2609班18-22课人工智能单元测试
本试卷共25道单选题,每题4分,满分100分。请结合所学知识选择最恰当的答案,作答过程中请坚守诚信原则。
Q3:在考古数字化项目中,科研人员拿到一批打散、没有标注归属的古代残简文本,希望依靠文本语义特征自动把残简分成若干组,推测分别对应哪部古籍,该技术属于
有监督分类
聚类
规则关键词匹配
哈希加密
Q4:关于大语言模型的AI幻觉,下面描述正确的是
幻觉就是软件崩溃报错
幻觉只会出现在小模型,前沿国产大模型已经完全消除幻觉
幻觉指输出文字逻辑通顺,但内容虚构、事实不存在或者事实错误
幻觉属于模型的创意能力,专业报告可以直接采信幻觉产出内容
Q5:国产农业大模型应用于智慧农场,对海量农田传感器采集的多维数据做用户作物群体划分,事先没有预设群体标签,该工作依靠的核心算法思想是
聚类
监督分类
图像OCR识别
语音合成
Q6:会展示分步思考链的推理大模型,它 “思考” 的本质是
模型产生自我意识,真正理解世间万物
通过复杂数学运算模拟人类分步推理流程,并不是真正拥有意识
模型内部拥有类似人脑的神经元细胞,会自主顿悟
模型可以脱离训练数据凭空产生全新客观真理
Q7:某政务AI助手用于政策咨询,出现输出一份现实不存在的地方政策文件,引用虚假文号,该风险根源是
聚类算法参数设置错误
AI幻觉现象
传感器采集数据噪声
网络带宽不足
Q8:下面对于分类与聚类对比,结合产业落地场景说法正确的是
聚类需要提前准备好已经标注类别的大量样本才能运行
分类属于无监督学习,聚类属于有监督学习
分类已知类别标签做比对归类;聚类无预先标签,依据数据特征自动分组
二者都必须人工指定每一条样本的类别标签
Q9:在法律辅助场景使用国产推理大模型查阅判例,下列做法最科学合理的是
完全信任思考链输出,直接把AI输出作为法庭证据
把AI输出当作参考素材,所有法条、判例必须人工核验原始卷宗,警惕幻觉风险
只要模型输出思考步骤,就代表内容100%属实
全部法律工作直接交由AI完成,人类律师不再参与
Q10:K‑means聚类算法在新闻内容平台用来做热点话题聚合,该算法运行前必须确定的关键参数是
原始新闻文件存储格式
需要划分出的话题分组数量
新闻图片分辨率
服务器硬盘总容量
Q11:关于聚类算法输出结果的现实边界,说法符合产业实践的是
聚类输出分组结果可以直接作为最终业务结论,完全不用人工审核
聚类仅提供分组参考,机器无法自动解释分组含义,需要人类结合业务解读结果
只要数据量足够大,聚类分组就不会出现任何偏差
聚类算法可以自动修正原始输入数据中的错误
Q12:现在AI智能体可以帮人完成资料搜集、整理报告等任务,下列哪一项属于智能体依然无法做到的是
读取文档提取关键信息
拥有主观价值判断与自我意识,做出完全脱离现实数据的客观终审裁决
调用工具检索公开网络资料
按照要求输出结构化报告
Q13:我国大力推进人工智能领域自主可控建设,自主可控的核心内涵是
拒绝使用全世界所有人工智能相关技术
掌握算力芯片、算法框架、大模型等核心关键技术,保障安全,不受外部技术限制
所有软件代码必须全部从零手写,不能借鉴任何公开技术
所有AI产品必须全程断网离线运行
Q14:下面案例中,不属于AI幻觉表现的是
大模型基于给定的权威论文素材,客观概括总结论文核心观点
医疗AI编造不存在的临床实验数据和医学文献
历史AI杜撰从未存在过的历史人物与事件
法律咨询AI虚构法律条文与判例
Q15:智慧文旅项目,AI导游识别游客语音提问,匹配已标注好的景点知识库给出对应解说,该任务属于
