AI考研复试常见问题解析
一、个人背景（10题）
1. 请简单介绍下你自己。
2. 你认为自己的性格是否适合这个专业，理由是什么？
3. 面对学习中的压力，你通常如何调整心态？
4. 你的兴趣爱好有哪些，这些对你学习AI有何帮助？
5. 本科期间，哪门课程、项目、竞赛或科研经历让你印象最深？
6. 简要说明你本科论文的研究方向和主要内容。
7. 你觉得自己在AI学习中的最大优势是什么？
8. 读研期间，你希望实现哪些目标？
9. 你的人生格言是什么，它对你有何影响？
10. 本科阶段的学习对你的研究生生涯有何帮助？
二、专业技能（50题）
11. 人工智能的定义是什么？它经历了哪些发展阶段，有哪些主要流派？
12. 人工智能、机器学习和深度学习三者有何关系？
13. 监督学习、无监督学习和强化学习的核心区别是什么？
14. 什么是过拟合和欠拟合？如何判断和解决这些问题？
15. 训练集、验证集和测试集的作用是什么？实际中如何划分？
16. 分类模型的常见评估指标有哪些？精确率、召回率和F1值如何理解？
17. 回归模型的常见评估指标有哪些？MAE、MSE和RMSE分别代表什么？
18. 什么是交叉验证？常用的交叉验证方法有哪些？
19. 线性回归的基本原理是什么？为什么实际中需要加入正则化？
20. 逻辑回归为何被用作分类模型，尽管名字中有“回归”二字？
21. 决策树是如何构建的？ID3、C4.5和CART算法的主要区别是什么？
22. 随机森林如何有效降低过拟合？其基本原理是什么？
23. 支持向量机的核心思想是什么？核函数的作用和常见类型有哪些？
24. 朴素贝叶斯为何被称为“朴素”？它有哪些典型应用场景？
25. K近邻算法的基本思想是什么？如何合理选择K值？
26. K-Means聚类的原理是什么？如何确定K值？它有哪些明显缺点？
27. 什么是降维？PCA主成分分析的基本思想和主要步骤是什么？
28. 神经网络的基本结构是什么？前向传播和反向传播分别指什么？
29. 激活函数的作用是什么？Sigmoid、ReLU、Tanh和GELU各有什么特点？
30. 什么是梯度消失和梯度爆炸？它们的原因和缓解方法有哪些？
31. 卷积神经网络的基本结构有哪些？卷积、池化和全连接的作用是什么？
32. 什么是感受野和权值共享？它们在卷积网络中为何重要？
33. RNN、LSTM和GRU主要解决什么问题？它们的结构有何差异？
34. 注意力机制的基本原理是什么？为何能显著提升模型效果？
35. Transformer的基本结构是什么？Encoder和Decoder分别起什么作用？
36. 自注意力机制的计算过程是怎样的？它有何优势？
37. 大语言模型的基本训练思路是什么？预训练和微调分别做什么？
38. 什么是提示工程？实际使用中有哪些常见技巧？
39. GAN和扩散模型这类生成式模型的基本思想分别是什么？
40. YOLO和Faster R-CNN在目标检测中的核心区别和适用场景是什么？
41. 语义分割和实例分割有何不同？分别应用在哪些场景？
42. 强化学习的基本要素有哪些？智能体、环境、奖励和策略如何理解？
43. Q-Learning和SARSA算法的主要区别是什么？
44. PPO这类策略梯度算法的基本思想是什么？为何应用广泛？
45. 常见优化器SGD、Adam和RMSprop有何区别？如何选择？
46. 损失函数的作用是什么？分类和回归任务中常用哪些损失函数？
47. 数据预处理为何重要？常见的数据处理方法有哪些？
48. 批归一化Batch Normalization的作用是什么？为何能稳定训练？
49. 迁移学习、小样本学习和零样本学习的核心思路是什么？
50. 联邦学习、自监督学习和对比学习的核心思想分别是什么？
51. PyTorch和TensorFlow这两个框架有何区别？各有什么优势？
52. 什么是张量、计算图和自动微分？它们在深度学习中起什么作用？
53. 模型剪枝、量化和蒸馏的目的是什么？基本思路是怎样的？
54. 计算机视觉包含哪些典型任务？各自的应用场景是什么？
55. 自然语言处理的常见任务有哪些？如文本分类、NER、摘要和翻译。
56. 语音识别和语音合成的基本技术路线分别是什么？
57. 什么是多模态模型？它与单模态模型相比有何特点？
58. 模型部署和推理的基本流程是什么？工程化中需要注意什么？
59. 人工智能伦理主要关注哪些问题？如偏见、安全和可解释性。
60. 你认为一名优秀的AI研究者或工程师应具备哪些素质？
三、考研动机与规划（5题）
61. 你为何选择报考人工智能科学专业？
62. 有人认为读研很枯燥，你怎么看？
63. 你为何选择我们学校？
64. 如果未来从事AI算法研究与模型开发，你将如何提升专业能力？
65. 如果导师的研究方向与你的兴趣不一致，你会如何处理？
四、行业趋势（5题）
66. 大语言模型的发展现状及其在生产生活中的主要应用方向是什么？
67. 生成式人工智能的发展趋势及当前面临的主要问题有哪些？
68. 人工智能与实体经济融合的主要领域及发展前景是什么？
69. 人工智能发展中，数据隐私保护的重要性及主要应对思路是什么？
70. 我国人工智能行业的发展现状及未来的主要发展方向是什么？
五、英语表达（10题）
71. Please give a brief self-introduction.
72. Why did you choose Artificial Intelligence as your major?
73. How do you relieve stress during research and coding?
74. Can you briefly introduce your hometown?
75. Does your family support your studies and future career?
76. What do you usually do in your free time?
77. Why do you want to study at our university?
78. What is your biggest advantage in the AI field?
79. What skills do you want to improve most during your postgraduate study?
80. What are your plans for your future career?