智能创意主题赛模拟卷（四）- 7-9年级组
初中组拔高篇B，侧重神经网络权重、CNN卷积层、LSTM、注意力机制与对抗样本。
// questions
题目预览
神经网络中的"权重"指的是什么？
模型训练所消耗的电量数值
输入数据的总数量
神经元连接线上决定信息传递强弱的数值
模型输出结果的置信度分数
如果神经网络没有激活函数，会出现什么问题？
模型完全无法进行任何计算
训练速度会变得极快，但不稳定
只能处理图像数据，无法处理文本数据
多层网络的效果与单层网络等价，无法学习复杂规律
CNN（卷积神经网络）中"卷积层"的主要功能是什么？
压缩特征图尺寸以减少计算量
综合所有特征给出最终的分类结果
用"滤镜"扫描图片，提取边缘、纹理等局部特征
将图片转换为数值向量用于计算
LSTM（长短期记忆网络）被设计出来主要是为了解决什么问题？
卷积神经网络无法处理文本数据的问题
模型训练时内存占用过大的问题
RNN 在处理长序列时早期信息容易丢失的问题
监督学习需要大量标注数据的成本问题
Transformer 的"自注意力机制"使模型能够做到什么？
自动为输入数据生成标注标签
每个词同时关注句子中所有其他词的关系
在不需要任何训练的情况下直接理解语义
将长句子自动压缩成简短的摘要
在强化学习五要素中，"环境"指的是什么？
智能体执行动作所消耗的能源
智能体需要遵守的所有行为规则
训练模型所使用的计算机硬件配置
智能体所处的外部世界，能对智能体的动作做出响应
在一个迷宫游戏中，机器人当前位置为 S，可选动作为"向左"和"向右"。如果 Q(S, 向右) = 8.5，Q(S, 向左) = 2.1，智能体最可能选择哪个动作？
向左，因为数值更小更安全
随机选择，因为差距太大不可信
向右，因为 Q 值更高预期奖励更大
两个都不选，直接停止行动
Q 值更新公式中，"折扣因子 γ"的作用是什么？
控制每次权重更新的步长大小
控制未来奖励在当前决策中的重要程度
决定智能体选择随机动作的概率
调节奖励信号的正负方向
在强化学习训练中，ε-贪心策略中 ε（探索率）的含义是什么？
控制每次 Q 值更新的学习幅度
控制未来奖励的衰减速度
以 ε 概率随机动作，其余选 Q 值最高的
控制训练过程中数据采样的比例
AlphaGo 在训练的第二阶段"自我对弈"中使用的是什么学习方式？
无监督聚类学习
监督学习（从人类棋谱中学习）
强化学习（赢的策略获奖励，输的策略获惩罚）
迁移学习（从国际象棋迁移到围棋）
以下哪个不属于具身智能的典型代表？
波士顿动力机器人
ChatGPT 聊天助手
自动驾驶汽车
仓库物流搬运机器人
在自动驾驶系统中，"决策层"承担的核心职责是什么？
感知道路、行人和交通信号
控制方向盘、油门和刹车等执行装置
分析感知信息并决定下一步的操作策略
记录行车轨迹和驾驶行为数据
"领域随机化"技术在 Sim-to-Real 中的作用是什么？
加速仿真环境中训练的计算速度
通过在仿真中随机变化条件来缩小仿真与现实的差距
将真实机器人的传感器数据导入仿真环境
减少强化学习训练中所需的奖励函数数量
为什么不直接在真实机器人上训练强化学习策略？
真实机器人无法执行任何强化学习算法
真实世界训练速度慢、成本高且存在安全风险
仿真环境中的物理规律比真实世界更准确
真实机器人的计算能力远不如计算机
高质量提示词"四要素"中，"输出格式"的作用是什么？
设定 AI 扮演的专业角色
明确需要完成的核心任务
限定输出的语言风格和字数范围
规定结果的组织结构和呈现方式
用系统思维分析"AI 推荐系统"时，"信息茧房"现象的根源是什么？
用户主动选择不看不同类型的内容
算法不断推荐相似内容，导致用户视野越来越窄
系统硬件性能不足导致推荐内容种类有限
广告商故意限制推荐内容的多样性
