人工智能训练师三级高级工 详细题库

人工智能测试工具使用方法 题目预览

• 第 1 题 单选题
  在人工智能测试工具的分类中，按测试对象划分，用于验证模型在未知数据上泛化能力的工具通常属于（ ）。
  • A. 数据质量检测工具
  • B. 模型评估测试工具
  • C. 对抗样本生成工具
  • D. 软件接口测试工具
  解析：模型评估测试工具通过加载独立的验证集或测试集，计算准确率、精确率、召回率等指标，从而检验模型在未知数据上的泛化能力。
• 第 2 题 单选题
  人工智能测试工具中，通过构造微小扰动使模型产生错误输出的测试方法，其核心原理是（ ）。
  • A. 数据增强
  • B. 过拟合抑制
  • C. 对抗攻击
  • D. 特征缩放
  解析：对抗攻击向正常样本添加人类难以察觉的微小扰动形成对抗样本，使模型产生错误输出，用于检验模型的鲁棒性。
• 第 3 题 单选题
  在人工智能分类模型测试中，召回率计算的是（ ）。
  • A. 实际正例中被正确识别为正例的比例
  • B. 预测正例中实际为正例的比例
  • C. 所有样本中被正确分类的比例
  • D. 实际负例中被正确识别为负例的比例
  解析：召回率关注所有实际正例中有多少被模型正确识别出来，反映模型对正例的覆盖能力。
• 第 4 题 单选题
  在人工智能测试工具中，通过将测试输入划分为等价类并从中选取代表性样本进行测试，该策略属于（ ）。
  • A. 边界值分析
  • B. 错误推测
  • C. 随机测试
  • D. 等价类划分
  解析：等价类划分把输入数据划分为若干等价类，每个区间选取代表性样本进行测试，以减少测试用例数量。
• 第 5 题 判断题
  对抗样本测试工具的核心原理是向原始输入中添加人类难以察觉的扰动，从而使模型产生错误输出。
  • A. 对
  • B. 错
  解析：对抗样本测试正是利用微小扰动生成对抗样本，考察模型的鲁棒性和安全性。
• 第 6 题 判断题
  在模型测试工具中，精确率与召回率不会受到分类阈值变化的影响。
  • A. 对
  • B. 错
  解析：精确率和召回率通常随分类阈值的变化而变化，并且二者之间往往存在权衡关系。
• 第 7 题 多选题
  在人工智能测试工具中，下列属于模型测试阶段常用工具分类的是（ ）。
  • A. 数据标注工具
  • B. 模型性能评估工具
  • C. 对抗鲁棒性测试工具
  • D. 公平性审计工具
  • E. 需求文档管理工具
  解析：模型性能评估、对抗鲁棒性测试和公平性审计都属于模型测试阶段常用工具分类；数据标注属于数据准备阶段，需求文档管理不属于模型测试工具。
• 第 8 题 多选题
  关于人工智能测试工具的核心原理，下列说法正确的有（ ）。
  • A. 覆盖率指标可以衡量测试用例对模型决策路径或数据分布的覆盖程度
  • B. 对抗样本测试通过添加扰动来检验模型的鲁棒性
  • C. 单一准确率指标足以全面评估模型在所有场景下的表现
  • D. 漂移检测用于发现模型上线后输入数据分布或预测分布的变化
  • E. 边界值分析只适用于传统软件测试，不适用于人工智能测试
  解析：覆盖率、对抗样本、漂移检测都是人工智能测试工具中的重要原理；单一准确率不能全面评估模型，边界值分析同样可应用于人工智能测试的输入设计。