# 1. 感知机为什么不能解决异或问题，多层感知机加入非线性激活函数后能力如何提升？ A 感知机可以解决 XOR 问题，因为它是线性模型 B 多层感知机若不加非线性激活，多层叠加仍等价于单层线性模型 ✓ 正确答案 C XOR 问题可以用一条直线将两类样本分开 D 非线性激活函数只在输出层需要，隐藏层可用线性激活
# 2. 反向传播算法如何用链式法则计算每层梯度，梯度消失与梯度爆炸的成因和常用缓解手段是什么？ A 反向传播用链式法则逐层回传梯度，用于更新各层参数 ✓ 正确答案 B 梯度消失导致底层参数更新过大，梯度爆炸导致参数不更新 C Sigmoid 激活因导数最大不超过 1，能避免梯度消失 D 残差连接会加剧梯度消失，应避免使用
# 3. ReLU、Sigmoid、Tanh、LeakyReLU 等激活函数的特性与选择依据，为什么 ReLU 成为默认选择？ A Sigmoid 输出是零中心的，导数在两端不饱和 B ReLU 负区间梯度为 0，可能产生死亡神经元问题 ✓ 正确答案 C ReLU 计算复杂、收敛慢，因此不作为默认激活函数 D Tanh 在正区间导数恒为 1，能避免梯度消失
# 4. SGD、Momentum、Adam 的更新规则与优缺点，Adam 为什么通常收敛更快、但有时泛化略差？ A SGD 为每个参数自适应调整学习率，收敛最快 B Momentum 不考虑历史梯度，只使用当前梯度 C Adam 通过自适应学习率与动量加速收敛，但有时泛化略差 ✓ 正确答案 D Adam 对学习率极为敏感，必须精确调参
# 5. CNN 的卷积、池化与全连接层各起什么作用，感受野与参数量如何随层数变化？ A 全连接层参数量通常小于卷积层，因为权值共享 B 池化层不会改变空间分辨率，只增加通道数 C 感受野随层数增加而减小，深层只能看到局部 D 卷积层通过权值共享减少参数量，参数量与输入尺寸无关 ✓ 正确答案
# 6. RNN 为什么难以建模长序列，LSTM/GRU 的门控机制如何缓解长期依赖问题？ A RNN 通过细胞状态的加性更新与门控，天然擅长长序列建模 B GRU 比 LSTM 参数更多，门控更复杂 C LSTM 的遗忘门决定保留多少旧细胞状态，缓解了长期依赖 ✓ 正确答案 D 标准 RNN 的梯度随时间连乘不会消失，能建模长序列
# 7. 注意力机制的核心思想是什么，Query/Key/Value 如何通过相似度加权得到上下文表示？ A 注意力通过对所有输入等权平均，得到上下文表示 B Query 与 Key 计算相似度，经 Softmax 归一化后对 Value 加权求和 ✓ 正确答案 C Value 向量用于表示"关注点"，Query 承载实际内容 D 缩放点积是为了放大 Q、K 的相似度差值
# 8. 权重初始化（Xavier/He）与批归一化（BatchNorm）为什么能提升训练稳定性，原理分别是什么？ A Xavier 初始化使信号在前向与反向传播中保持方差稳定，缓解梯度问题 ✓ 正确答案 B BatchNorm 在训练时按单个样本统计，推理时按 batch 统计 C He 初始化适合 Sigmoid 激活，方差设置比 Xavier 更小 D 批归一化会加剧内部协变量偏移，使训练不稳定
# 9. 卷积的 stride、padding 与通道数如何决定输出尺寸与计算量，1×1 卷积的作用是什么？ A stride 越大输出尺寸越大，计算量越大 B 1×1 卷积不改变空间尺寸，但可调整通道数并实现降维 ✓ 正确答案 C padding 只会增大输出尺寸，不会影响计算量 D 输出通道数由输入通道数决定，与卷积核数量无关
# 10. 数据增强、权重衰减与 Dropout 对深度网络过拟合的缓解机制有何不同？ A 数据增强通过约束参数幅值来降低过拟合 B 权重衰减在训练时随机丢弃神经元，强制网络学习冗余特征 C 数据增强与权重衰减的作用机制完全相同，可互换使用 D Dropout 相当于隐式集成多个子网络，降低对特定神经元的依赖 ✓ 正确答案
# 11. 