【重磅】2026年深圳市首批人工智能训练师职业技能等级认定考试

【重磅】2026年深圳市首批人工智能训练师职业技能等级认定考试一、单项选择题（共30题，每题2分，共60分。每题只有一个正确答案，请将正确选项字母填在答题卡对应位置）1.在联邦学习场景下，为防止模型逆向推断原始数据，通常优先采用的隐私增强技术是A.同态加密 B.差分隐私 C.安全多方计算 D.模型剪枝2.当使用Adam优化器训练Transformer模型时，若β₁从0.9降至0.5，最可能观察到的现象是A.收敛速度加快，泛化误差下降 B.收敛速度减慢，泛化误差上升C.收敛速度加快，泛化误差上升 D.收敛速度减慢，泛化误差下降3.在数据标注阶段，对“可解释性”要求最高的任务类型是A.夜间道路语义分割 B.金融信贷违约预测 C.短视频背景替换 D.机器翻译4.根据《深圳市人工智能产业促进条例（2025修订）》，算法上线前必须通过第三方合规审查的临界参数是A.模型参数量≥10B B.日调用量≥100万次 C.涉及生物识别 D.训练能耗≥1000kWh5.在PromptEngineering中，为降低大模型“幻觉”率，以下策略无效的是A.增加“Let’sthinkstepbystep”链式提示 B.引入外部知识检索模块C.提高Temperature至1.5 D.使用ReAct框架6.当数据集中存在5%的对抗样本时，鲁棒性评估指标RobustAccuracy的最佳计算方式是A.干净准确率与对抗准确率算术平均 B.干净准确率与对抗准确率几何平均C.对抗准确率单独报告 D.干净准确率减去对抗准确率7.在模型蒸馏过程中，若教师模型输出为软标签，学生模型损失函数通常采用A.KL散度 B.MSE C.交叉熵 D.HingeLoss8.对边缘设备部署而言，将FP32模型量化为INT8后，理论上存储体积缩小A.1/2 B.1/4 C.1/8 D.不变9.在AIGC内容安全过滤pipeline中，应置于“文字→图片跨模态检测”模块之前的是A.敏感词正则匹配 B.图像OCR C.水印解析 D.人脸模糊化10.当使用DeepSpeedZeRO-3训练百亿参数模型时，若GPU内存仍溢出，首选的进一步优化策略是A.开启ActivationCheckpointing B.减小BatchSizeC.降低Precision至FP16 D.增加数据并行节点11.在构建中文医疗大模型预训练语料时，以下数据源合规性最高的是A.微博公开病历讨论 B.医院脱敏电子病历（已获伦理批件）C.网络爬虫抓取的药监局PDF D.境外开源医疗论坛12.若学习率调度采用CosineAnnealingwithWarmRestarts，重启周期T₀=10epoch，首次重启后峰值学习率与初始学习率的关系是A.相等 B.减半 C.乘以0.9 D.乘以0.813.在RLHF阶段，奖励模型过拟合最直观的信号是A.训练损失下降，验证损失上升 B.训练损失上升，验证损失下降C.训练与验证损失同时下降 D.训练与验证损失同时上升14.对视频动作识别任务，时序卷积网络(TCN)与Transformer相比，主要优势是A.长程依赖建模 B.计算并行度高 C.参数共享效率高 D.对时序偏移更鲁棒15.当数据标注员间Kappa系数为0.41时，质量等级属于A.几乎不可接受 B.一般 C.良好 D.几乎完美16.在模型更新迭代中，若旧模型已上线且不能回滚，新版本灰度10%流量后出现TPR下降2%，FPR上升3%，应触发的第一级响应是A.立即全量回滚 B.扩大灰度至30%再观察 C.切断灰度流量，启动A/Bkillswitch D.降低阈值17.对于文本生成任务，BLEU-4指标的主要缺陷是A.不考虑同义词 B.对长文本不敏感 C.无法评估语义一致性 D.计算复杂度过高18.在模型可解释性工具LIME中，局部近邻样本的生成方式通常采用A.高斯扰动 B.均匀扰动 C.对抗扰动 D.词向量插值19.