《四级-中级工人工智能训练师》职业技能认定模拟试卷

《四级/中级工人工智能训练师》职业技能认定模拟试卷第一部分：基础理论（理论知识考试）一、单项选择题（共30题，每题1.5分，共45分）1.

（人工智能基础）

以下关于监督学习、无监督学习和强化学习的区分，说法正确的是：A.监督学习不需要标注好的训练数据

B.无监督学习通过奖励信号引导模型学习

C.强化学习适用于需要在与环境交互中学习策略的场景

D.三类学习方法的区别仅在于训练数据的规模不同正确答案：C📖答案解析：

监督学习需要使用带有标签的数据进行训练；无监督学习是在无标签数据中发现内在结构和模式；强化学习通过智能体与环境交互获得奖励信号来学习最优策略。三类方法的区别在于数据标注情况和学习机制，而非规模大小。【考查领域：人工智能基础】2.

（数据采集）

在进行业务数据采集时，以下哪项工作不属于数据预处理的范畴？A.统一数据格式和编码

B.剔除与业务无关的干扰项

C.使用聚类算法对数据进行分类标注

D.处理数据中的缺失值和异常值正确答案：C📖答案解析：

数据预处理的主要工作包括格式统一、异常值处理、重复项剔除、编码标准化等。聚类算法属于数据分析挖掘阶段的工作，而非预处理范畴。四级/中级工需掌握数据质量检测和预处理审核能力。【考查领域：数据采集与处理】3.

（数据标注与质量控制）

某图片标注项目中，质检员发现A标注员与B标注员对同一张图片的标注结果不一致，这种现象反映出数据标注的哪项质量维度存在问题？A.完整性

B.准确性

C.一致性

D.时效性正确答案：C📖答案解析：

一致性指不同标注人员在相同或相似的标注任务中，标注结果保持相同的程度。标准中指出，数据审核需完成对标注数据准确性和完整性的审核并输出报告。一致性问题是直接影响模型训练效果的重要因素。【考查领域：数据标注与审核】4.

（智能系统运维）

标注员在使用智能数据平台时，发现平台的标注结果提交按钮无响应。以下哪个做法最符合平台使用规范？A.刷新页面后继续等待

B.记录该问题，待所有标注完成后统一反馈

C.通过平台官方反馈渠道报告Bug并说明具体情况

D.私下联系项目经理寻求帮助正确答案：C📖答案解析：

标准中明确要求，人工智能训练师应能记录智能系统功能应用情况和数据情况。发现系统Bug时应通过官方渠道反馈问题，而非私下沟通或消极等待。及时发现和记录系统问题有助于平台持续优化和功能迭代。【考查领域：智能系统运维】5.

（模型评估）

在分类模型中，如果模型将大多数样本预测为正类，导致Precision（精确率）较低但Recall（召回率）较高，这种情形最可能发生在哪种情况下？A.模型欠拟合

B.训练数据完全平衡

C.正负样本极度不平衡且模型倾向于预测正类

D.模型参数过少正确答案：C📖答案解析：

当正负样本极度不平衡时（如负样本远多于正样本），如果模型为了捕捉正类而倾向于将更多样本预测为正类，就会误将大量负样本判为正类，导致召回率上升但精确率下降。四级/中级工需具备模型评估和性能测试的基本能力。【考查领域：模型训练与评估】6.

（人工智能基础）

在机器学习中，以下哪项不属于常见的过拟合缓解方法？A.增加训练数据量

B.使用正则化技术（如L1/L2正则化）

C.增加模型参数量和网络层数

D.使用Dropout随机丢弃神经元正确答案：C📖答案解析：

增加模型参数量和网络层数通常会加剧过拟合，因为模型的复杂度过高会使得模型过度学习训练数据中的噪声和细节。缓解过拟合的正确方法包括增加训练数据、使用正则化、Dropout、早停等。【考查领域：人工智能基础】7.

（法律法规与职业道德）

在处理包含用户个人信息的数据集时，以下做法不符合《中华人民共和国个人信息保护法》要求的是：A.对用户姓名、联系方式等敏感信息进行匿名化处理

B.将数据集完整授权给其他团队使用，不限制使用范围

C.仅在处理目的所需的最短时间内保存个人信息

D.获得用户明确授权后，按照约定范围使用数据正确答案：B📖答案解析：

根据《个人信息保护法》和标准中相关法律知识要求，处理个人信息应当遵循最小必要、目的明确、安全保障原则。将数据集完整授权给其他团队且不限制使用范围，超出了用户的原始授权范围，属于违规行为。其余选项均符合法律要求。【考查领域：法律法规与职业道德】8.

