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。
判断题：某医院引入深度学习模型辅助诊断，模型准确率很高。有人认为，既然准确率高，医生只需采纳预测结果即可，无需了解模型给出该诊断的依据，因此在医疗这类高风险场景中可解释性并不重要。
登录后查看答案
某导航智能体的性能度量是整段行程的准时率；它的先验知识、当前感知所反映的环境状况，以及执行器的可靠性共同影响各行动的预期表现。即使智能体依据这些信息选取了预期表现最优的行动，最终仍可能迟到。因此，理性智能体的判据是行动必须在实际环境中保证达到最高准时率；未能准时就说明它不理性。判断该表述是否正确。
判断：一台迎宾机器人在完成一次「感知来客位置—决策问候语—播报问候」后，只要动作已执行完毕，本轮循环即彻底结束，其行动对环境造成的变化不会影响它后续的感知。
某图像分类流程将输入图像表示为像素数据，经特征提取得到特征，再由分类器输出各类别的概率。即使最终选取概率最高的类别作为整幅图像的标签，该标签也同时确定了图中目标的位置。判断此表述是否正确。
判断：某同学认为，图像分类模型在完成“输入图像→特征提取→分类器输出类别”的端到端流程后，其输出结果中还应包含目标在图像中的具体位置信息；若没有位置信息，说明该分类流程不完整。
判断：一幅分辨率为 512×512 的 RGB 彩色图像，可以表示为一个 512×512×3 的数值张量；若将其转换为灰度图像，则对应的数值矩阵变为 512×512，不再具有通道维度。
判断题：在神经网络训练中，损失函数接收模型的预测输出与真实标签作为输入，输出一个标量数值来刻画二者的差距。某同学据此提出如下观点：“损失函数的取值应当同时依赖于预测输出与真实标签；若某个函数的取值只取决于模型参数而与预测和真值的差距无关，那么它就无法起到量化预测误差、为参数调整提供依据的作用。”请判断该观点是否正确。
某NLP平台上有甲、乙、丙三个模块。甲接收中文句子，输出对应的英文句子；乙接收一段商品评论，输出该评论的情感类别（正面或负面）；丙接收一段提示文字，输出一段全新的连贯文本。学生小李说：乙模块与丙模块同属文本生成任务，因此两者都可以用生成文本的流畅度来评价输出质量。请判断小李的说法是否正确。
某学生在实验中用一个单层感知机（加权求和加阈值，输出0或1）处理二值输入的分类任务。他先成功实现了或（OR）运算，于是断言：只需为该单层感知机再增加一个输入分量（例如恒取1的偏置型输入）并重新调整权重和阈值，就能直接表示异或（XOR）运算，无需引入隐层。请判断该断言是否正确。
某测试集的正类占比为1%，分类器将所有样本都预测为负类，准确率为99%。据此可以判断，该分类器对正类具有较强的识别能力。
某语言处理系统运行源程序时，先进行词法分析和语法分析并建立语法树，然后遍历语法树逐条执行，整个过程不生成任何目标程序。小王认为：既然该系统进行了词法分析和语法分析，就说明它采用编译方式而不是解释方式。小王的判断是否正确？
某模型对输入图像依次执行：卷积特征提取，得到 C 个通道的特征图；全局平均池化，得到 C 维向量；全连接层与 softmax，输出 K 个类别概率；最后取概率最大的类别作为整幅图像的类别标签，同时输出该类别对应的目标边界框坐标。该流程属于标准图像分类流程。
某研究团队准备公开一份数据集，将姓名删除，并把出生日期改为出生月份、居住地址改为街区。团队据此断言，数据已实现匿名化，即使外部人员将其与其他公开数据关联，也不可能识别出任何个人。判断该断言是否正确。
某公司计划对外发布员工行为数据集，其数据安全负责人认为：只要删除数据表中的姓名、工号等直接标识字段，数据就实现了匿名化，任何人都无法再识别出具体个人。请判断这一说法是否正确。
判断：某仓库分拣机器人在执行一次「感知包裹位置—决策抓取方案—完成搬运动作」的过程后，任务即告结束，此后环境状态与该智能体的运行不再有任何关联。
某智能体每次决策前都能获得环境的完整状态；在相同状态下执行相同动作，可能产生不同的后继状态；智能体思考期间环境状态保持不变。有人据此将该环境分类为完全可观察、确定、静态。该分类正确吗？
在卷积神经网络中，感受野指某层神经元在原始输入图像上对应的区域；随着网络层次加深，感受野通常增大，使浅层更关注局部细节、深层更易整合整体语义。
判断题：小张设计了一个五层前馈神经网络，每层只做线性变换 Wx+b，且所有层都不使用激活函数。他认为，只要层数足够多，该网络就能像带非线性激活的网络一样逼近任意复杂的非线性函数关系。
判断：小王训练了一个模型，训练集误差为 0.9，验证集误差为 0.95，两者都很高且接近。他认为模型已经过拟合，只要加大正则化强度（如增大惩罚系数）就能显著改善性能。
判断题：某智能体在游戏中不断尝试各种操作，仅依据每局结束后获得的延迟奖励（而非每步操作的标签）来调整策略，这属于监督学习。