2026年人工智能项目管理基础考试试题及答案

2026年人工智能项目管理基础考试试题及答案一、单项选择题（每题2分，共30分）1.在人工智能项目管理中，以下哪项最能体现“数据漂移”对模型性能的影响？A.训练集与测试集分布一致B.模型在验证集上的AUC下降0.02C.线上真实数据分布与训练数据分布发生显著偏移D.模型推理延迟增加30ms答案：C2.某AI项目采用Scrum框架，Sprint长度为两周。团队在SprintPlanning中对“用户故事”进行估算时，最适合使用：A.功能点分析法B.故事点（StoryPoint）C.关键路径法D.挣值分析法答案：B3.在AI项目生命周期中，MLOps流水线首次集成模型可解释性报告的阶段是：A.业务理解B.数据准备C.建模与训练D.部署与监控答案：D4.以下关于“模型治理”的描述，错误的是：A.需记录模型版本、训练数据版本及超参数B.仅需在模型上线前进行一次风险评估C.应建立模型退役策略D.需对模型输出进行审计追踪答案：B5.某图像分类项目使用联邦学习，其项目风险矩阵中“通信带宽不足”应归类为：A.技术风险—高影响、低概率B.外部风险—低影响、高概率C.技术风险—高影响、高概率D.商业风险—低影响、低概率答案：C6.在AI项目Kick-off会议中，项目经理使用“电梯陈述”（ElevatorPitch）主要目的是：A.明确WBS分解结构B.对齐项目愿景与关键干系人期望C.确定SprintBacklogD.评估商业论证财务指标答案：B7.以下哪项指标最适合衡量AI项目交付后的“业务价值实现”？A.代码覆盖率B.模型F1-scoreC.年化投资回报率（ROI）D.平均故障恢复时间（MTTR）答案：C8.某NLP项目需处理多语言数据，项目经理在风险登记册中增加“低资源语言数据不足”条目，该风险应对策略属于：A.规避B.转移C.减轻D.接受答案：C9.在AI项目采购管理中，若选择“预训练模型+微调”方案，合同类型应优先采用：A.固定总价（FFP）B.成本加激励（CPIF）C.工时材料（T&M）D.经济价格调整（EPA）答案：B10.当AI项目进入“模型监控”阶段，发现预测概率分布发生右移，首先应执行的流程是：A.立即回滚模型B.触发数据质量检查子流程C.重新训练模型D.降低模型阈值答案：B11.某自动驾驶项目采用“V模型”，在“系统测试”阶段发现感知模块漏检率超标，该缺陷应追溯到：A.需求规格说明书B.架构设计说明书C.数据标注规范D.集成测试计划答案：A12.AI项目使用GitFlow分支策略，当生产环境出现严重漂移时，项目经理应指导团队：A.直接在develop分支热修复B.从main拉取hotfix分支，修复后合并回main与developC.删除main分支重新创建D.回滚至任意历史tag即可答案：B13.在AI项目沟通管理中，每日站会限制15分钟的主要原理是：A.帕金森定律B.彼得原理C.时间盒（TimeBoxing）D.关键链理论答案：C14.以下关于“差分隐私”在项目中的实施，正确的是：A.只需在模型输出层加入噪声B.隐私预算ε越大，隐私保护强度越高C.需在训练与推理阶段均考虑累积隐私损失D.差分隐私与模型准确性无关答案：C15.AI项目收尾阶段，团队编写“LessonsLearned”时，应重点记录：A.个人代码风格偏好B.模型参数随机种子C.导致Sprint延期的根本原因D.竞争对手商业机密答案：C二、多项选择题（每题3分，共30分；多选少选均不得分）16.以下哪些活动属于AI项目“数据治理”范畴？A.建立数据血缘图谱B.制定数据保留政策C.设置模型API网关D.执行数据质量规则校验E.定义数据访问角色权限答案：A,B,D,E17.在AI项目成本估算中，下列哪些属于可变成本？A.GPU云服务器按小时计费B.数据标注众包平台按件计费C.项目经理固定月薪D.