（数据标注）

在自然语言处理（NLP）的命名实体识别（NER）任务中，对于文本片段“小明在北京大学读书”，以下哪种标注方式最准确？A.“小明”标为人名，“北京大学”标为地名

B.“小明”标为人名，“北京大学”标为机构名

C.“小明”标为人名，“在北京大学”标为地点

D.不进行标注，因为“北京大学”既是地名又是机构名正确答案：B📖答案解析：

在NER标注规范中，“北京大学”作为整体应标注为机构名（ORG），而非简单的地名。四级/中级工需掌握数据归类和定义能力，能根据数据内在关联和特征进行数据分类和定义。【考查领域：数据标注】9.

（工具与软件）

以下关于Python中NumPy数组操作的描述，不正确的是：A.NumPy数组支持向量化运算，效率高于Python原生列表循环

B.

arr[arr>0]可以筛选出数组中所有大于0的元素

C.NumPy数组在创建后可以动态改变大小，类似于Python列表

D.NumPy提供了mean()、std()等便捷的统计函数正确答案：C📖答案解析：

NumPy数组的大小在创建后是固定的，不能像Python列表那样动态增删元素（除非创建新的数组）。这是一项重要特性，也是NumPy数组与Python列表的主要区别之一。其他选项均正确，其中arr[arr>0]是NumPy经典的布尔索引操作。【考查领域：工具与软件】10.

（模型训练）

在模型训练过程中，如果学习率设置过大，最可能出现的现象是：A.模型收敛速度极其缓慢

B.损失函数值在小范围内稳定波动

C.损失函数值剧烈震荡，难以收敛

D.模型快速收敛到全局最优解正确答案：C📖答案解析：

学习率过大时，参数更新步长超过损失曲面的曲率上限，导致损失值在最优解周围剧烈震荡甚至发散，无法稳定收敛。四级/中级工应能独立完成常规模型训练和基础测试。【考查领域：模型训练与调优】11.

（法律法规）

以下哪项不是人工智能训练师应具备的法律法规知识？A.《中华人民共和国劳动法》

B.《中华人民共和国网络安全法》

C.《中华人民共和国消费者权益保护法》

D.《中华人民共和国知识产权法》正确答案：C📖答案解析：

国家标准明确规定人工智能训练师应当熟悉的法律法规包括《劳动法》、《劳动合同法》、《网络安全法》和《知识产权法》。《消费者权益保护法》虽具有重要意义，但并非标准要求的核心考核内容。【考查领域：法律法规】

（注：标准中未明确包含该法，故正确选项为此法。）12.

（业务数据处理）

在数据质量管理的核心维度中，以下哪项不属于数据完整性评判的范围？A.数据表中某一字段出现大量NULL值

B.某用户的年龄字段缺失

C.数据记录中存在重复行

D.同一商品名称在不同记录中存在不一致的拼写正确答案：D📖答案解析：

数据完整性关注数据是否存在缺失；数据准确性/一致性关注数据是否正确、内在逻辑是否一致。商品名称拼写不一致属于准确性或一致性问题，而非完整性问题。四级/中级工需掌握业务数据质量审核能力。【考查领域：数据采集与处理】13.

（数据采集）

在进行数据采集时，以下哪项内容通常不是数据采集规范必须规定的？A.采集范围（包括哪些类型的数据）

B.采集的软硬件工具和使用方法

C.数据的最终商业化定价方案

D.数据的格式要求和质量标准正确答案：C📖答案解析：

数据采集规范主要约束采集过程——包括采集范围、采集方法、采集工具、数据格式和质量标准等。商业化定价方案属于市场运营范畴，不属于数据采集规范的规定内容。四级/中级工应能结合AI技术要求梳理数据采集规范。【考查领域：数据采集与处理】14.

（智能系统运维）

智能数据平台进行定期的备份维护，其主要目的是：A.节省平台存储空间

B.防止因系统故障或误操作导致的数据丢失

C.提升平台的操作响应速度

D.自动修正标注错误正确答案：B📖答案解析：

定期备份是数据平台维护的重要措施，其核心目的是在系统故障、误操作或灾难事件时能够恢复数据，防止数据永久丢失。增加响应速度、修正标注错误与备份的目的无关。【考查领域：智能系统运维】15.

