智能创意主题赛模拟卷（三）- 7-9年级组
初中组拔高篇A，侧重神经网络反向传播、激活函数、CNN/RNN/Transformer架构与迁移学习。
// questions
题目预览
神经网络中，"反向传播"的作用是什么？
将输入数据从输入层逐层传递到输出层
根据预测误差从输出层逐层调整各层的权重
将输出结果翻译成人类可理解的自然语言
对输入数据进行清洗和标准化预处理
激活函数在神经网络中最核心的功能是什么？
加快模型训练时的计算速度
减少模型所需的训练数据量
引入非线性变换，使多层网络能学习复杂规律
自动检测并删除冗余的神经元连接
CNN（卷积神经网络）中"池化层"的主要作用是什么？
将图片从彩色转换为黑白灰度格式
压缩特征图尺寸，保留最关键的特征信息
把图片分割成多个小区域并行处理
对提取的特征进行分类和标注
RNN 在处理长句子时容易出现什么问题？
模型参数量会随着句子长度指数级增长
只能处理英文文本，无法处理中文等语言
早期信息会逐渐"遗忘"，出现梯度消失现象
必须将整段文本一次性输入，无法逐词处理
Transformer 架构相比 RNN 最突出的优势是什么？
需要的训练数据量更少，小样本也能学好
每个词可以同时关注句子中所有其他词，支持并行计算
模型结构更简单，只有两层神经网络
不需要任何标注数据就能自动学会语言规律
在强化学习的五要素中，"状态"指的是什么？
智能体当前所处情况的完整描述
智能体最终想要达成的目标
对智能体行为的评价标准
智能体可以执行的所有操作集合
Q 值（动作价值）的含义是什么？
在当前状态下执行某动作后立即获得的奖励值
从初始状态到最终目标状态的总距离
智能体选择该动作的概率大小
在当前状态下执行某动作后，按最优策略行动能获得的累积奖励
Q 值更新公式"新 Q = 旧 Q + α ×（目标值 - 旧 Q）"中，α 代表什么？
折扣因子，控制未来奖励的重要性
学习率，控制每次更新的幅度大小
探索率，控制随机选择动作的概率
奖励系数，控制奖励信号的整体强度
在强化学习训练中，如果智能体"只利用不探索"，最可能产生什么后果？
训练速度极快，迅速收敛到最优策略
模型会完全不收敛，无法学到任何策略
Q 值会无限增大，导致数值计算溢出
可能永远停留在当前已知的最优策略，错过更好的方案
以下关于 AlphaGo 训练过程的描述，哪一项是正确的？
AlphaGo 仅使用强化学习自我对弈，完全不参考人类棋谱
AlphaGo 先学习人类棋谱达到业余水平，再通过自我对弈超越人类
AlphaGo 只分析了数百局人类棋谱就达到了世界冠军水平
AlphaGo 使用的是无监督聚类算法来预测最佳落子位置
具身智能与离身智能最根本的区别是什么？
离身智能更聪明，具身智能更笨拙
具身智能拥有物理实体，能在真实物理世界中行动
离身智能只能处理文字，具身智能只能处理图像
具身智能使用强化学习，离身智能使用监督学习
在具身智能系统中，"传感器"承担的核心职责是什么？
执行物理动作（如移动、抓取）
将 AI 的决策翻译成控制信号
感知外部环境的各种信息（视觉、听觉、触觉等）
对感知到的数据进行分类和标注
Sim-to-Real（从仿真到现实）技术方案的主要目的是什么？
将真实机器人的数据输入到计算机中进行分析
用虚拟仿真替代真实的物理世界，不再需要实际部署
先在仿真环境中高效训练，再将策略迁移到真实机器人
把真实机器人的外观复制到虚拟环境中用于展示
Sim-to-Real 迁移面临的主要挑战是什么？
仿真环境的物理规律与真实世界之间始终存在差距
虚拟环境中的训练速度太慢，无法满足需求
真实机器人的传感器精度远低于虚拟传感器
仿真环境无法模拟复杂的任务场景
高质量提示词的"四要素"中，"约束条件"的作用是什么？
设定 AI 的角色身份和专业背景
明确告诉 AI 需要完成的具体任务
限制输出的范围、长度、风格等，使结果更精准
规定输出的排版格式和结构要求