当使用半监督学习FixMatch算法时，弱增强与强增强图像的置信度阈值μ若设置过高，会导致A.伪标签噪声下降，召回率上升 B.伪标签噪声下降，召回率下降C.伪标签噪声上升，召回率上升 D.伪标签噪声上升，召回率下降20.在模型版权保护领域，将签名通过权重微调嵌入模型，该技术称为A.模型水印 B.模型指纹 C.模型加密 D.模型混淆21.若训练数据集中含有人脸，按《个人信息保护法》要求，处理者应当A.获得数据主体单独同意 B.进行去标识化即可 C.向网信办备案 D.仅需内部审批22.在分布式训练All-Reduce通信中，Ring算法通信复杂度与节点数N的关系是A.O(N) B.O(logN) C.O(N²) D.O(1)23.当使用知识图谱增强大模型推理时，若出现“知识冲突”，优先采用的消歧策略是A.置信度加权投票 B.最近邻实体替换 C.随机丢弃 D.提高Temperature24.在模型压缩技术中，ChannelPruning的粒度通常定义为A.单个权重 B.单个神经元 C.整个卷积核 D.批量归一化层25.若训练集与测试集分布差异大，应最先进行的诊断步骤是A.可视化特征空间TSNE B.增加Dropout C.减小学习率 D.数据增强26.在文本分类任务中，将标签平滑ε从0.1提高到0.3，模型最终输出概率分布的熵将A.增大 B.减小 C.不变 D.先增后减27.当使用DeepFake检测模型时，若攻击方采用GAN压缩生成低分辨率假脸，检测端最有效的补偿模块是A.超分前置网络 B.频域滤波 C.颜色直方图均衡 D.边缘锐化28.在模型持续学习场景，EWC算法中的Fisher信息矩阵用于衡量A.参数重要性 B.梯度噪声 C.学习率自适应 D.权重衰减强度29.若大模型API响应时间P99要求<500ms，以下优化最立竿见影的是A.KV-Cache复用 B.模型并行 C.数据并行 D.增加训练数据30.当数据标注指南更新后，已标注数据需回溯复核的比例由以下哪项指标决定A.指南变更粒度与任务错误成本 B.标注员工龄 C.原始Kappa值 D.项目预算余额二、多项选择题（共10题，每题3分，共30分。每题有两个或两个以上正确答案，多选、少选、错选均不得分）31.以下属于可信AI“公平性”量化指标的有A.DemographicParity B.EqualizedOdds C.Calibration D.AUC32.在模型训练过程中，可能造成“梯度爆炸”的原因包括A.权重初始化过大 B.学习率过高 C.使用LayerNorm D.使用ReLU激活33.以下关于数据闭环迭代描述正确的有A.线上badcase可回流至训练集 B.需建立版本化采样策略 C.回流数据无需再脱敏 D.回流数据需重新标注34.在边缘计算场景，满足模型轻量化需求的技术包括A.知识蒸馏 B.权重量化 C.动态推理 D.混合专家网络35.以下属于2025版《人工智能训练师国家职业技能标准》规定的高级训练师必备能力的有A.设计数据标注质量体系 B.独立完成模型压缩部署 C.撰写伦理风险评估报告 D.进行成本收益量化分析36.当使用A/B测试评估推荐模型时，需控制的混杂变量包括A.用户活跃度 B.节假日效应 C.同时推送的优惠券 D.手机系统版本37.在RLHF训练奖励模型阶段，以下做法可有效缓解“奖励黑客”问题A.正则化奖励模型 B.多轮人工校验 C.使用多个奖励模型集成 D.提高KL惩罚系数38.以下关于大模型“涌现能力”描述正确的有A.随参数量增加突然出现 B.与训练数据分布无关 C.可通过链式思维提示激发 D.在小模型上不可见39.在构建多模态大模型时，对齐视觉与文本特征向量的方法包括A.ContrastiveLearning B.Cross-modalAttention C.CTCLoss D.MaskedModeling40.以下属于深圳市人工智能训练师职业道德准则的有A.尊重数据主体权益 B.拒绝技术滥用 C.主动披露模型局限 D.优先追求模型精度至上三、判断题（共10题，每题1分，共10分。