智趣问答 · 好礼相送
（共10题，每题只有一个最符合题意的选项）
1. 上海交通大学在推进人工智能人才培养时，若希望同时体现“饮水思源，爱国荣校”的价值导向与工科教育传统，下列培养方案中最恰当的是（）
A. 只强调竞赛成绩，把课程全部压缩为模型调参训练
B. 只强调理论推导，尽量避免学生接触真实产业场景
C. 只要求学生会使用开源模型，不必理解算法原理与社会影响
D. 在算法、系统、工程实践之外，同时强调社会责任、国家需求与技术伦理
E. 以论文数量为唯一标准评价学生是否具备人工智能素养
2. 若以上海交通大学智慧校园为场景，准备构建“课程推荐 + 学习预警”系统，下列技术路线中最完整、最符合机器学习流程的是（）
A. 直接用全部历史数据训练模型，不做特征清洗，也不划分训练集与测试集
B. 先收集学生隐私数据，再根据准确率高低决定是否需要合规审查
C. 只看模型在训练集上的效果，不关注上线后的偏差与漂移
D. 先选最复杂的深度模型，再决定要解决什么教育问题
E. 明确任务目标，完成数据治理与特征工程，划分训练/验证/测试集，并在部署后持续监测效果
3. 某交大实验室利用医学影像做异常检测，正样本极少、负样本很多。若只允许优先选择一个更能反映模型真实能力的核心指标，下列最合适的是（）
A. Accuracy（准确率）
B. 参数量
C. PR-AUC
D. 单次训练耗时
E. 输入图像分辨率
4. 上海交通大学某团队准备做校内问答助手。为了减少大语言模型“编造校规、捏造通知来源”的问题，下列方案中最有效的是（）
A. 仅扩大模型参数规模，不接入任何外部知识库
B. 采用检索增强生成（RAG），并要求回答附带来源与时间信息
C. 只提高生成温度，让回答更灵活自然
D. 删除系统提示词，让模型自由发挥
E. 只依赖用户主观判断，不做任何事实校验
5. 在“智能交通”研究场景下，若需要同时利用道路拓扑结构、历史流量序列和天气等外部因素来预测校园周边拥堵程度，最合适的模型思路是（）
A. 只用线性回归，并忽略道路之间的连接关系
B. 只用 K-means 聚类，把拥堵预测当成无监督问题
C. 只用朴素贝叶斯，不考虑时间依赖与空间关系
D. 只用单张图片分类模型处理全部输入
E. 结合时序建模与图结构建模的时空图神经网络方法
6. 若交大学生在“AI for Science”项目中面对样本少、标注贵、实验条件复杂的问题，下列策略中最能体现当前人工智能研究前沿思路的是（）
A. 放弃先验知识，只依赖纯随机搜索
B. 只增加训练轮数，不改变数据利用方式
C. 只收集更多标签，其他方法一概不用
D. 结合自监督预训练、迁移学习与少样本学习提升样本利用效率
E. 一律改用人工规则系统，避免机器学习
7. 关于深度学习中 Transformer 架构相较于传统 RNN/LSTM 的优势，下列说法最准确的是（）
A. 自注意力机制更利于并行计算，也更容易建模长距离依赖
B. Transformer 不需要任何数据即可直接获得高精度结果
C. Transformer 的参数一定比 RNN 更少，因此训练一定更快
D. Transformer 只能用于自然语言处理，不能处理图像与多模态任务
E. Transformer 的输出不需要位置编码也能天然区分序列顺序
8. 某项目要把人工智能模型部署到医疗或教育等高风险场景。若从“可信 AI”角度出发，下列做法中最合理的是（）
A. 只公布最高准确率，不说明数据来源、误差范围和适用边界
B. 只要模型分数高，就可以完全替代专家决策
C. 做好可解释性分析、校准评估、人工复核机制与异常情况兜底设计
D. 为了用户体验，隐去所有不确定性提示
E. 在训练集上效果很好即可直接大规模推广
9. 若要比较两个由交大团队开发的图像分类模型是否“真正更优”，下列实验设计中最规范的是（）
A. 只展示单次最好结果，不公布随机种子和数据划分
B. 只在训练集上比较损失函数大小
C. 只挑选对自己有利的样本做定性展示
D. 只报告准确率，不进行消融实验和外部测试
E. 在一致数据划分下进行多次重复实验，并结合显著性、消融和泛化测试综合比较
10. 从学校发展与学科建设角度看，上海交通大学推进人工智能相关方向时，最能体现“工科底色 + 学科交叉 + 真实场景落地”特点的理解是（）
A. 人工智能只属于计算机单一学科，与医学、材料、制造、管理等领域关联不大
B. 人工智能既需要算法与算力基础，也要与医学、金融、制造、机器人等场景深度结合
C. 人工智能发展的关键只有购买更贵的 GPU，课程与科研组织方式并不重要
D. 只要引入大模型，传统控制、信号、统计和优化知识都可以取消
E. 人工智能教育应完全脱离工程训练，只保留理论论文阅读
关闭
更多问卷
复制此问卷