2026年人工智能训练师（一级）实操技能综合评审试题

2026年人工智能训练师（一级）实操技能综合评审试题2026年人工智能训练师（一级）实操技能综合评审试题【情境】某市“城市大脑”项目需在90天内完成一套多模态交通事件感知系统，要求对8万路视频、1.2万路雷达、0.3万路气象传感器进行实时融合，实现7类交通事件（拥堵、逆行、抛洒物、烟雾、火灾、撞车、占道施工）的秒级识别与5分钟级预测。项目已提供3个月脱敏历史数据（共1.8PB），并允许调用200张A100GPU训练卡30天。你作为首席人工智能训练师，需完成数据、模型、训练、评测、部署、运维、伦理、安全、成本、交付十条闭环。请依次完成下列任务。任务一数据治理（共15分）1.1【单选】原始视频帧30fps，项目要求事件检测延迟≤1s，下列抽帧策略最优的是A.全量30fps输入B.每3帧取1帧C.固定1fps抽帧D.自适应关键帧，依据光流突变动态抽帧1.2【判断】对雷达点云做体素化时下采样网格尺寸越大，小目标召回率一定越低。（）1.3【填空】若采用8bit量化存储RGB图像，分辨率1920×1080，共8万路，保存30天，压缩比20:1，则额外存储容量为___TB。（保留1位小数）1.4【简答】给定“抛洒物”类别样本仅312条，请写出不少于4种数据增强方案，并说明每种方案对模型泛化的具体贡献（每条不超过40字）。1.5【实操】请写出一段Python代码，使用Polars框架对1.8PB的CSV日志完成“按sensor_id分组，计算近30天缺失率，并输出缺失率>15%的sensor_id列表”，要求内存占用<32GB，单节点执行，代码不超过30行。任务二模型设计（共18分）2.1【单选】对“烟雾”事件，需同时利用视频与气象传感器，下列融合位置对雾霾鲁棒性最好的是A.Early-fusion，原始像素与温湿度拼接B.Mid-fusion，Backbone第三层特征拼接C.Late-fusion，分别检测后投票D.Cross-attention，气象Query与视觉Key-Value交互2.2【多选】下列关于Transformer检测头改进，能显著降低8K分辨率下计算量的有A.DeformableattentionB.LinearattentionC.ShiftedwindowattentionD.Query下采样8×2.3【填空】给定输入256×256，通道3，采用ConvNeXt-Basebackbone，其FLOPs约为___G。（保留1位小数，已知ConvNeXt-Base在224×224下FLOPs为8.7G）2.4【简答】请用不超过100字说明“火灾”类别为何不适合采用纯3D-CNN，并给出替代架构关键词。2.5【实操】请画出“占道施工”多任务学习头网络结构示意图（手绘或ASCII），需同时输出分割掩码、开始/结束时间、施工类型四分类，并标注各分支损失权重。任务三训练策略（共20分）3.1【单选】使用200张A100（80GB）训练50M参数模型，混合精度FP16/BF16，最大batchsize估算方法正确的是A.80GB÷50MBB.80GB÷(50MB×2)C.80GB÷(50MB×4)D.80GB÷(50MB×6)3.2【判断】在梯度累积步数=8时，学习率应线性放大8倍，否则等效batchsize缩小。（）3.3【计算】已知单卡batch=16时，模型占用显存42GB，现改用ZeRO-3offload优化器状态到CPU，参数占比25%，梯度占比25%，优化器状态占比50%，则理论上显存可降至___GB。（保留1位小数）3.4【简答】请给出“逆向学习率重启”(InverseLRRestart)的公式，并说明其在交通事件检测场景下的两个适用前提（每点≤30字）。3.5【实操】项目要求7天完成训练，请填写下表：阶段epoch学习率数据比例备注预热______5%线性升温正式___cosine下降至1e-590%含梯度累积蒸馏______5%教师模型mAP=0.81任务四评测与指标（共12分）4.1【单选】对“拥堵”事件，下列指标与市民体感一致性最高的是A.mAP@0.5B.mAP@0.5:0.95C.TTC(Time-to-Collision)分布D.平均速度下降率4.2【多选】下列关于“事件开始时刻”定位误差Δt的评测，符合城市大脑SLA（Δt≤5s）的有A.95%分位Δt≤5sB.99%分位Δt≤5sC.平均Δt≤3s且95%分位≤5sD.最大Δt≤5s4.3【填空】若“抛洒物”检出率0.92，误报率0.03，日均真实事件50次，则每日期望误报___次。（保留整数）4.4【简答】请用不超过60字解释为何采用“时空IoU”而非单帧IoU评估“逆行”事件。