956 C.1960 D.19652.使用标注好的数据训练模型属于(A)A.监督学习 B.无监督学习 C.强化学习 D.半监督学习3.适合图像识别任务的深度学习网络是(A)A.CNN卷积神经网络 B.RNN循环神经网络 C.GAN D.Transformer4.大语言模型预训练主要依靠(B)A.少量人工标注数据 B.海量无标注文本数据 C.人工规则编写 D.强化学习奖励模型5.GAN生成对抗网络由哪两个模块组成(B)A.编码器、解码器 B.生成器、判别器 C.注意力、残差块 D.嵌入层、输出层6.BERT模型预训练核心任务是(B)A.机器翻译 B.掩码语言模型+下一句预测 C.文本生成 D.图片分类7.以下属于强化学习算法的是(B)A.K‑Means B.Q‑Learning C.逻辑回归 D.决策树8.RAG检索增强生成的主要作用是(C)A.训练大模型权重 B.引入外部私有知识库,减少大模型幻觉 C.提升模型参数量 D.做模型蒸馏9.模型过拟合的现象是(B)A.训练集准确率低,测试集准确率高B.训练集准确率高,测试集准确率低C.训练、测试准确率都很低D.训练、测试准确率都很高10.下列不属于生成式AI的是(C)A.ChatGPT B.Midjourney C.K‑Means聚类 D.Sora

11.我国人工智能顶层规划文件是(A)A.新一代人工智能发展规划 B.中国制造2025 C.互联网+行动 D.数字中国建设纲要12.Transformer模型的核心机制是(B)A.卷积运算 B.自注意力机制 C.循环时序计算 D.池化操作13.解决类别样本不均衡问题常用方法(A)A.过采样、欠采样 B.交叉验证 C.正则化 D.早停14.大模型对齐技术DPO特点是(B)A.需要训练独立奖励模型 B.不需要奖励模型,直接使用人类偏好对优化C.只能用于图像模型 D.只能做预训练15.AI幻觉指的是(B)A.模型算力不足 B.模型编造不存在的事实信息C.模型训练时间过长 D.模型参数量太小

二、判断题(每题1分,共15分,对打√,错打×)1.深度学习属于机器学习的子领域。(√)2.神经网络层数越多,模型泛化能力一定越强。(×)3.聚类属于无监督学习,不需要标签。(√)4.强化学习依靠环境反馈奖励信号来训练智能体。(√)5.大模型可以完全替代医生做疾病诊断。(×)6.正则化可以缓解模型过拟合问题。(√)7.卷积神经网络CNN主要处理文本序列。(×)8.RAG不会修改大模型本身权重。(√)9.人工智能伦理包含数据隐私、算法偏见等问题。(√)10.梯度下降是神经网络训练的核心优化算法。(√)11.无监督学习只能做聚类,不能做其他任务。(×)12.大模型涌现能力指模型规模扩大后出现小模型没有的能力。(√)13.交叉验证用来评估模型泛化性能。(√)14.生成式AI只能生成文字,不能生成图片视频。(×)15.残差连接可以缓解深层网络梯度消失问题。(√)

三、多项选择题(每题3分,共30分,多选少选均不得分)1.人工智能三大分支包含(ABC)A.监督学习 B.无监督学习 C.强化学习 D.遗传算法2.大模型面临的主要风险有(ABCD)A.幻觉问题 B.算法偏见 C.数据隐私泄露 D.算力成本高3.属于计算机视觉任务的有(ABC)A.图像分类 B.目标检测 C.图像分割 D.机器翻译4.属于NLP自然语言处理任务(ABC)A.文本分类 B.机器翻译 C.情感分析 D.图片生成5.缓解过拟合的手段(ABC)A.增加训练数据 B.正则化 C.早停法 D.增大模型参数量6.下列属于生成式AI模型(ABC)A.GPT系列 B.Stable Diffusion C.GAN D.K‑means7.Transformer模型的组成模块(ABCD)A.多头自注意力 B.前馈神经网络 C.残差连接 D.归一化层8.以下哪些属于AI伦理问题(ABC)A.算法歧视 B.深度伪造(AI换脸) C.个人数据滥用 D.模型性能提升9.机器学习评价指标有(ABCD)A.准确率 B.精确率 C.召回率 D.F1‑score10.RAG系统的主要组件包括(ABCD)A.文档加载解析 B.向量库存储 C.检索召回模块 D.大模型生成模块

四、简答题(每题5分,共25分)1.简述什么是过拟合?如何缓解?答:过拟合指模型在训练数据集上表现很好,但在新测试数据上效果差,模型记住训练噪声而非通用规律。缓解方法:增加训练数据、正则化、早停、简化模型、交叉验证。2.简述大模型幻觉是什么,有哪些解决办法?答:幻觉:大模型输出虚假、编造不存在的事实。解决:RAG检索增强、事实校验、提示词约束、人类对齐微调。3.简述监督学习、无监督学习、强化学习三者区别。答:监督学习:使用带标签数据,做分类回归;无监督学习:无标签,挖掘数据内在结构,聚类降维;强化学习:智能体与环境交互,通过奖励信号学习决策。4.什么是RAG检索增强生成,它的优势?答:RAG:检索外部知识库再送入大模型生成回答。优势:无需重新训练大模型;减少幻觉;支持私有知识;更新知识库方便。5.列举至少3个人工智能伦理风险。答:①算法偏见;②数据隐私泄露;③深度伪造带来造谣风险;④AI决策责任界定难题。

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料