在 SWOT + E 框架中，"E"（伦理）维度主要评估什么？
方案的经济效益和投资回报率
方案实施过程中可能涉及的道德和社会责任问题
方案所使用的算法的运算效率
方案团队成员的专业能力和经验水平
在 AI 监控与隐私保护的讨论中，以下哪种做法属于"折中方案"？
完全禁止所有公共场所的 AI 监控系统
对监控数据进行匿名化处理，仅识别异常行为
将所有市民的监控记录永久保存以备查询
取消所有对 AI 监控系统的使用限制
如果 AI 生成的新闻文章包含了错误信息并造成了不良影响，根据当前的趋势，谁应承担最终审核责任？
AI 系统本身应承担全部法律责任
发布该内容的媒体或使用 AI 的人负有审核责任
所有责任应由 AI 开发商承担
错误信息一旦发布就无人需要负责
以下哪项不是中国在 AI 领域的相对优势？
拥有海量中文数据和丰富的应用场景
制造业 AI 应用方面走在世界前列
在高端 AI 芯片设计与制造上已完全自主可控
中文 AI 技术具有天然的语言优势
以下关于三种深度学习架构的说法，哪些是正确的？
CNN 擅长处理图像数据，通过卷积和池化提取特征
RNN 能处理序列数据，但存在长距离信息遗忘的问题
Transformer 通过自注意力机制实现并行处理和长距离关系捕捉
CNN 是唯一能用于自然语言处理的神经网络架构
大语言模型（LLM）生成文本的基本原理包含以下哪些步骤？
将输入文本切分为词块（Tokenization）
将每个词块转换为数值向量表示
逐个预测并输出最可能的下一个词
直接从数据库中检索并拼接已有的文章段落
关于强化学习五要素的对应关系，以下哪些组合是正确的？
智能体——游戏中的角色（做决策的主体）
环境——游戏地图（AI 所处的世界）
奖励——训练数据的标签（正确答案）
状态——角色位置、血量等当前情况描述
具身智能的"感知—决策—行动"回路中，以下哪些属于常见的传感器类型？
摄像头——用于视觉感知
麦克风——用于听觉感知
机械臂——用于执行抓取动作
力觉传感器——用于触觉感知
以下哪些是直接在真实环境中训练机器人面临的困难？
训练速度受限于真实世界的时间流速，效率低下
机器人反复试验可能导致设备损坏，维修成本高昂
在某些危险场景中直接训练存在严重安全隐患
真实环境无法提供任何形式的感知数据
以下哪些是优化提示词的有效策略？
为 AI 设定明确的角色身份（如"你是一位初中物理老师"）
清晰描述需要完成的具体任务
添加约束条件（如字数限制、语言风格要求）
故意使用模糊不清的描述以激发 AI 的创造力
用 SWOT + E 框架评估"AI 批改作文系统"时，以下哪些分析是合理的？
优势：批改速度快、标准统一、不知疲倦
劣势：难以真正理解文章的情感和创意
机会：结合大模型提升评分准确性
伦理：评分过程不透明，学生不清楚扣分原因
关于 AI 伦理中的"公平性"原则，以下哪些描述是正确的？
AI 系统不应因性别、种族、年龄等因素区别对待用户
如果训练数据本身存在偏见，AI 可能学会并放大这些偏见
公平性原则只适用于招聘系统，与其他 AI 应用无关
确保公平性需要从数据采集、模型设计到结果评估全流程把关
以下哪些因素可能导致强化学习中的"奖励黑客"（Reward Hacking）现象？
奖励函数设计不合理，AI 找到了获取高奖励的"漏洞"
环境中存在比预期更容易获得奖励的捷径
惩罚力度设置过低，AI 不在乎偶尔的失误
AI 的 Q 值计算公式本身存在数学错误
关于中国 AI 技术栈各层级的发展现状，以下哪些描述是准确的？
应用层：中国有文心一言、通义千问、讯飞星火等代表性产品
框架层：飞桨在国内市场份额已超过 PyTorch
芯片层：高端 GPU 仍存在依赖进口的情况
数据层：中文数据量不足是中国 AI 发展的最大瓶颈