4.5【实操】请写出SQL（兼容PostgreSQL）计算“过去30天，每路摄像头在晚高峰（17:00–19:00）期间，每类事件的平均持续时长”，要求输出字段：camera_id,event_type,avg_duration_s。任务五部署与推理（共10分）5.1【单选】边缘盒子算力30TOPSINT8，模型量化后单帧耗时28ms，需同时跑4路，下列优化能保证25fps实时的是A.帧间跳检，每2帧检1帧B.降低输入分辨率0.7×C.采用TensorRT层融合D.以上均可5.2【判断】在TensorRT中设置fp16+strict类型约束后，若某层出现NaN，引擎会自动回退到fp32。（）5.3【填空】采用ONNXRuntime-Mobile在安卓端部署，若模型输入float321×3×512×512，则理论内存峰值___MB。（保留1位小数）5.4【简答】请给出“烟雾”模型在NPU上启用int16精度时，需校准的3个关键阈值（每点≤15字）。5.5【实操】请写出一段C++17代码，调用TensorRT7.2C++API，完成engine序列化到磁盘，要求：异常捕获、文件写入前检查MD5、代码不超过40行。任务六运维与更新（共8分）6.1【单选】采用影子模式（shadowdeployment）灰度时，下列指标最先报警可触发回滚的是A.GPU利用率下降10%B.平均响应时间增加20%C.误报率上升0.5%D.内存泄漏200MB/h6.2【判断】在Prometheus监控中，使用histogram_quantile(0.95,rate(http_request_duration_seconds_bucket[5m]))可计算5分钟窗口P95延迟。（）6.3【简答】请给出“数据漂移”检测的两种非监督算法名称及适用数据模态（每点≤20字）。6.4【实操】项目要求零停机热更新，请写出Kubernetes零中断滚动更新yaml片段，重点字段：readinessProbe、preStop、maxUnavailable、maxSurge，yaml不超过50行。任务七伦理、安全与合规（共7分）7.1【单选】根据《生成式人工智能服务管理办法》，下列行为允许的是A.输出车牌特写图B.输出脱敏后统计图表C.输出驾驶员面部高清图D.输出行人轨迹原始坐标7.2【多选】下列技术可同时满足“最小化存储”与“可审计”要求的有A.边缘即时匿名化+链上存哈希B.原始视频7天自动覆写C.联邦训练+差分隐私D.同态加密推理7.3【简答】请用不超过50字说明“撞车”事件模型在训练集中引入“血腥”图片时应如何合规处理。7.4【实操】请写出一段Python代码，使用Presidio对检测结果中的车牌号码进行实体脱敏，要求：自定义识别模式CN-LP，替换策略为**，代码不超过25行。7.4【实操】请写出一段Python代码，使用Presidio对检测结果中的车牌号码进行实体脱敏，要求：自定义识别模式CN-LP，替换策略为**，代码不超过25行。任务八成本与交付（共10分）8.1【单选】若A100租赁价3.2元/卡时，200卡跑满30天，则GPU预算___万元。（保留1位小数）8.2【计算】采用知识蒸馏后，模型参数减少75%，推理GPU占用下降60%，线上1000路，原需200卡，则蒸馏后需___卡。（保留整数）8.3【简答】请给出“交付清单”中除模型权重外必须包含的5类文档（每类≤10字）。8.4【实操】请写出一段Shell脚本，调用awscli完成“将训练好的18个分片模型（每个950MB）并行上传至S3，并打印累计耗时”，要求：使用gnuparallel、显示进度、脚本不超过30行。卷后答案与解析任务一1.1D解析：自适应关键帧可在事件突变时提高时间分辨率，满足≤1s延迟且节省算力。1.2正确解析：网格越大，小体素被合并，导致小目标丢失。1.3计算：单帧大小=1920×1080×3×1Byte=6220800Byte每日总量=6220800×8万×30×30×0.5（白天）≈2.25×10¹⁴Byte压缩后=2.25×10¹⁴÷20=1.125×10¹³Byte≈10235.6TB→10.2TB1.4答案示例：1.时序翻转：增强方向鲁棒性2.雨雾叠加：提升天气泛化3.