以下关于"系统思维"的描述，哪一项是正确的？
只关注系统的某个核心部分即可，无需考虑其他
系统的各要素之间相互独立，互不影响
用整体视角分析要素之间的关联和系统整体目标
系统的目标一旦确定就永远不会改变
在 SWOT + E 评估框架中，"T"代表的维度分析的是什么？
团队成员的技术能力水平
方案可能面临的外部风险和威胁
方案所需的资金和时间成本
方案的技术实现难度
在自动驾驶的"电车难题"场景中，功利主义视角的主张是什么？
不应主动转向，让事故自然发生
优先保护车内乘客的安全
选择造成总伤害最小的方案，保护更多人
交由乘客自己做决定，AI 不参与
关于 AI 生成内容的版权归属，以下哪个描述符合当前中国的趋势？
AI 生成的内容自动享有完整的版权保护
AI 生成的内容不受版权保护，但人类创造性参与的部分受保护
AI 生成内容的版权完全归属于 AI 开发公司
版权由 AI 系统和人类使用者共同平均分配
中国在 AI 技术栈中，目前受"卡脖子"影响最严重的层级是什么？
应用层——各类 AI 产品和服务的开发
框架层——深度学习框架和开发工具
芯片层——训练 AI 所需的高端 GPU 和 NPU
数据层——中文训练数据的收集和标注
以下哪些属于神经网络训练过程中的核心概念？
权重——连接线上决定信息传递强弱的数值
激活函数——引入非线性变换的关键组件
反向传播——根据误差逐层调整权重的方法
像素分辨率——决定输入图片清晰度的参数
关于 Transformer 架构的特点，以下哪些说法是正确的？
通过自注意力机制直接捕捉词与词之间的长距离关系
支持并行计算，训练速度比 RNN 快得多
多头注意力可以同时关注语法、语义、指代等多种关系
必须一个词一个词地按顺序处理，无法并行
以下哪些属于强化学习五要素之一？
智能体（Agent）——做决策的主体
环境（Environment）——AI 所处的外部世界
标签（Label）——标注好的正确答案
奖励（Reward）——对动作好坏的反馈信号
在为具身智能机器人选择传感器时，以下哪些是合理的选择？
摄像头——用于识别物体和读取文字信息
力觉传感器——用于感知抓取力度，避免损坏物品
激光雷达——用于检测前方障碍物和测距
气味传感器——用于检测空气中的化学成分和温度
以下哪些是 Sim-to-Real 方案相比直接在真实环境中训练的优势？
仿真环境可以加速训练，不受真实时间的限制
虚拟机器人摔坏没有维修成本
仿真环境与真实世界完全一致，没有任何差距
可以在危险场景中安全训练，不会造成实际损失
以下哪些属于高质量提示词"四要素"的组成部分？
角色设定——告诉 AI 它应该扮演什么角色
任务描述——明确告诉 AI 需要完成什么任务
约束条件——限定输出的范围、长度和风格
探索率——控制 AI 输出结果的随机程度
以下哪些属于 SWOT + E 评估框架中的维度？
优势（Strengths）——方案的核心优点
劣势（Weaknesses）——方案的技术局限
伦理（Ethics）——方案可能引发的伦理问题
探索（Exploration）——方案的创新尝试方向
以下哪些是当前 AI 伦理领域存在争议的前沿法律问题？
AI 用有版权的图片训练后生成新图片是否构成侵权
AI 辅助创作作品的版权应该归属于谁
AI 生成的虚假内容传播后，发布者应承担什么责任
AI 是否能够完全替代所有类型的法律服务工作
关于强化学习中"探索与利用"的平衡，以下哪些说法是正确的？
训练初期应适当增大探索率，鼓励尝试新策略
训练后期应增大利用比例，更多地使用已验证的最优策略
只探索不利用会导致无法学到稳定的策略
只利用不探索可能错过比当前更好的策略
以下哪些属于中国在 AI 领域的相对优势？
拥有 14 亿人口，应用场景丰富且数据量巨大
政府对 AI 发展给予了大力支持
在中文 AI 和中文数据处理方面拥有天然语言优势
在高端 AI 芯片制造方面已完全实现自主可控