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。
设长度为3的输入序列，其查询向量 q 与键向量 k₁,k₂,k₃ 的相似度得分分别为 e₁=ln1、e₂=ln2、e₃=ln3（自然对数）。自注意力对各得分做 softmax 归一化后，对值向量 v₁=3、v₂=6、v₃=9 进行加权聚合，则位置1的输出为 ____。
登录后查看答案
判断下列说法是否正确：在词向量（分布式表示）中，语义相近的词会被映射为距离较近的稠密向量；因此，一个词无论出现在何种上下文中，其单一静态词向量都能准确表达该词的全部语义，不存在一词多义带来的表示困难。
某检测模型处理一张街景图像后，对一处疑似行人目标输出：边界框坐标、类别“行人”、置信度0.92。该输出中的边界框用于表示目标的____，置信度用于表示模型对该检测结果的____。
同一字串“研究生物”在“研究生物学现象”和“研究生物很有趣”两种语境中，切分结果不同，分别为“研究／生物学／现象”和“研究／生物／很有趣”。这体现了中文分词的哪一难点？填空：____。
在“他把乒乓球拍得很远”和“他买了一副乒乓球拍”中，字串“乒乓球拍”在前一句应切为“乒乓球／拍”，在后一句应切为“乒乓／球拍”；不过，为保证切分一致，同一字串在任何语境中都必须采用相同切分。判断该说法是否正确。
图像分类模型对一幅输入图像进行端到端处理时，哪一项正确描述了其基本流程？ A. 输入图像→特征提取→分类器输出整幅图像的类别标签 B. 输入图像→分类器定位目标→特征提取输出类别标签 C. 输入图像→特征提取→分类器输出每个目标的位置 D. 输入图像→分类器直接输出目标边界框
某词语表示方法为每个词分配一个稠密向量，并使语料中语境相近的词在向量空间中彼此接近。即使这种表示难以用单一向量充分表达一词多义，它仍体现了词向量的核心语义表征方式：把词映射为____表示。
在多层前馈神经网络中，隐层通过激活函数对上一层输出进行非线性变换，从而逐层抽取更高层次的特征。以异或问题为例，单层感知机无法将其正确分类；加入一个隐层后，网络可将输入映射到新的特征空间，使原本线性不可分的样本在隐层输出空间中变得____。需要注意的是，增加隐层数量虽能提升表达能力，但也会加大训练难度。
下列自然语言处理任务中，输入一句评论、输出一个情感类别（如“正面”或“负面”）的任务类型是（ ） A. 机器翻译 B. 情感分析 C. 文本生成 D. 机器翻译与文本生成的组合
某图像模型希望在保留局部显著响应的同时缩小特征图，并减弱特征位置轻微变化对表示的影响。最大池化层在此处的作用是____。
某识别任务需要先由输入形成局部特征，再将局部特征组合成整体特征。已知浅层网络难以表达这种组合关系，而增加隐层可满足表达需求、同时使训练更困难。由此可知，网络设计应在____之间进行权衡。
在图像分类型典型卷积网络中，特征提取阶段通常按“卷积—激活—池化”组织，随后接入____完成类别判定。
某研究组训练一个多层神经网络完成语音情感分类。训练中记录到两种方案的现象：方案甲将训练损失压至几乎为0，模型对训练音频逐条记忆，面对新说话人时判断频繁出错；方案乙训练损失稳定在较低但非零的水平，模型在新的音频样本上表现稳健。关于损失函数在本情境中的作用，下列判断正确的是哪一项？A. 损失函数的作用是衡量预测输出与真实标签的差距，训练即调整参数使损失减小，但训练损失趋近0并不意味着泛化更好，方案甲正是过拟合的表现 B. 损失函数的取值越接近0，模型在任何数据上的表现一定越好，故方案甲优于方案乙 C. 损失函数的作用是在测试集上评估泛化误差，训练阶段无需计算损失 D. 损失函数只反映参数更新的方向，与预测值和真实值的差距无关
在卷积神经网络中，池化层的主要作用是（ ） A. 增加可学习参数以拟合更复杂的特征 B. 对特征图降采样，缩小尺寸并增强平移鲁棒性 C. 将输入通道数扩展一倍 D. 对特征图逐元素做非线性激活
某图像分类网络先逐级提取并压缩空间特征，最后依据汇总后的特征输出类别。下列哪种模块排列符合典型卷积网络的整体结构？ A. 卷积→激活→池化逐级堆叠→全连接分类 B. 全连接分类→卷积→激活→池化逐级堆叠 C. 池化逐级堆叠→全连接分类→卷积→激活 D. 激活→全连接分类→池化逐级堆叠→卷积
某单层感知机对输入 (x₁,x₂)∈{0,1}² 按规则 y=1 当且仅当 w₁x₁+w₂x₂≥θ，否则 y=0。若目标标签满足 (0,0)→0、(1,0)→1、(0,1)→1、(1,1)→0，则无论怎样选择权重 w₁、w₂ 和阈值 θ，结论是____。
某网络训练时，损失值从 0.8 降至 0.3。有人据此认为，损失函数量化的是模型参数的大小，而不是预测结果与真实目标之间的差异。判断该说法是否正确。
某隐层需要一种激活函数：对任意有限输入，输出严格位于 −1 与 1 之间；输入取相反数时输出也取相反数；且该函数不是线性的。下列哪种函数满足全部要求？ A. σ(z)=1/(1+e^(−z)) B. σ(z)=tanh(z) C. σ(z)=max(0,z) D. σ(z)=z
判断：对于二值输入的异或分类，虽然与、或等规则可由单层感知机表示，但把这些规则组合起来后，仍可由一个单层感知机仅凭调整权重和阈值实现异或。
某二分类模型的精确率为0.75，F1分数为0.60。若F1分数按精确率与召回率的调和平均定义，则该模型的召回率为0.50。