正确填“T”，错误填“F”）41.模型剪枝后无需再训练即可达到原精度。42.在数据标注环节，提高标注员薪资必然带来标注质量线性提升。43.使用FP16混合精度训练时，LossScaling可防止梯度下溢。44.联邦学习中，中央服务器始终无法获得任何客户端的原始数据。45.对于文本生成任务，重复率（RepetitionRate）越低一定代表生成质量越高。46.在模型可解释性分析中，SHAP值满足局部准确性。47.大模型参数越多，推理阶段碳排放一定越高。48.在数据增强中，MixUp操作会改变标签分布。49.当使用EarlyStopping时，patience参数越大，模型越可能过拟合。50.深圳市要求2026年起所有AI产品需附带模型说明书，内容至少包括数据来源、评估指标与限制场景。四、填空题（共10题，每题2分，共20分）51.在Transformer中，自注意力机制的时间复杂度为________。52.若batchsize=64，sequencelength=512，vocabsize=30000，则输入token的One-hot张量大小为________Byte（假设32位浮点）。53.当使用2-bit量化时，理论上权重压缩率相对于FP32为________倍。54.若学习率线性warmup至第1000步，峰值lr=1e-4，则第500步的学习率为________。55.在数据标注质量审核中，若三人标注同一任务，多数投票即可纠正错误，则该机制称为________投票。56.当模型API出现“模型崩溃”异常响应，HTTP状态码通常返回________。57.在联邦学习聚合阶段，若采用FedAvg，客户端k的权重通常按________比例加权。58.若使用BeamSearch解码，beamsize=5，则每步保留的候选序列数为________。59.在模型安全测评中，用于衡量攻击样本转移性的指标称为________率。60.深圳市2026年试点“算力券”政策，对通过认定的AI训练师所在企业，按每PFlop·day补贴________元。五、简答题（共4题，每题10分，共40分）61.描述构建高质量中文医疗问答数据集的完整流程，并说明如何控制标注一致性。62.当大模型出现“灾难性遗忘”时，列举三种缓解策略并对比其适用场景。63.解释“梯度累积”机制如何在单卡上模拟大batch训练，并给出显存占用与累积步数的关系。64.在边缘设备部署人脸识别模型时，如何平衡精度与能耗？请给出量化评估公式及实验设计。六、计算题（共3题，共40分）65.（12分）某Transformer模型参数量Φ=1.2×10¹¹，训练数据量D=300GB，采用混合精度FP16+FP32，训练步数S=1×10⁵，batchsizeB=1024，序列长度L=2048，vocabsizeV=32000，隐藏层维度H=4096，层数N=24，注意力头数A=32。(1)计算理论训练FLOPs（前向+反向）。(2)若使用DeepSpeedZeRO-3，显存占用降低约φ倍，已知φ=Nd/(Nd+2Φ)，Nd为优化器状态参数量，Nd=12Φ，求显存降低比例。(3)若GPU峰值算力为312TFLOPs，利用率为45%，估算训练所需GPU小时。66.（14分）某图像分类任务采用知识蒸馏，教师模型为ResNet50，学生模型为MobileNetV3，温度T=4，α=0.7，蒸馏损失L=αT²KL(pₛ‖pₜ)+(1−α)CE(y,ₛ)。已知：KL(pₛ‖pₜ)=∑ᵢpₜᵢlog(pₜᵢ/pₛᵢ)，pₜᵢ=exp(zₜᵢ/T)/∑ⱼexp(zₜⱼ/T)，pₛᵢ同理。给定一个三类样本，教师logitszₜ=[2.0,1.0,0.1]，学生logitszₛ=[1.5,0.8,0.2]，真实标签y=0。(1)计算软标签概率pₜ、pₛ。(2)计算KL散度项。(3)计算总损失L。67.（14分）某企业计划将LLM部署至边缘盒子，盒子算力为5TOPS，内存8GB，功耗预算10W。