上海农商银行科技金融专业人才培训人工智能主题研修班课后测评
各位学员,您好!为检验本次「人工智能主题研修班」的学习成果,巩固科技金融专业知识,特设置本套测评问卷。本问卷满分100分,包含单选题、多选题、判断题三种题型。题目在人工智能产业知识基础上,重点融入科技金融实务考点(标注【科技金融】者),祝您答题顺利!
1. 基本信息:
姓名:
工号:
第一部分:单选题(共10题,每题5分,合计50分)
2. 在具身智能的技术体系中,实现机器人「看懂」和「听懂」环境的关键技术是?
精准运动控制
多模态感知融合
具身大模型训练
传统数据库管理
3. 从AI产业链金融布局视角出发,当前AI产业增长的核心瓶颈已从芯片产能逐步转移,被称为 “算力的心脏”、决定AI长期增长斜率的核心基础设施环节是?
大模型算法研发
高速光模块
电力能源供给
向量数据库
4. 根据AI for Material的产业逻辑,该赛道最核心的商业价值与核心壁垒是?
替代物理实验,实现零研发成本
实现材料研发从“经验试错”到“逆向设计”的范式跃迁,大幅压缩研发周期
实现材料的国产化替代
提升材料生产环节的自动化水平
5. 隐私计算技术在金融领域的应用,主要解决什么问题?
提高模型训练速度
数据孤岛与隐私保护
降低硬件成本
增强算法泛化能力
6. 某行「创新积分模型」用于评估科技型企业并给予授信参考,该模型主要从哪几个维度对企业进行综合评价?
注册资本、纳税规模、抵押物、担保人
技术创新、成长经营、外部评价、重点附加
存款余额、结算流水、员工人数、办公面积
股东背景、上市时间、分红比例、市值规模
7. 下列哪项最能体现机器学习与深度学习的本质差异?
是否需要人工特征工程
算法复杂度
可处理数据量
是否模拟神经网络
8. 美国“创世纪计划”的定位、核心战略逻辑是?
聚焦 C 端大模型应用商业化,抢占消费级 AI 市场
以AI for Science为核心,全面重构科研体系与产业底座
垄断全球AI芯片产能,构建硬件壁垒
推动开源大模型生态全球扩散,掌握标准话语权
9. 具身智能关键技术不包括以下哪项?
量子计算
感知技术
运动控制
学习训练
10. 具身智能重塑产业生态的体现是?
提升算法效率
重构技术路线
降低制造成本
减少能源消耗
11. 以下不属于大语言模型在金融领域应用的是?
信贷风险评估
股市风险预测
客户服务机器人
实时高频交易处理
第二部分:多选题(共5题,每题5分,合计25分)
每题至少有2个正确选项,多选、少选、错选均不得分。
12. 相比传统企业,科技型中小企业在向银行融资时往往面临哪些特有难点?
缺乏厂房、设备等可抵押的固定资产
核心价值多为专利、技术等无形资产,评估变现难
研发投入大、周期长,早期缺乏稳定现金流
技术门槛高,银行较难判断其真实技术水平和前景
13. 当前人工智能产业在规模化应用落地阶段面临的主要共性技术瓶颈包括哪些?
大模型推理的高能耗与高昂算力成本
复杂场景下算法的鲁棒性与泛化能力不足
高质量、专业化标注数据的稀缺
算法决策过程的「黑箱」问题导致可解释性差
14. 2026年,投资者对具身智能产业的共性看法是?
具身智能产业将在2030年趋于成熟
具身模型路径向端到端收敛
上游核心零部件价值更集中
工业场景是商业化落地先锋
15. 下面对于AI模型行业的趋势预判正确的有?
模型架构从单一稠密Transformer向混合架构演进
预训练模型对模型性能的影响权重上升
极端稀疏激活MoE将总参数与激活参数脱钩,降低了万亿级模型的推理成本
混合注意力与MoE协同设计有助于降低成本
16. 关于具身智能的产业化实践,以下哪些说法是正确的?
工业制造因其场景相对封闭、标准化程度高,有望成为率先落地的领域
家庭服务场景因环境复杂、非标性强,落地难度相对较高
目前技术已相对成熟,即将取代人类劳动力
由于缺乏物理实体,具身智能无法在真实环境中进行训练
第三部分:判断题(共5题,每题5分,合计25分)
请判断以下表述是否正确,正确的选「对」,错误的选「错」。
17. 做好科技金融,要学会用科技的眼光看待科技企业,从「看抵押、看现金流、看过去」的传统思维,转变为「看技术、看团队、看未来」的创投型信贷思维。
对
错
18. 理解人工智能产业链各环节的定位,有助于金融机构更精准地识别业务机会与风险。
对
错
19. 对于早期、暂无稳定现金流但已获知名投资机构投资的科创企业,银行可通过「股债联动」(投贷联动),在股权投资基础上同步给予适度信贷支持。
对
错
20. 高质量数据集的匮乏是当前制约人工智能产业发展的共性瓶颈之一。
对
错
21. 由于科技型企业成长性好,银行对其授信时可以只看重技术和团队,无需关注研发失败、商业化不确定等潜在风险。
对
错
测评结束,感谢您的参与!希望本次研修班能帮助您在科技金融领域开拓视野,学有所获!
关闭
更多问卷
复制此问卷