全部来自 AI 原创生成并经逐题审校的题目，带 精品 标记的为 AI 复审通过。整卷生成请去组卷。
一幅灰度图像高5像素、宽8像素，每个像素用一个数值表示，则它的数字化表示是一个____数值矩阵。
登录后查看答案
在词向量（分布式表示）方法中，每个词被映射为高维空间中的一个稠密向量，训练目标是使语料中语义相近的词在向量空间中彼此接近。某模型训练后得到“医生”与“护士”的向量余弦相似度很高，而“医生”与“石头”的向量相似度很低。这体现了词向量语义表征的基本思想：____相近的词，其向量在该空间中也相近。
某系统读取一篇新闻报道，并输出预先设定的主题类别（如“科技”或“体育”）。这属于哪种自然语言处理任务？ A. 文本分类 B. 情感分析 C. 机器翻译 D. 文本生成
某语言模型先在大规模、多领域文本上学习语言规律，再用少量标注的医疗问答数据调整参数以适应医疗问答任务。判断：这种做法符合“预训练后微调”的范式，且预训练所学的通用语言规律可以迁移到该下游任务。
判断：预训练阶段学到的通用语言规律只能在预训练任务中使用；要迁移到新的下游任务，必须准备大量标注数据进行微调。
在循环网络中，处理序列 x₁,…,x_T 时，第 t 步根据当前输入 x_t 和上一时刻隐状态 hₜ₋₁ 更新得到 hₜ，使隐状态逐步保留序列历史信息。对于长度为 T 的序列，常用作整段序列表示的是最后的隐状态____。
某磁盘采用位示图法管理空闲盘块，每字14位，字号与位号均从1开始编号，每个字从左到右依次对应位号1至14；位值1表示空闲、0表示已分配。空闲盘块按位示图顺序从块号2048开始连续对应。初始时字号1的位串为 11111111111111，字号2的位串为 00111111111111，字号3的位串为 11111111101111。现回收块号2062，再分配块号2075，则最终字号2的位串是___。
某卷积网络撤去最大池化层后，特征图空间分辨率保持较高，局部显著响应的小幅位置偏移也更容易影响后续表示。恢复最大池化层主要能带来____和____。
关于自注意力机制，下列说法正确的是： A. 它让序列中每个位置与所有位置（含自身）计算相关性得分，经归一化后对值向量加权求和，可并行处理且能一步关联任意位置 B. 它必须按从左到右的固定顺序逐位置递推，当前输出依赖上一位置的隐藏状态 C. 它只在相邻位置之间使用固定卷积核提取局部特征 D. 它通过对每个通道取最大值来降低特征图的空间分辨率
某多层网络的损失函数为 L，权重 w 通过隐层影响输出。反向传播得到 ∂L/∂w=−0.6。下列关于梯度计算与参数更新的说法，正确的是哪一项？ A. 反向传播计算梯度，参数沿负梯度方向更新 B. 反向传播直接更新权重，梯度下降只计算损失 C. 权重应沿正梯度方向更新，以增大损失 D. 只需计算输出层梯度，无须向隐层回传
某研究者固定一组真实目标，只替换神经网络的预测输出，并用同一个损失函数评估每次输出。记录的损失值所量化的是____；因此，训练中调整参数以减小损失，是为了让预测输出更接近真实目标。
单层感知机对输入进行加权求和并与阈值比较，其分类边界是____，因此不能解决异或分类问题。
判断：单层感知机先对输入加权求和，再将结果与阈值比较以产生输出；因此，它只能表示线性可分的分类边界。
某研究组将同分布样本划分为训练集、验证集和测试集。三个模型候选甲、乙、丙均只用训练集拟合，验证集表现以准确率衡量，分别为 88%、91%、89%；研究组未查看测试集，现已冻结模型。应选用候选____，并将测试集用于____。
某模型在训练集上的误差很小，在独立测试集上的误差却明显较大。若仅依据这两种误差的表现判断，该模型属于____。
下列算法按学习范式归类完全正确的一组是（ ） A. 线性回归与决策树属于监督学习，K-means 聚类属于无监督学习，K近邻属于监督学习 B. 线性回归与K-means聚类属于监督学习，决策树与K近邻属于无监督学习 C. 线性回归属于无监督学习，决策树属于监督学习，K-means聚类与K近邻属于强化学习 D. 线性回归与K近邻属于无监督学习，决策树与K-means聚类属于监督学习
研究者先用训练集拟合模型，并根据验证集表现从多个候选模型中选定一个；之后仅在未参与前述过程的测试集上评估一次。对这次测试结果，哪项表述最恰当？ A. 它可作为模型对未见数据表现的独立估计，但不能保证对所有新数据都同样准确 B. 它等同于训练集表现，因为模型已经完成拟合 C. 它可以反复用于调整模型，且不会影响评估的独立性 D. 它能证明模型在任何数据分布上都具有相同表现
判断：某学习小组对经典算法的归类提出如下结论——线性回归与决策树均通过带标签数据训练模型，属于监督学习；聚类算法（如K-means）无需标签即可发现数据内在结构，属于无监督学习；K近邻算法虽然训练阶段几乎不构建显式模型，但预测时依赖带标签的训练样本进行投票，因此仍属于监督学习；而强化学习通过智能体与环境交互获得奖励信号来学习策略，不属于上述监督或无监督范式。以上归类结论是否完全正确？
用操作数栈和运算符栈求中缀表达式 42÷(7−1)+3×(8−5) 的值。按通常优先级，括号内先算，同级运算符从左到右计算。表达式求值结束后，操作数栈中唯一的数是____。
判断题：强化学习与监督学习的本质区别在于，强化学习依据环境反馈的延迟回报来调整策略，训练数据中不存在逐步标注的正确动作标签，因此强化学习也属于无监督学习。