模型原始大小20GB，INT8量化后5GB，推理延迟要求<300ms/seq，序列长度512。已知：延迟模型t=α+β·L，α=20ms，β=0.4ms/token。功耗模型P=γ+δ·TOPS_usage，γ=2W，δ=1.5W/TOPS。(1)计算在10W功耗下可用TOPS_usage。(2)计算该TOPS_usage下最大支持序列长度L_max。(3)若采用KV-Cache复用，β降为0.25ms/token，求新L_max。七、案例分析题（共1题，20分）68.背景：深圳市某三甲医院联合AI公司开发“肺结节辅助诊断系统”，训练数据为院内2018—2025年CT影像，已获伦理审批。模型在内部测试AUC=0.95，上线灰度后，医生反馈假阳性率偏高，且对<5mm结节敏感性不足。问题：(1)分析可能的数据偏差来源（至少3点）。(2)给出迭代优化方案，包括数据、模型、评估、部署四环节。(3)设计一套合规监测指标，满足《医疗器械软件注册审查指导原则》与《深圳市AI医疗应用合规指引（2025）》双重要求。——答案与解析——1.B 差分隐私通过添加噪声防止逆向推断。2.C β₁降低→动量减弱→收敛变慢，但噪声增加→泛化误差上升。3.B 金融预测需可解释以满足监管。4.C 生物识别属敏感个人信息，必须第三方审查。5.C 高Temperature增加随机性→幻觉率上升。6.B 几何平均兼顾干净与鲁棒性能。7.A 蒸馏常用KL散度匹配软分布。8.B INT8为1/4FP32体积。9.B OCR将图像文字转为文本，供后续敏感词过滤。10.A ActivationCheckpointing以时间换空间。11.B 获伦理批件的脱敏数据合规性最高。12.A Cosine重启后峰值回到初始值。13.A 训练降验证升→过拟合信号。14.D TCN对时序偏移更鲁棒。15.B 0.41属“一般”等级。16.C TPR降FPR升→立即切断灰度。17.C BLEU无法评估语义。18.A LIME用高斯扰动生成近邻。19.B 阈值高→伪标签少→召回降。20.A 模型水印通过微调嵌入签名。21.A 人脸属敏感生物特征，需单独同意。22.A RingAll-Reduce通信复杂度O(N)。23.A 置信度加权投票消歧。24.C ChannelPruning整核裁剪。25.A TSNE可视化可快速发现分布漂移。26.A 标签平滑提高熵。27.A 超分可缓解低分辨率导致的检测失效。28.A EWC用Fisher衡量参数重要度。29.A KV-Cache复用直接降低推理延迟。30.A 回溯比例取决于指南变更粒度与错误成本。31.ABC Calibration属可靠性，非公平性。32.AB LayerNorm与ReLU不直接导致梯度爆炸。33.ABD 回流数据仍需脱敏。34.ABC 混合专家网络不直接轻量化。35.ABCD 高级训练师需全覆盖。36.ABCD 均需控制。37.ABCD 均可缓解奖励黑客。38.ACD 涌现与数据分布相关。39.AB CTC用于序列对齐，非对齐。40.ABC D与职业道德冲突。41.F 剪枝后需微调恢复精度。42.F 薪资与质量非线性。43.T LossScaling防止FP16下溢。44.T FedAvg不共享原始数据。45.F 重复率过低可能致可读性差。46.T SHAP满足局部准确。47.F 与推理优化技术相关。48.T MixUp线性插值标签。49.T patience大→早停晚→易过拟合。50.T 深圳市已发布强制要求。51.O(n²·d) 52.64×512×30000×4=3.932×10⁹Byte 53.16倍 54.5×10⁻⁵ 55.多数 56.503 57.数据量 58.5 59.迁移 60.80061.流程：需求定义→数据采集合规→脱敏→标注指南编写→双盲标注→一致性评估→专家仲裁→版本管理→持续反馈。一致性：Kappa、Fleiss’Kappa、双向交叉复核、周会校准。62.策略：EWC限制