剪切粘贴：扩增小样本4.GAN风格迁移：增加域多样性1.5参考代码（Polars）：```pythonimportpolarsaspldf=pl.scan_csv("logs/.csv",dtypes={"sensor_id":pl.UInt32})df=pl.scan_csv("logs/.csv",dtypes={"sensor_id":pl.UInt32})missing=(df.group_by("sensor_id").agg((pl.col("value").is_null().sum()/pl.count()).alias("miss_ratio")).filter(pl.col("miss_ratio")>0.15).collect())print(missing["sensor_id"].to_list())```任务二2.1D解析：Cross-attention可让气象语义主动聚焦视觉关键区域，抗雾霾能力最强。2.2ABCD解析：四种方法均可降低高分辨率自注意力计算复杂度。2.3计算：FLOPs与像素面积成正比→8.7G×(256²/224²)≈11.3G2.4答案：3D-CNN参数量大、需时序对齐、火灾早期特征稀疏；替代：SlowFast+Transformer、时空Transformer、事件相机+稀疏卷积。2.5答案：ASCII示意图（略）需包含：共享Encoder→三分支：Mask（Dice1.0）、Time（L10.5）、Type（CE0.5）。任务三3.1D解析：FP16需额外存储激活、梯度、主权重，经验系数6×。3.2正确解析：梯度累积等价扩大batch，不放大学习率会导致收敛不足。3.3计算：显存≈42×(25%+25%)=21.0GB（优化器状态offloaded）3.4公式：=前提：①数据分布随时间漂移；②需快速跳出局部平谷。3.5答案：预热3epoch，lr0.0001→0.001；正式50epoch；蒸馏5epoch，lr1e-5。任务四4.1D解析：市民体感直接关联通行速度。4.2AC解析：SLA通常取95%分位或均值+95%分位双控。4.3计算：每日误报=(50/0.9250)×0.03/(10.03)≈2次4.4答案：逆行跨多帧，单帧IoU无法体现方向一致性，时空IoU联合评估轨迹。4.5SQL：```sqlSELECTcamera_id,event_type,AVG(extract(epochfrom(end_timestart_time)))ASavg_duration_sFROMeventsWHEREstart_timeBETWEENnow()interval'30days'ANDnow()ANDstart_time::timeBETWEEN'17:00'AND'19:00'GROUPBYcamera_id,event_type;```任务五5.1D解析：三种优化均可降低单帧耗时，满足25fps。5.2错误解析：TensorRT严格fp16模式下不会自动回退，需手动设置。5.3计算：512×512×3×4Byte=3145728Byte≈3.0MB5.4答案：激活最大绝对值、KL散度阈值、溢出比例上限。5.5代码（C++17）：```cpptry{autoengine=builder->buildEngineWithConfig(network,config);autoengine=builder->buildEngineWithConfig(network,config);autoserialized=engine->serialize();std::ofstreamfile("model.trt",std::ios::binary);file.write(reinterpret_cast<constchar>(serialized->data()),serialized->size());file.write(reinterpret_cast<constchar>(serialized->data()),serialized->size());//MD5checkomittedforbrevity}catch(conststd::exception&e){std::cerr<<e.what();}```任务六6.1C解析：误报率上升直接损害业务，需优先回滚。6.2正确解析：PromQL语法正确。6.3答案：1.PCA重构误差——图像2.KL漂移——类别分布6.4yaml关键字段：```yamlspec:strategy:rollingUpdate:maxUnavailable:0maxSurge:1template:spec:containers:name:detectorreadinessProbe:httpGet:{path:/ready,port:8080}lifecycle:preStop:{exec:{command:["/bin/sleep","15"]}}```任务七7.1B解析：脱敏后统计图表不泄露个人信息。7.2ACD解析：B无法审计。7.3答案：血腥图片需模糊化或替换为图标，并在说明书标注“可能引起不适”。7.4代码：``