软件许可年度订阅E.模型推理调用次数计费答案：A,B,E18.以下关于“模型卡片”（ModelCard）的描述，正确的有：A.需披露模型训练数据来源B.需说明模型适用人群与限制C.需给出模型在代表性子群体上的性能D.需包含模型部署硬件规格E.需记录模型碳排放估算答案：A,B,C,E19.AI项目采用蓝绿部署，其优点包括：A.零停机切换B.快速回滚能力C.节省计算资源D.支持A/B测试E.降低数据漂移风险答案：A,B,D20.以下哪些工具可用于AI项目“持续集成”阶段？A.JenkinsB.GitLabCIC.MLflowD.DockerE.Kubernetes答案：A,B,D21.在AI项目干系人分析中，权力/利益方格将干系人分为：A.高权力高利益B.高权力低利益C.低权力高利益D.低权力低利益E.中权力中利益答案：A,B,C,D22.某AI项目使用ResNet50进行图像分类，下列哪些措施可缓解过拟合？A.增加Dropout层B.使用EarlyStoppingC.扩大数据增强策略D.减少训练epoch至1E.采用L2正则化答案：A,B,C,E23.AI项目“模型可解释性”要求较高时，可考虑的算法或方法有：A.SHAP值B.LIMEC.注意力机制可视化D.集成树模型（XGBoost）E.符号回归答案：A,B,C,E24.以下哪些情况会触发AI项目“模型退役”流程？A.业务目标发生重大变化B.法规要求禁止使用某类特征C.模型AUC下降0.5%D.维护成本超过业务收益E.数据提供方终止合作协议答案：A,B,D,E25.AI项目采用“联邦学习”时，需特别关注的隐私攻击包括：A.模型逆向攻击B.成员推理攻击C.属性推理攻击D.梯度泄露攻击E.对抗样本攻击答案：A,B,C,D三、判断题（每题1分，共10分；正确打“√”，错误打“×”）26.在AI项目中，数据标注一致性检查属于质量控制而非质量保证。答案：√27.“黑盒模型”无法做任何形式的解释性分析。答案：×28.AI项目使用Kanban时，WIP（在制品）限制越高，交付吞吐率一定越高。答案：×29.模型推理延迟属于非功能性需求。答案：√30.若AI项目采用开源数据集，则无需考虑数据许可协议。答案：×31.“概念漂移”与“数据漂移”是同一概念的不同表述。答案：×32.AI项目中的“伦理审查委员会”可由项目经理单独组建，无需外部专家。答案：×33.在AI项目采购中，SLA应包含模型性能指标与赔偿条款。答案：√34.使用AutoML可完全消除特征工程需求。答案：×35.AI项目收尾时，需将模型权重存入组织过程资产库。答案：√四、计算题（共20分）36.（10分）某AI客服机器人项目上线后，统计一周数据如下：总对话量：100000次准确解决（TP）：85000次错误解决（FP）：5000次未解决且实际应解决（FN）：8000次未解决且确实无需解决（TN）：2000次要求：（1）计算精确率（Precision）、召回率（Recall）与F1-score，保留3位小数；（2）若业务方要求召回率≥90%，请判断当前模型是否满足，并给出至少两种改进措施。答案与解析：（1）精确率P召回率RF1-score=（2）当前召回率91.4%≥90%，满足要求。改进措施（任写两种即可）：a.降低分类阈值，使更多对话被标记为“解决”，从而提高召回；b.增加正样本权重或采用代价敏感学习；c.引入更多高质量客服日志进行数据增强；d.优化意图识别模型结构，如采用更大预训练模型。37.（10分）某图像生成项目使用GAN，训练阶段GPU云资源成本如下：单机8×A100，每小时成本32美元训练共需迭代200000步，batchsize256，单步耗时0.4s此外，数据预处理耗时8机时，模型评估与调试耗时12机时要求：（1）计算纯训练GPU小时数；（2）计算总GPU成本；（3）若引入混合精度训练后单步耗时降至0.3s，求节省的成本。