（法律法规与职业道德）

作为人工智能训练师，发现开发的AI模型存在潜在的伦理风险（如偏见歧视），应首先采取的行动是：A.认为问题不在自身责任范围，不予处理

B.主动记录问题，并向项目负责人或上级报告

C.忽视风险继续推进项目上线

D.私下寻求外部技术帮助，绕过内部流程正确答案：B📖答案解析：

根据职业守则中“遵章守法，恪尽职守”的要求，发现潜在风险时应当及时记录并向上级汇报，而不是回避或擅自处理。积极主动地解决问题体现了职业道德素养和对用户、社会的责任感。【考查领域：法律法规与职业道德】二、多项选择题（共5题，每题3分，共15分）1.

（智能系统运维）

智能软件系统出现异常时，标注人员应当通过平台官方渠道反馈的问题包括（ ）。A.平台无法登录

B.标注结果无法提交

C.标注结果显示异常/不显示

D.个人职业发展规划建议正确答案：ABC📖答案解析：

官方渠道反馈应聚焦于可能影响正常使用的技术问题。平台无法登录、无法提交、结果异常都属于技术故障类问题。个人职业发展建议属于人事管理范畴，不应通过平台Bug反馈渠道提出。【考查领域：智能系统运维】2.

（数据采集与处理）

以下选项中，属于数据质量控制中“数据准确性”评判范围的是（ ）。A.年龄字段出现负数

B.日期字段中月份为13

C.某字段的数值超出合理的取值范围

D.同一数据集内字段格式不完全统一正确答案：ABC📖答案解析：

数据准确性关注数值是否符合业务逻辑和取值范围。年龄为负数、月份为13、超出合理范围的数值都属于明显的数据错误。而格式统一性问题属于一致性或规范性维度，不符合准确性范围的界定。【考查领域：数据采集与处理】3.

（法律法规）

根据国家标准，人工智能训练师应具备的法律法规知识包括（ ）。A.《中华人民共和国劳动法》

B.《中华人民共和国劳动合同法》

C.《中华人民共和国网络安全法》

D.《中华人民共和国公司法》正确答案：ABC📖答案解析：

标准明确列出的相关法律知识包括《劳动法》、《劳动合同法》、《网络安全法》和《知识产权法》。《公司法》虽属于一般法律常识，但并非标准明确要求的四级/中级工考核内容。【考查领域：法律法规】4.

（数据标注）

在数据标注项目中，以下说法正确的是（ ）。A.标注员应了解标注的正例/负例结果对模型召回率和精确率的影响

B.标注员不需要理解测试集和训练集的基本概念

C.质检员在传达信息时应通过“确认传达环节”确保信息被准确理解

D.标注完成后，应进行审核和反馈跟进，提升整体标注质量正确答案：ACD📖答案解析：

选项A表述正确——标注员了解标注对模型准召率的影响，有助于更高质量地完成标注任务。选项B表述错误——四级/中级工应理解训练集和测试集等基本概念。确认传达环节能够有效促进标注效果与跟进，是质检的重要步骤。审核和反馈是标注闭环管理的关键环节。【考查领域：数据标注】5.

（模型训练与评估）

在模型性能评估中，以下哪些指标的组合可以综合反映模型的分类性能？（ ）A.精确率（Precision）

B.召回率（Recall）

C.F1值（F1-Score）

D.训练时间正确答案：ABC📖答案解析：

精确率、召回率和F1值是分类模型评估的黄金组合，三者结合可较全面地评价模型性能。精确率衡量预测正例中真实正例的比例，召回率衡量真实正例中被正确预测的比例，F1值是二者的调和平均。训练时间虽然在实际应用中有意义，但不属于模型分类性能的评价指标。【考查领域：模型训练与评估】三、判断题（共10题，每题1分，共10分）1.

人工智能训练师的职业技能等级分为五个级别，高级别完全独立于低级别、不包含低级别的内容和技能要求。正确答案：❌错误📖答案解析：

标准明确指出，高级别涵盖低级别的要求，技能要求和相关知识要求依次递进。高级别并非独立于低级别，而是在低级别能力基础上进一步提升和扩展。2.

标注质量审核只需要检查标注数据的正确性，不需要关注标注的完整性和一致性。正确答案：❌错误📖答案解析：

根据标准，数据审核需要完成对标注数据准确性和完整性的审核，并输出审核报告。除正确性外，完整性和一致性同样是质量审核的重要维度。单一维度审核无法保证数据质量。3.

