2026知到答案 信息技术与人工智能育种（浙江大学） 最新智慧树满分章节测试答案

第二章 单元测试

1、多选题：
以下哪些是人工神经网络中常见的网络结构类型？
选项：
A:循环神经网络
B:Transformer
C:决策树网络
D:全连接神经网络
E:卷积神经网络
答案: 【循环神经网络;
Transformer;
全连接神经网络;
卷积神经网络】

2、判断题：
感知机模型可以看作是一个带有激活函数的线性分类器。
选项：
A:对
B:错
答案: 【对】

3、单选题：
在神经网络中，哪个组件用于决定神经元是否被激活？
选项：
A:激活函数
B:输入信号
C:偏置项
D:权重
答案: 【激活函数】

4、多选题：
在大语言模型中，关于分词和向量化的作用，以下哪些说法是正确的？
选项：
A:Word2Vec通过预测上下文的方式学习词向量，使语义相近的词在向量空间中距离更近
B:分词的目的是将连续文本切分为语义单元，以便模型处理
C:BPE算法属于基于频率的静态分词方法，不依赖训练语料
D:向量化是将离散的词或子词转换为高维空间中的数值向量
答案: 【Word2Vec通过预测上下文的方式学习词向量，使语义相近的词在向量空间中距离更近;
分词的目的是将连续文本切分为语义单元，以便模型处理;
向量化是将离散的词或子词转换为高维空间中的数值向量】

5、单选题：
下列哪一项最准确地描述了大语言模型中“大”的主要含义？
选项：
A:指模型具有庞大的参数量、大规模训练数据和复杂结构
B:指模型只能处理大段文本，不能处理短句
C:指模型使用了特别大的输入词汇表
D:指模型运行时需要很大的显示器
答案: 【指模型具有庞大的参数量、大规模训练数据和复杂结构】

6、单选题：
在实现QKV注意力机制时，假设输入序列的嵌入向量矩阵为X（形状为[n×d_model]），通过三个可学习权重矩阵W_Q、W_K、W_V分别生成查询矩阵Q、键矩阵K和值矩阵V。以下关于该过程中注意力得分计算和上下文向量生成的描述，哪一项是正确的？
选项：
A:注意力得分由cosine_similarity(Q, K)直接计算后与Q相加，形成最终输出表示
B:注意力得分由softmax(Q·K^T / √d_k)计算得到，然后与V相乘得到上下文向量，其中d_k是K的维度
C:注意力得分由sigmoid(Q·V^T)计算得到，再与K相乘得到上下文向量，且无需缩放处理
D:Q、K、V是由X与同一权重矩阵W变换而来，以保证语义一致性
答案: 【注意力得分由softmax(Q·K^T / √d_k)计算得到，然后与V相乘得到上下文向量，其中d_k是K的维度】

7、判断题：
在Transformer模型中，即使输入文本的词汇相同且顺序一致，位置编码的引入仍会使得不同位置的相同词对应的最终向量表示不同。
选项：
A:错
B:对
答案: 【对】

8、单选题：
在自注意力机制中，Query、Key和Value向量分别来源于输入序列的何种变换？
选项：
A:Query、Key、Value均通过对同一输入向量进行不同的线性投影得到
B:Query来自当前词，Key来自上下文词，Value来自目标词
C:Query、Key、Value分别对应词性、语法角色和语义信息
D:Query由词嵌入直接使用，Key和Value由位置编码生成
答案: 【Query、Key、Value均通过对同一输入向量进行不同的线性投影得到】