NOAI考的AI知识具体包括哪些？
我们梳理了家长问过的所有关于NOAI的问题，一一解答
按2026年官方大纲（V1.5），初赛的AI知识分四大块：AI概论、机器学习、神经网络、数据处理。覆盖了清华大学AI本科专业的核心概念。
初赛AI知识全景
AI概论（每年必考一两道）
• 三大学派：连接主义（神经网络这一派）、符号主义（老派AI，规则推理）、行为主义（机器人、强化学习）
• 图灵测试：机器能不能让人分不出是机器还是人
• AI伦理：算法偏见、数据隐私、责任归属、可解释性——这些都已经是热门考点
家长可以这样理解：AI概论考的是"知不知道AI是怎么来的、会带来什么问题"。不需要编程，主要靠理解和背诵。
机器学习（大头，30-40分）
这是初赛分值最高的板块：
| 知识点 | 考察深度 |
| 监督学习 vs 无监督学习 vs 强化学习 | 能分清每种用在什么场景 |
| 回归、分类、聚类 | 知道常见算法（KNN、决策树、SVM、K-means等） |
| 线性回归、逻辑回归 | 理解原理，能写代码 |
| 过拟合、欠拟合、正则化 | 能看图判断，知道怎么处理 |
| 混淆矩阵、精确率、召回率、F1 | 必须能手算 |
| 集成学习（随机森林、梯度提升） | 知道核心思想 |
混淆矩阵是连续三年都考的超高频考点。家长别被名字吓到——它就是一张2×2的表格，记录模型预测对了多少、错了多少，然后算出几个评估指标。
神经网络（深度学习的入门部分）
• 感知机和多层神经网络：神经网络的最小结构
• 激活函数：ReLU、Sigmoid、Tanh——让神经网络能处理非线性关系
• 反向传播：训练神经网络的核心算法，用链式求导把误差从后向前传
• 梯度下降：怎么一步步更新参数，让损失函数越来越小
• CNN卷积神经网络：处理图像的主力架构，要会算"40×40的图经过3×3卷积+2×2池化后变成多大"
• Adam、AdamW：比普通梯度下降更聪明的优化器
• 大语言模型（LLM）：知道ChatGPT背后的原理
数据处理
• 数据清洗：去掉异常值、处理缺失值
• 训练集、验证集、测试集：为什么要分，怎么分
数据处理在初赛考得浅，但在复赛（中国站）是基本功——实际比赛里，处理数据的时间往往比训练模型的时间还多。
复赛会加什么
中国站是AI实战赛，知识范围一下扩大：
深度学习进阶：ResNet（残差连接）、VGG、YOLO目标检测、OpenCV图像处理
自然语言处理（NLP）：RNN、LSTM、GRU、词嵌入（Word2Vec、GloVe）、Transformer、BERT
大模型与多模态：GPT、注意力机制、视觉Transformer（ViT）、GAN、CLIP、扩散模型（Stable Diffusion背后那套）、Qwen模型部署
2026年初赛选择题已经考了"残差连接"，说明命题人在把复赛的一些概念往初赛推，考察范围每年都在扩。
和大学课程的对比
NOAI考纲覆盖了清华AI本科的几门核心课：《机器学习》《深度学习》《计算机视觉》《自然语言处理》。但NOAI考"概念层"，大学考"推导层"——
• 大学生要证明"梯度下降为什么收敛"，NOAI只要求会写参数更新公式 w = w - α * dw
• 大学生要推导反向传播的链式法则，NOAI只要求描述"误差从后往前传"的过程
• 大学生要实现完整的ResNet架构，NOAI只要求知道"残差连接是跳过几层的近路"
对高中生来说，这个深度正好——够深，需要系统学；又不算难，真的学得进去。
一个务实的判断
AI知识不在任何一本高中教材里。即便数学好、编程好的孩子，如果没专门学过AI，NOAI初赛就做不出。家长别指望孩子"靠聪明"能临场发挥——这场考试的知识密度，是用来筛选系统学习过AI的高中生的，不是智力测验。
你家孩子第一次对AI来电，是因为什么事——和ChatGPT聊上头了、看到哪个视频、还是同学说了一句什么？
