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。
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。
登录后查看答案
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。
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。
设论域为所有对象，C(x)表示“x是顾问”，T(y)表示“y是课题”，A(x,y)表示“x为y提供建议”。“存在一位固定顾问能为每个课题提供建议”可形式化为：∀y(T(y)→∃x(C(x)∧A(x,y)))。判断该表述是否正确。
判断：人工智能发展史的“三起两落”中，专家系统带来的兴起早于早期符号推理与机器翻译研究形成的第一次兴起。
判断：人工智能发展史上，早期机器翻译等研究未达到预期，是第一次低谷形成的重要背景之一。
某模型训练的目标被表述为“让预测更接近真实值”。据此判断：损失函数用于量化预测与真实值之间的差距，训练时通过调整模型参数使损失减小。
判断题：单层感知机通过调整权重和阈值，可以解决任意二分类问题，包括异或（XOR）问题。
判断：某模型的训练误差与测试误差都很大且接近，说明模型出现了过拟合，应通过增大正则化强度来解决。
判断下列表述的正误：知识图谱以三元组（头实体，关系，尾实体）为基本存储单元，例如（北京，首都之属于，中国）即刻画了一个离散事实；这一表示方式可追溯到语义网络中以节点表示实体、以有向边表示关系的思想。因此，知识图谱与语义网络只是名称不同，二者在知识组织方式上完全等同，没有任何区别。
判断下列说法的正误：某同学整理学术资料时，将「图灵奖于1966年首次颁发」中的「图灵奖」和「1966年」识别为实体，用关系「首次颁发年份」连接，写成三元组（图灵奖，首次颁发年份，1966年）存入知识图谱。他认为：这样的三元组继承了语义网络中「节点—边—节点」的结构思想，其中关系对应语义网络中的边，且三元组以离散符号形式精确记录事实，这与连续向量形式的表示是互补关系而非等同关系。
设 p、q 为命题。判断：当 p 为假、q 为真时，蕴含命题 p→q 为假。
判断：在人工智能发展史的常见“三起两落”概括中，专家系统的兴起属于第二次兴起，深度学习推动第三次兴起；第二次低谷主要与专家系统知识获取困难、维护成本高等问题有关。
对一个无环 AOE 网，持续时间最短的源点到汇点路径上的活动构成关键活动；其对应 AOV 网的拓扑序列可能不唯一。判断该表述是否正确。
判断：若一棵二叉树的某一层结点数达到该层可能的最大值，则该层的所有结点必为叶结点。
判断：若一棵二叉树中每个结点的度都为 0 或 2，则其叶结点数比度为 2 的结点数多 1。
判断：知识图谱中的三元组由头实体、关系和尾实体构成，用于表示实体间的离散事实。
判断：若机器能够准确回答评判者提出的知识难题，即使评判者在问答中始终能分辨出它是机器，也可视为通过图灵测试。
判断：某公司宣称其新发布的AI产品在图像识别、语音翻译等多个任务上表现优异，且能自我改进部分参数，因此该产品已经属于强人工智能，具备了与人类相当的通用心智。