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。
登录后查看答案
在图像分类网络的卷积部分中，连续堆叠三层 3×3 卷积（步长为1、无填充），第1层卷积神经元的感受野对应输入图像上 3×3 的区域。若把感受野理解为该神经元输出受输入图像影响的区域大小，则第3层卷积神经元的感受野边长为 ____（填一个整数）。
某目标检测模型对一张图像完成处理后，需要输出完整的三要素结果。已知模型在图像上确定了两个矩形预测框：框 P 左上角坐标 (20,30)、右下角坐标 (150,180)，判定内容为行人的可能程度为 0.87；框 Q 左上角坐标 (200,60)、右下角坐标 (300,160)，判定内容为汽车的可能程度为 0.92。若要把这两个检测结果完整记录下来，每个框至少应记录的信息组合是：A. 仅框的两个对角坐标 B. 框的两个对角坐标、预测类别及该类别的置信度 C. 仅预测类别与置信度 D. 框的对角坐标及预测框与真实框的交并比
某检测器给出三条候选记录：B₁=[12,8,40,36]、类别“自行车”、置信度0.82；B₂=[10,7,42,38]、类别“公交车”、置信度0.91；B₃=[13,9,39,35]、类别“自行车”、置信度0.76。已知B₁、B₂、B₃与真实自行车框的交并比分别为0.48、0.80、0.67；评估时仅将类别为“自行车”且交并比不低于0.50的候选视为匹配。符合条件的候选中，置信度最高者对应的目标检测输出是哪一项？ A. 边界框B₁，类别“自行车”，置信度0.82 B. 边界框B₂，类别“公交车”，置信度0.91 C. 边界框B₃，类别“自行车”，置信度0.76 D. 边界框B₃，类别“自行车”，置信度0.67
设长度为3的序列，某查询向量与各位置键向量的得分依次为 s₁=ln2、s₂=0、s₃=0，注意力权重由 softmax 归一化得到；三个位置的值向量（标量）分别为 v₁=6、v₂=4、v₃=8。该查询位置经自注意力加权聚合后的输出是多少？ A. 4 B. 5 C. 6 D. 8
某NLP系统有三个模块：模块甲输入中文句子、输出对应的英文句子；模块乙输入一段影评、输出情感类别（正面或负面）；模块丙输入若干提示词、输出一段连贯的新文本。若按「输入文本→输出文本序列」（即输出仍是文本而非有限类别标签）的标准归类，属于文本生成任务的模块共有____个；其中模块乙的任务类型与机器翻译同属判别式任务的说法是____（填“正确”或“错误”）。
某模型为每个词分配一个稠密向量，训练后发现“苹果”与“梨”的向量较接近。对这种词向量语义表征，以下判断最恰当的是哪一项？ A. 向量接近说明两个词在所有语境中都可以互换 B. 向量接近反映语料中的统计使用规律，但单一向量可能难以充分表达多义词的不同义项 C. 每个词的向量直接存储了该词的完整词典定义 D. 只要词有多个义项，模型就必然会为其自动分配多个向量
某领域中，“研究生命起源”通常按“研究／生命／起源”切分；“生命研究员”通常按“生命／研究员”切分。现有新造人名“林云帆”在训练词表中未出现。下列判断哪项最准确？ A. 两处“研究”必须切成相同的词，因为字串相同 B. 应结合上下文消解“研究”的切分差异；“林云帆”还体现未登录词问题 C. 汉语字间有天然边界，未登录词不会影响分词 D. 只要把词典扩充到足够大，所有语境歧义都自动消失
某同学设计了一个包含两个隐层的神经网络，为了让模型更简单，他将所有层的激活函数都设为恒等映射，即 σ(z)=z，每层仅做线性变换 Wx+b。关于该网络的表达能力，下列说法正确的是： A. 由于有两个隐层，网络可以拟合任意复杂的非线性函数 B. 去掉非线性激活后，多层线性变换叠加仍等价于一个单层线性变换 C. 隐层数量越多，网络的非线性表达能力越强 D. 恒等激活函数能为网络引入非线性因素，因此模型仍然有效
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。
某团队设计三项学习任务：甲用带有“合格/不合格”标签的样本训练质检模型；乙对未标注的新闻文本自动发现主题簇；丙让虚拟赛车在赛道中反复选择转向和加速动作，并依据比赛结束后的成绩调整策略，过程中没有标注每一步的正确动作。甲、乙、丙对应的学习范式依次是？ A. 监督学习、无监督学习、强化学习 B. 监督学习、强化学习、无监督学习 C. 无监督学习、监督学习、强化学习 D. 强化学习、无监督学习、监督学习
某欺诈检测模型在测试集上预测结果如下：真正例（TP）为20，假正例（FP）为30，假反例（FN）为60，真反例（TN）为4890。已知精确率 P=TP/(TP+FP)，召回率 R=TP/(TP+FN)，F1 值为 P 与 R 的调和平均。若仅将 FP 与 FN 的数值对调（TP、TN 不变），则新结果下的 F1 值与原 F1 值之比为____（用最简整数比表示）。
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。
某设备故障预警数据中，故障样本远少于正常样本。模型在测试集上的准确率很高，但实际应用既不能容忍漏报，也不能容忍大量误报。若需用一个指标综合衡量精确率与召回率，避免只看准确率造成误判，应报告____。
有向图仅含边 S→A（代价2）、S→B（代价1）、A→G（代价5）、B→G（代价8），启发值为 h(S)=0、h(A)=4、h(B)=1、h(G)=0。A*以 f(n)=g(n)+h(n) 排序，每次取 f 最小节点扩展；若已在开放表中的节点获得更小 g 值则更新，取出目标节点时终止。算法返回的路径及总代价是： A. S→B→G，总代价9 B. S→A→G，总代价7 C. S→B→G，总代价8 D. S→A→G，总代价6
设 p、q、r 为三个命题，已知 p 与 q 均为真。若复合命题 (q→p)→(p→(q∧¬r)) 的真值为假，则 r 的真值为（ ）。 A. 真 B. 假 C. 无法确定 D. 与 p、q 的取值有关
设论域为所有对象，A(x)表示“x是档案库”，C(y)表示“y是管理员”，R(y,x)表示“y负责x”。将“每个档案库至少有一名管理员负责，管理员可以因档案库而异”写成形如 ∀x(A(x)→____) 的逻辑表达式。空格内只使用给定谓词、量词和联结词。
判断：某产生式系统规则库为 R1：如果 A，则 B；R2：如果 A 且 C，则 D；R3：如果 D，则 E；R4：如果 C，则 F。已知事实库中仅有事实 A 和 C。若采用正向推理，则既能推出 E，也会推出 B 和 F 等与目标无关的结论；若目标是验证 E 是否成立，采用反向推理只需沿 E←D←A、C 的路径验证，通常更高效。
判断：某图书馆智能咨询系统的产生式规则库为：R1：如果 读者逾期未还，则 读者账户受限；R2：如果 读者账户受限，则 读者需缴罚金。已知事实：小王 逾期未还。现需验证唯一目标“小王 需缴罚金”，采用反向推理（从目标出发寻找支持证据）比采用正向推理更能避免推出诸如“读者账户受限”等与本目标验证无关的中间结论，因此该场景下反向推理更合适。