2026年人工智能训练师实体标注实操考核试题及答案

2026年人工智能训练师实体标注实操考核试题及答案一、单项选择题（每题2分，共20分）1.在实体标注任务中，下列哪一项最符合“LOC”实体的定义？A.苹果公司发布了新款手机B.长江发源于青藏高原C.张三在北京大学任教D.2025年GDP增长5%答案：B解析：LOC表示地理位置实体，长江是地理名称，符合定义。2.当标注“2026年人工智能大会将于4月15日在深圳举行”时，“4月15日”应标注为：A.DATEB.TIMED.EVENTD.NUM答案：A解析：DATE用于表示具体日期，格式为“年-月-日”或“月-日”。3.在BIO标注体系中，若“北京市”被标注为“B-LOCI-LOC”，则“北京市海淀区”应标注为：A.B-LOCI-LOCI-LOCB.B-LOCB-LOCI-LOCC.B-LOCI-LOCB-LOCD.B-LOCI-LOCI-LOCI-LOC答案：A解析：海淀区属于北京市，整体为同一LOC实体，连续使用I-LOC。4.下列关于嵌套实体的说法正确的是：A.嵌套实体无法在同一标注体系中共存B.嵌套实体必须使用多层标注框架C.嵌套实体只能通过规则抽取D.嵌套实体在BIO体系中无法表示答案：B解析：嵌套实体如“北京大学”中的“北京”是LOC，“北京大学”是ORG，需多层框架。5.在医疗文本中，“阿莫西林500mg”中“500mg”应标注为：A.DOSAGEB.DRUGC.FREQUENCYD.ROUTE答案：A解析：DOSAGE表示药物剂量，单位mg明确为剂量。6.当模型在验证集上出现“过拟合”现象时，最优先考虑的标注侧干预措施是：A.增加训练集标注量B.降低学习率C.清洗标注噪声D.增加dropout答案：C解析：标注噪声会误导模型，清洗噪声是最直接干预。7.在中文分词与实体标注联合任务中，若“上海市”被错误切分为“上海/市”，会导致：A.实体边界错误B.实体类型错误C.无影响D.仅影响分词指标答案：A解析：切分错误导致LOC实体边界断裂，后续标注随之错误。8.使用主动学习策略时，优先级最高的样本特征是：A.标注置信度高B.模型预测熵最大C.样本长度最长D.样本重复出现答案：B解析：熵最大表示模型最不确定，信息增益最大。9.在序列标注任务中，CRF层相对Softmax的主要优势是：A.训练速度更快B.能建模标签转移概率C.参数更少D.支持多标签分类答案：B解析：CRF通过转移矩阵约束标签序列合法性。10.当标注规范出现版本更新时，以下哪项做法最合理？A.直接覆盖旧数据B.重新标注全部数据C.使用版本映射表进行兼容标注D.忽略旧数据答案：C解析：版本映射表可保持历史数据可用性，减少重复劳动。二、多项选择题（每题3分，共15分）11.以下哪些属于典型的实体标注一致性检查方法？A.双人独立标注后计算KappaB.使用规则脚本自动扫描边界错误C.训练小模型预测标注错误D.随机删除部分标签看模型波动答案：A、B、C解析：D属于对抗扰动实验，非一致性检查。12.在标注平台设计时，以下哪些功能有助于提升标注效率？A.快捷键映射B.实体标签自动补全C.预标注模型联动D.强制每次标注提交后重启页面答案：A、B、C解析：D会降低效率。13.以下哪些情况可能导致实体标注的类别歧义？A.“苹果”既可指公司也可指水果B.“小米”既可指公司也可指谷物C.“2026”既可指年份也可指编号D.“张三”在文中指代不明答案：A、B、C解析：D属于指代消解问题，非类别歧义。14.在医疗实体标注中，以下哪些属于需要保护的PHI信息？A.患者姓名B.住院号C.疾病名称D.医生姓名答案：A、B解析：疾病名称与医生姓名通常不视为PHI。15.以下哪些指标可直接用于评估实体标注质量？A.精确率B.召回率C.F1值D.AUC值答案：A、B、C解析：AUC用于二分类，不直接适用于序列标注。三、判断题（每题1分，共10分）16.在BIOES体系中，单字实体应使用S标签。答案：√17.标注人员理解力差异不会对模型效果产生影响。答案：×解析：噪声标注会直接降低模型性能。18.使用预训练语言模型做预标注时，无需任何人工校验。答案：×解析：预标注仍需人工校验以保证质量。19.实体标注规范必须覆盖所有可能出现的语言现象。答案：×解析：规范需迭代，无法一次性覆盖全部。20.在多人协同标注时，锁定机制可防止标注冲突。答案：√21.对于时间表达式“下周五”，应标注为DATE类型。答案：√22.标注时若发现文本本身存在错别字，应直接修改原文。答案：×解析：原文不可修改，应在备注中说明。23.在嵌套实体场景下，扁平化标注会损失信息。答案：√24.使用CRF后，标签序列的合法性一定100%满足。答案：×解析：CRF仅降低非法序列概率，非绝对。25.实体标注的粒度越细，模型效果一定越好。答案：×解析：粒度过细可能导致数据稀疏。四、简答题（每题10分，共30分）26.给定句子：“2026年4月15日，李医生在上海市浦东新区人民医院为张三实施了腹腔镜胆囊切除术。”