交叉熵损失与对比损失分别适合什么任务，损失函数的选择如何影响优化与表示学习？ A 对比损失让同类样本距离更近、异类更远，适合度量学习任务 ✓ 正确答案 B 交叉熵损失通过度量嵌入相似度来学习表示 C 对比损失适合分类任务，直接监督模型输出类别概率 D 对比损失不需要负样本，对采样策略不敏感
# 12. 词嵌入（Embedding）相比 one-hot 编码的优势是什么，稠密低维向量如何表达语义相似性？ A one-hot 向量稠密低维，能表达词与词的语义相似性 B one-hot 中任意两个词向量正交，无法表达语义关联 ✓ 正确答案 C 词嵌入的相似性可通过语义关系精确计算，与训练无关 D 词嵌入把每个词映射为高维稀疏向量，维度随词表增长
# 13. 模型容量与数据量的匹配原则，小数据场景为什么应选简单模型或预训练模型？ A 数据量小时应选择容量更大的模型，以充分利用数据 B 模型容量与数据量无关，复杂度越高越好 C 简单模型参数量大，容易在有限数据上过拟合 D 小数据场景用预训练模型，可借迁移学习避免过拟合 ✓ 正确答案
# 14. 学习率调度与训练稳定，warmup、余弦退火与阶梯衰减各自的适用场景，学习率与批量大小如何联动调整？ A warmup 在训练后期把学习率调大，以跳出局部最优 B 余弦退火在训练初期学习率最大，训练后期平滑下降 ✓ 正确答案 C 增大批量时通常应同步降低学习率，避免梯度估计不准 D 阶梯衰减曲线平滑，适合短暂的训练过程
# 15. 梯度裁剪与梯度累积，梯度爆炸时梯度裁剪的作用，小显存下梯度累积与真正增大批量在统计上是否等价？ A 梯度裁剪通过增大梯度范数来加速训练 B 梯度累积得到的梯度与真实大 batch 梯度在方向上完全无偏但数值恒等 C 梯度累积把多个小 batch 的梯度累加后更新，可在小显存模拟大 batch 训练 ✓ 正确答案 D 梯度累积加快训练速度，因为参数更新次数更频繁
# 16. 批归一化在训练与推理的差异，训练时按 batch 统计、推理时用滑动均值，BatchNorm 与 LayerNorm 的适用场景差异如何？ A BatchNorm 推理时仍使用当前 batch 的均值与方差 B BatchNorm 训练时用 batch 统计量，推理时用全局滑动统计量 ✓ 正确答案 C LayerNorm 依赖 batch 大小，batch 小时不稳定 D LayerNorm 跨 batch 样本归一化，适合 CNN 图像任务
# 17. 损失函数的数值稳定性，Softmax 与交叉熵的数值实现（LogSumExp）、标签平滑的作用与对过拟合的抑制如何？ A 标签平滑把 one-hot 标签改得更极端，加剧模型过拟合 B LogSumExp 通过先减去最大值避免 exp 溢出，且不改变结果 ✓ 正确答案 C Softmax 的指数运算在输入很小时溢出，无法规避 D 标签平滑会显著降低模型准确率，因此不被使用
# 18. 迁移学习与微调，预训练模型为什么能迁移到下游任务，冻结底层/微调全层的取舍依据是什么？ A 预训练模型底层学到的是任务特定的高级特征，无法迁移 B 下游数据充足时应冻结底层，以保留预训练特征 C 预训练模型底层学到通用低级特征，可迁移到下游任务 ✓ 正确答案 D 微调时底层参数应使用最大学习率，以快速适配
# 19. 模型压缩的剪枝、量化与知识蒸馏各自思路与适用场景，部署时的精度-速度权衡如何评估？ A 三种压缩方法都必然大幅降低精度，无法在部署中使用 B 剪枝通过训练一个更大的教师模型来压缩学生模型 C 知识蒸馏直接删除不重要的权重，减少参数 D 量化把权重压缩到低精度，可减小体积并加速推理 ✓ 正确答案
# 20. 训练复现性工程，随机种子、确定性算法与版本固定如何保证实验结果可复现，与工程 CI 如何衔接？ A 固定随机种子即可完全消除 GPU 运算的不确定性，无需其他设置 B 启用确定性算法并固定软件版本，可减少运行间差异 ✓ 正确答案 C 只要记录超参数，无需记录代码版本与数据版本 D CUDA 版本与训练结果无关，无需固定
