【报名后】进入竞赛页面中的：【报名管理页面】点击【查看】即可看到对应的场次的考场【即可立即进入练习】【每次进入随机刷新50道练习题】
样题展示
一、单选题（每题只有一个正确选项）
1. 下列哪种机器学习方式使用"带标签"的数据进行训练？ A. 强化学习 B. 无监督学习 C. 监督学习 D. 迁移学习
✅ 答案：C ? 解析：监督学习利用已标注的输入—输出样本训练模型，使其学会从输入到输出的映射；无监督学习处理无标签数据，强化学习靠奖励信号，迁移学习是把已有模型知识迁移到新任务。
2. 强化学习的核心机制是？ A. 从大量标注样本中直接拟合输入到输出的映射 B. 智能体通过与环境持续交互，以最大化累积奖励为目标学习策略 C. 对无标签数据进行聚类分组 D. 仅依赖预设规则进行逻辑推理
✅ 答案：B ? 解析：强化学习中没有现成的"标准答案"标签，智能体（Agent）在环境中采取行动，环境返回奖励/惩罚，智能体通过不断试错来学习最优策略（如迷宫寻路、博弈对战）。
3. 深度学习中"反向传播"算法的主要作用是？ A. 对输入数据进行归一化预处理 B. 利用链式法则计算损失函数对各层参数的梯度，从而更新网络权重 C. 直接合成新的训练样本 D. 将图像转换为一维特征向量
✅ 答案：B ? 解析：反向传播从输出层出发，沿网络反向逐层应用链式法则，计算出损失对每个权重/偏置的梯度；优化器再据此更新参数，是神经网络训练的核心。
4. 在神经网络中引入激活函数（如 ReLU、Sigmoid）的主要目的是？ A. 提高数据读取速度 B. 引入非线性，使网络能够拟合复杂的非线性函数 C. 减少模型的参数量 D. 替代损失函数的作用
✅ 答案：B ? 解析：若网络仅由线性变换堆叠，多层等价于单层线性映射，无法表达复杂关系。激活函数引入非线性，是深度网络具备表达能力的必要条件。
5. 自然语言处理中的"分词"任务是指？ A. 将一篇文章完整翻译成另一种语言 B. 将连续的字/字符序列切分成有意义的词序列 C. 对句子进行情感正负向打分 D. 自动生成文章摘要
✅ 答案：B ? 解析：分词（如中文分词）是把连续的字序列切分为词序列，是中文 NLP 的底层基础任务；句法分析则进一步分析句子的语法结构。情感分析、摘要属于更高层任务。
—————————————————————————
二、多选题（每题至少有两个正确选项）
6. 下列属于无监督学习典型算法/任务的有？ A. K-Means 聚类 B. 主成分分析（PCA）降维 C. 线性回归 D. 层次聚类
✅ 答案：A、B、D ? 解析：无监督学习处理无标签数据。K-Means 与层次聚类用于把样本分组，PCA 用于降维；线性回归需要标签（自变量—因变量），属于监督学习。
7. 关于计算机视觉中的"目标检测"，下列说法正确的有？ A. 目标检测不仅要识别物体类别，还要定位其位置（如给出边界框） B. 目标检测只需判断图像中是否存在某类物体，不需要给出位置 C. 相比图像分类，目标检测的输出通常包含"类别 + 坐标"信息 D. 常见的目标检测方法包括 R-CNN、YOLO、SSD 等
✅ 答案：A、C、D ? 解析：图像分类只回答"是什么"，目标检测还要回答"在哪里"，输出类别与边界框坐标；B 描述的是图像分类而非检测。R-CNN、YOLO、SSD 都是经典检测框架。
8. 关于深度学习的训练过程，下列说法正确的有？ A. 反向传播基于链式法则，从输出层向输入层逐层计算梯度 B. 优化器（如 SGD、Adam）利用梯度来更新网络权重 C. 损失函数用于衡量模型预测值与真实标签之间的差距 D. 训练过程中不需要计算梯度，直接随机更新参数即可
✅ 答案：A、B、C ? 解析：训练 = 前向传播算损失 → 反向传播算梯度 → 优化器按梯度更新权重，三者协同；D 错误，随机更新无法稳定收敛。
—————————————————————————
三、判断题（正确打"✓"，错误打"✗"）
9. 强化学习通常不需要人工标注的"标准答案"标签，而是通过环境反馈的奖励信号来指导智能体学习策略。 ✅ 答案：✓（正确） ? 解析：强化学习的特点是"试错 + 奖励"，智能体在交互中根据奖励（正/负反馈）调整行为，而非依赖成对的标注样本。
10. 卷积神经网络（CNN）主要用于处理一维序列文本数据，而循环神经网络（RNN）才用于处理图像。 ✅ 答案：✗（错误） ? 解析：恰恰相反——CNN 擅长提取图像的局部空间特征，广泛用于计算机视觉；RNN（及其变体 LSTM、GRU）擅长处理具有时序关系的序列数据（如文本、语音）。