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。
姓名
    ____________
班级
    ____________
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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

27题 | 被引用0次

模板修改
使用此模板创建