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。
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。
登录后查看答案
图像分类模型的端到端流程可概括为：输入图像→____→分类器输出整幅图像的唯一类别标签。某同学指出该输出并未给出目标在图像中的位置，这一看法是正确的，因为定位目标是____任务而非图像分类任务的输出要素。（第一空填流程中缺失的环节名称，第二空填“分类”或“检测”）
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。
某视觉数据集将同一幅图像分别保存为 RGB 彩色图和灰度图，二者的像素网格均为 31 行、17 列。RGB 图每个通道采用 6 位表示，灰度图每个像素采用 8 位表示，且灰度图按二维矩阵存储、不另设通道维。按“行、列、通道”的顺序，二者的数值张量形状及各元素的取值范围依次为 ____。
某视觉网络中，浅层神经元的感受野对应输入图像上的 11×11 区域，深层神经元的感受野对应 35×35 区域。对深层神经元的感受野，哪项解释正确？ A. 深层神经元直接连接输入图像上 35×35 的像素 B. 深层神经元的输出受输入图像上对应的 35×35 区域影响 C. 深层神经元只处理输入图像中最显著的 35×35 区域 D. 深层神经元的感受野是该层特征图上的 35×35 个神经元
在目标检测任务中，模型对图像中某个目标的一次完整检测结果必须包含下列哪一组要素？A. 仅边界框坐标 B. 边界框、目标类别与置信度 C. 仅目标类别与置信度 D. 仅像素级分割掩膜
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。
某系统包含四个模块：甲读取商品评论并输出“满意/不满意”；乙读取一篇文章并输出“科技/文化/体育”等主题标签；丙读取中文句子并输出对应的法语句子；丁读取对话上下文并续写一段新文本。按各模块的输入输出功能判断，哪一项分类全部正确？ A. 甲—情感分析，乙—文本分类，丙—机器翻译，丁—文本生成 B. 甲—文本生成，乙—情感分析，丙—机器翻译，丁—文本分类 C. 甲—情感分析，乙—文本分类，丙—文本生成，丁—机器翻译 D. 甲—文本分类，乙—文本生成，丙—情感分析，丁—机器翻译
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。
某语料中，“航标灯”与“舷灯”都常出现在船舶夜航、辨认航道等上下文中；“阅读灯”则常出现在书桌、夜读等上下文中。若词向量依据语料上下文的统计规律学习，且这三者中只有一项与“航标灯”的向量最接近，那么该项是____。此外，若“灯”在语料中还常指交通信号灯，单一静态词向量对“灯”的不同含义____。
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。
某静态词向量模型将词映射为稠密向量。模型发现，“候机厅”和“登机口”的向量较接近，而“候机厅”和“珊瑚礁”的向量较远。下列解释最恰当的是哪一项？ A. 向量关系反映训练语料中的统计规律，语境相近的词通常表示相近；但单一向量未必能充分表达多义词的不同含义 B. 向量关系证明“候机厅”和“登机口”在所有语境下含义完全相同 C. 向量关系只取决于词的字形是否相似，与语料中的用法无关 D. 每个词的向量都能完整表示该词在任何语境下的具体含义
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。
某卷积神经网络中，特征提取阶段按「卷积—激活—池化」逐级堆叠，其特征图尺寸逐层减小、通道数逐步增多，最后接入全连接层完成分类。已知输入图像尺寸为 28×28×1，第一组卷积使用 8 个 3×3 卷积核（步长 1，不填充），卷积后接 2×2 最大池化（步长 2）。则第一个池化层输出的特征图尺寸与通道数为：A. 13×13，通道数 8 B. 14×14，通道数 8 C. 13×13，通道数 1 D. 26×26，通道数 8
某团队训练神经网络拟合训练集，观察到两种训练策略：策略甲持续迭代直至训练集上的损失几乎为零；策略乙在训练损失降到较低值后即停止。测试发现策略乙对新样本的预测误差更小。关于损失函数的作用，下列判断正确的是 A. 策略甲必然更好，因为损失函数衡量的就是模型好坏，损失越小模型越优 B. 损失函数量化的是预测与真值的差距，训练即最小化损失，但训练集损失极小可能意味着过拟合，泛化未必更好，故策略乙更合理 C. 损失函数量化的是模型参数的数量，与预测结果无关 D. 损失函数一旦选定就不能再衡量训练之外的样本表现
长度为4的序列中，对某一元素的查询与四个键的相似度得分依次为 ln4、ln1、ln2、ln1，对应值向量（均为标量）依次为3、−1、5、9。采用 softmax 将得分归一化后加权聚合，输出是多少？下列哪项同时正确描述了该计算机制？ A. 输出为15/4；该查询可直接聚合任意位置的信息，各位置的查询计算可并行进行 B. 输出为15/4；信息必须按序列顺序逐步传递，当前位置只能接收前面位置的信息 C. 输出为4；该查询只聚合相似度得分最高位置的信息，各位置的查询计算可并行进行 D. 输出为30；该查询对值向量直接求和，信息必须按序列顺序逐步传递
某单层感知机以加权求和后与阈值比较的方式分类，输出1的样本为(0,0)、(4,0)、(0,4)，输出0的样本为(1,1)。仅调整权重和阈值，能否实现这些标签？ A. 能，因为可为三个输出1的样本分别设置权重 B. 能，因为阈值可以独立于加权求和任意取值 C. 不能，因为输出0的样本位于输出1样本构成的凸包内 D. 不能，因为单层感知机只能处理一维输入
某垃圾邮件过滤系统在不平衡测试集上评估：模型判为「垃圾邮件」的邮件共50封，其中45封确为垃圾邮件；全部60封真实垃圾邮件中被正确识别出45封。关于该模型的指标，下列判断正确的是（ ） A. 精确率为0.75，召回率为0.90 B. 精确率为0.90，召回率为0.75，F1分数约为0.82 C. 由于类别不平衡，精确率和召回率都会虚高，不可使用 D. 准确率等于召回率，因为二者都基于真实正类样本计算
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。