请按照以下规范完成实体标注：规范：PER：人名ORG：机构LOC：地点DATE：日期PROC：医疗手术DRUG：药品DOSAGE：剂量要求：采用BIO体系，写出标注序列（字与标签用/分隔，每字一行）。答案：2026/DATE-B年/DATE-I4/DATE-I月/DATE-I15/DATE-I日/DATE-I，/O李/PER-B医/PER-I生/PER-I在/O上/LOC-B海/LOC-I市/LOC-I浦/LOC-B东/LOC-I新/LOC-I区/LOC-I人/ORG-B民/ORG-I医/ORG-I院/ORG-I为/O张/PER-B三/PER-I实/O施/O了/O腹/PROC-B腔/PROC-I镜/PROC-I胆/PROC-I囊/PROC-I切/PROC-I除/PROC-I术/PROC-I。/O解析：严格按照BIO体系，机构与地点嵌套时以最大实体优先。27.某标注团队对5万条医疗记录进行双人标注，计算得到Kappa=0.81。请解释该值的含义，并给出后续质量提升的三条具体措施。答案：Kappa=0.81表明标注一致性达到“几乎完美”水平（0.8~1.0）。但仍存在19%的期望不一致风险。提升措施：1.对Kappa低于0.8的实体类型（如PROC）组织专项讨论，细化边界规则并补充正例与反例。2.引入adjudication环节：对不一致样本由第三方专家仲裁，形成黄金标准并反哺规范。3.利用主动学习：训练轻量模型识别低置信样本，优先推送人工复核，减少随机抽检成本。28.简述在低资源场景下如何利用词典+规则+弱监督完成中文药品名实体标注，并给出一条可运行的Python伪代码示例（含正则）。答案：策略：1.构建药品词典，含通用名、商品名、别名；2.设计正则捕捉“中文+英文+数字”组合，如“阿莫西林胶囊500mg”；3.使用弱监督：以词典匹配结果作为远程标签，训练BiLSTM-CRF，再迭代自训练。伪代码：```pythonimportre,jsonfromcollectionsimportdefaultdictdrug_dict=set(json.load(open('drug_dict.json')))rule=repile(r'[\u4e00-\u9fa5]+(?:[A-Za-z]+)?(?:\d+(?:\.\d+)?\smg|g|ml)?')rule=repile(r'[\u4e00-\u9fa5]+(?:[A-Za-z]+)?(?:\d+(?:\.\d+)?\smg|g|ml)?')defweak_label(sent):labels=['O']len(sent)labels=['O']len(sent)forminrule.finditer(sent):span=m.group()ifspanindrug_dict:start,end=m.span()labels[start]='B-DRUG'foriinrange(start+1,end):labels[i]='I-DRUG'returnlist(sent),labels```解析：正则提供高召回，词典提供精度，弱监督缓解无标注问题。五、综合实操题（25分）29.任务描述：给定一段用户生成的医疗咨询文本（已脱敏），请完成以下子任务：文本：“医生，我老妈今年68，有高血压史，上周开始吃苯磺酸氨氯地平片5mg，每天早上一次，但最近三天出现脚踝肿，是不是副作用？要不要换药？”子任务：1.按照BIO体系完成实体标注，标签集为{PER,AGE,DISEASE,DRUG,DOSAGE,FREQUENCY,SYMPTOM}；2.指出其中存在的潜在嵌套实体，并说明如何在多层框架中表示；3.假设标注团队收到反馈：模型将“脚踝肿”错误识别为“SYMPTOM”而医生认为是“ADVERSE_DRUG_EVENT”，请给出规范修订建议与重新标注流程。答案：1.标注序列（字/标签）：老/O妈/O今/O年/O6/AGE-B8/AGE-I，/O有/O高/DISEASE-B血/DISEASE-I压/DISEASE-I史/O，/O上/O周/O开/O始/O吃/O苯/DRUG-B磺/DRUG-I酸/DRUG-I氨/DRUG-I氯/DRUG-I地/DRUG-I平/DRUG-I片/DRUG-I5/DOSAGE-Bm/DOSAGE-Ig/DOSAGE-I，/O每/FREQUENCY-B天/FREQUENCY-I早/FREQUENCY-I上/FREQUENCY-I一/FREQUENCY-I次/FREQUENCY-I，/O但/O最/O近/O三/O天/O出/O现/O脚/SYMPTOM-B踝/SYMPTOM-I肿/SYMPTOM-I，/O是/O不/O是/O副/O作/O用/O？/O要/O不/O要/O换/O药/O？/O2.嵌套实体：“苯磺酸氨氯地平片5mg”整体为DRUG，内部“5mg”为DOSAGE；多层框架中第一层标注DRUG跨度，第二层在DRUG内部再标注DOSAGE，使用不同层级编号区分。3.规范修订与流程：a.在标