核心考点说明：本题考查深度学习中过拟合的概念。过拟合是指模型在训练数据上表现良好，但在未见过的数据（测试数据）上表现较差的现象。 解题思路分析：题目描述了训练误差低但测试误差高的典型情况，这直接对应过拟合的定义。 选项分析： - A. 梯度消失：指在反向传播过程中，梯度逐渐减小到接近于零，导致网络底层参数无法更新，通常表现为训练停滞，不符合题目描述。 - B. 梯度爆炸：指在反向传播过程中，梯度变得非常大，导致权重更新幅度过大，通常表现为模型不稳定，不符合题目描述。 - C. 过拟合：指模型过度学习训练数据的细节，导致在测试数据上泛化能力差，完全符合题目描述。 - D. 欠拟合：指模型无法很好地拟合训练数据，训练和测试误差都会比较高，不符合题目描述。 易错点提醒：注意区分过拟合和欠拟合的概念，以及梯度消失/爆炸通常带来的训练问题，不要混淆。