答案与解析：（1）训练总秒数200000（2）总机时=训练+预处理+评估=22.22+8+12=42.22h总成本42.22（3）新训练秒数200000新总机时=16.67+8+12=36.67h新成本36.67节省1351.04五、案例分析题（共30分）38.背景：某市“智慧交通”AI项目旨在通过无人机航拍视频实时检测违停车辆。项目预算1200万元，周期12个月，采用敏捷+Stage-Gate混合模式。团队由市政甲方、乙方AI公司、丙方云服务商组成。第6个月Gate评审时，发现：a.模型在夜间漏检率达15%，超出合同指标≤5%；b.乙方已使用全部数据预算，无法新增夜间数据；c.丙方云GPU资源因全球芯片短缺，下月配额削减30%；d.市政新规要求所有AI输出可解释，需在2个月内补交报告。问题：（1）请用SWOT方法分析项目当前局势（8分）；（2）作为项目经理，请给出至少5条具体应对措施，并说明所属知识领域（10分）；（3）请设计一条包含“数据合成—模型微调—可解释性验证—交付”四步的冲刺计划，明确时间、责任人、输出物（12分）。答案与解析：（1）SWOT：S：已具备白天高精度模型；市政强力支持；资金充足。W：夜间数据不足；漏检率高；GPU配额下降；可解释性缺失。O：数据合成技术成熟；可解释性工具链丰富；市政愿意追加政策倾斜。T：芯片短缺持续；法规趋严；舆论风险；合同违约罚金。（2）应对措施：1.启动“夜间数据合成”工作包，使用GAN生成+标注半自动，成本≤80万元，风险减轻，知识领域：风险管理、成本管理。2.与丙方签订弹性扩容补充协议，采用混合精度+模型蒸馏，降低GPU需求30%，知识领域：采购管理、质量管理。3.引入SHAP可解释性模块，安排2名算法工程师专职，知识领域：范围管理、人力资源管理。4.向市政申请夜间航拍特许，联合交警现场补采真实数据5000张，知识领域：干系人管理。5.调整Stage-Gate，将夜间指标降级为“运营后三个月内达标”，换取甲方验收通过，知识领域：进度管理、风险管理。（3）冲刺计划（Sprint14，2周）：|序号|任务|时间|责任人|输出物||1|数据合成：利用CycleGAN将白天图像转换为夜间，生成10000张并自动标注|3天|数据工程师A|合成数据集+质量报告||2|模型微调：加载白天权重，冻结底层，夜间数据+合成数据联合训练，目标夜间漏检率≤8%|5天|算法工程师B|微调模型v2.1+验证指标||3|可解释性验证：对100张随机夜间图像生成SHAP热力图，组织市政甲方评审|2天|可解释性工程师C|解释性报告v1.0||4|交付：合并代码、更新模型卡片、部署至灰度环境，提交Gate评审材料|2天|项目经理+DevOps|灰度报告+评审PPT|每日站会跟踪进度，SprintReview邀请市政甲方现场观摩，Retrospective总结“合成数据质量”改进点。六、简答题（共30分）39.简述AI项目“模型风险等级”划分维度及示例（10分）。答案：维度包括：a.影响程度（高/中/低）：如自动驾驶模型失效导致人身伤害为“高”；b.不确定性（高/中/低）：训练数据代表性不足为“高”；c.可逆性（可逆/部分/不可逆）：推荐系统错误推荐为“可逆”；d.监管关注度（高/中/低）：金融信贷模型为“高”。示例：医疗影像AI辅助诊断，影响高+不确定性中+不可逆+监管高→风险等级R4（最高），需伦理审查、临床试验、强制保险。40.说明AI项目“持续监控”与传统IT系统监控的核心差异（10分）。答案：1.监控对象：传统IT侧重延迟、吞吐量；AI还需监控数据漂移、概念漂移、模型性能衰减；2.指标动态性：AI指标随数据分布变化而持续变化，需统计显著性检验；3.反馈闭环：AI监控触发自动重训练、超参数再优化；传统IT多为手动扩容或代码修复；4.可解释性：AI需记录