聚类任务
分类匹配任务
无监督聚类分组
音频加密任务
Q16:面对AI生成的科普、时政类信息,作为新时代数字公民,正确的信息辨识习惯是
只要行文流畅通顺就默认信息全部真实可信
对关键事实、数据、引文,通过权威渠道交叉核验,审慎采信AI输出
AI生成内容一定优于人类创作内容,优先转发AI产出
凡是AI输出全部直接否定,完全不做参考
Q17:聚类属于无监督学习,“无监督” 在产业场景下的含义是
运行算法时不需要计算机硬件服务器
不需要人工提前给样本打上类别标签,依靠数据本身特征自动分组
算法运行全程不需要人操作电脑
输出结果不受输入数据质量影响
Q18:某AI模型做文学文本改写,没有读懂故事上下文设定,直接把文中刻意设置的史实错误修改为正确史实,破坏原文情节。该现象说明
模型只记住孤立知识点,很难深度完整理解全部上下文语境逻辑
属于聚类分组错误
相似度计算溢出
计算机硬件内存故障
Q19:在 “AI + 制造” 智能质检场景,AI视觉识别零件合格 / 不合格,使用大量已经人工标注 “合格、不合格” 图片训练模型,该任务属于
聚类
有监督分类
无监督学习
数据压缩算法
Q20:针对缓解大模型AI幻觉风险,下面改进思路不合理的是
接入权威知识库,生成内容时检索核对事实来源
优化提示词,要求模型不确定内容直接说明 “无法确认”
直接删除模型全部输出能力,禁止输出任何文本内容
对事实类输出建立人工复核校验流程
Q21:关于智慧社会中个人数据与用户画像,下面认识正确的是
智能服务收集个人数据只会带来便利,不存在任何泄露滥用风险
享受智能服务的同时,我们应当做到合理授权,谨慎开放个人敏感信息,保护隐私
只要APP名气大,所有权限申请都应该全部同意授予
用户画像全部由我们手动填写,系统不会自动采集行为数据
Q22:下面场景,最适合选用聚类算法解决的是
邮件系统识别拦截垃圾邮件
对海量未打标签的用户访问数据,自动划分不同用户群体,辅助产品运营分析
图片识别区分猫、狗
评论区文本判断好评、差评
Q23:人工智能创新落地往往需要多方协同,以国产智能辅助诊断系统为例,说法正确的是
仅靠程序员写代码就可以完成整套系统落地投入医院使用
需要科研机构算法研发、医疗机构提供合规脱敏数据、企业软硬件开发、政府监管多方协同推进
医疗数据不需要保护,可以无限制公开给AI模型训练
医疗AI系统开发完全不需要监管政策约束
Q24:下列关于思维链(分步思考)大模型的局限,说法正确的是
开启思考链就能够彻底消除AI幻觉
即使展示分步思考,模型依然会逻辑疏漏、产生幻觉,不能无条件完全信任输出结果
开启思考链之后,模型就具备人类一样的洞察力,总能找到最优解题突破口
开启思考链代表模型真正拥有独立主观意识
Q25:在智慧校园系统,申请位置、通讯录等权限,从数字素养角度,我们应当
全部权限一律勾选同意,保证软件流畅运行
只授予完成业务所必需的权限,拒绝非必要敏感权限申请
知名校园APP,无论申请什么权限全部同意
所有权限全部拒绝,坚决不使用任何智慧校园服务
Q26:对比分类和聚类,下面现实场景匹配错误的是
垃圾邮件拦截:分类任务
未知用户行为自动分群,无预先标签:聚类任务
已知情绪标签做文本情感判别:分类任务
已有确定图书类别标签,直接对文献做自动分组:聚类任务
Q27:面向人工智能时代,作为青少年提升数字素养,不应该做的是
学会辨别AI生成信息真伪,不轻信机器输出
保护个人隐私,谨慎授权个人敏感数据
把全部思考交给AI,放弃独立思辨,凡事直接复制AI结果
理性看待人工智能优势与局限,坚持人机协同