在目标检测任务的矩形框标注（BoundingBox）中，标注框的边界边缘必须紧贴目标的实际边缘，间隙不能过大，通常不超过2像素。正确答案：✅正确📖答案解析：

矩形框标注要求紧密贴合目标边界，间隙不得超过2像素；若目标被遮挡也必须根据经验框选出完整主体。这是计算机视觉标注中的重要规范化要求，直接影响模型训练质量。4.

数据清洗过程只包含对数据中异常值的处理和缺失值的填充，不需要关注数据格式的统一。正确答案：❌错误📖答案解析：

数据清洗是全面的数据预处理过程，除异常值和缺失值处理外，还包括格式统一（如图像分辨率标准化、文本编码统一）、重复项剔除等关键步骤。标准中四级/中级工需能完成数据质量检测和对预处理后数据的审核。5.

项目质检完成后可以通过任务搜索界面直接查询导出统计数据来计算正确率，而不需要手动逐条汇总。正确答案：✅正确📖答案解析：

智能标注平台通常提供数据统计功能，质检完成后可通过界面直接导出质检统计数据，自动计算正确率，无需手动逐条汇总。这也是智能平台提升工作效率的重要体现。6.

任何类型的AI模型都只能使用一种算法进行评估，无法采用多种指标组合。正确答案：❌错误📖答案解析：

模型评估通常采用多维度综合指标进行分析。例如分类模型结合精确率、召回率、F1值等多个指标，可以更全面地了解模型在不同方面的表现。良好的评估实践应当避免仅依赖单一指标。【考查领域：模型评估】7.

智能平台完成功能优化更新后，标注员只需要确认功能修复即可，无需提供功能优化的收益评估。正确答案：❌错误📖答案解析：

标准指出，平台功能优化更新后，标注员应提供功能优化的收益评估，如节约工时、提升效率等。收益评估有助于判断优化效果，为后续迭代提供依据。【考查领域：智能系统运维】8.

根据国家标准，对于四级/中级工而言，智能系统运维能力是重点考核内容之一。正确答案：✅正确📖答案解析：

标准明确规定，四级/中级工需重点掌握智能系统运维能力，指向对系统的维护和优化工作-。这是四级相比于五级更高级别的核心能力体现。9.

在文本标注项目中，命名实体识别只要识别出人名即可，不需要区分边界范围。正确答案：❌错误📖答案解析：

NER标注要求明确边界界定，必须包含完整的专有名词，不能多标空格，也不能漏标后缀。边界的准确划定对于模型理解语义至关重要。10.

数据标注完成后，不需要对标注数据进行任何统计分析，可以直接用于模型训练。正确答案：❌错误📖答案解析：

四级/中级工应能利用统计工具对标注后数据进行统计。标注后数据的统计分析有助于验证数据质量、了解数据分布特征，从而更好指导模型训练和结果分析。第二部分：核心技能（技能实操考核）四、简答题（共2题，每题5分，共10分）1.

（5分）请列举至少四种常见的图像数据预处理操作，并简要说明每项操作的目的。参考答案（核心要点）：图像归一化：将像素值缩放到统一范围（如[0,1]或[,1]），消除不同图像亮度差异对模型的影响，提高模型训练的稳定性和收敛速度。尺寸统一化（Resize）

：将不同尺寸的图像统一调整到相同分辨率（如224×224），满足模型输入层的固定尺寸要求。数据增强：通过随机旋转、翻转、裁剪、色彩调整等操作扩充训练样本数量，增强模型的泛化能力，缓解过拟合。去噪处理：使用滤波器等技术去除图像中的噪声和干扰项，提升图像质量，使模型更关注有效信息。格式转换：将不同格式的图像统一处理为同一种格式（如PNG转JPG），简化后续处理流程。评分要点：

答出4种即可得满分；每项操作的解释需说明目的，解释合理即可得分。【考查领域：数据预处理】2.

（5分）在数据标注项目的质检环节中，发现两位标注员对同一文本片段的情感判断结果不一致：一人标注为“正向”，另一人标注为“中性”。作为质检员，应采取哪些步骤来解决这个不一致问题并优化标注流程？参考答案（核心要点）：标记不一致数据：将该条数据标记为“质检争议项”，暂不计入合格数据池，避免有争议数据直接送入模型训练。追溯标注依据：查阅项目标注规范和“业务判别手册”，确认标准对当前情感倾向的判定边界是否存在模糊地带或特殊说明。组织标注评审：召集相关标注员和项目负责人，对争议数据进行集中讨论，明确该案例应归属的类别及其判据。更新标注规范：若争议因规范定义不清而起，应优化“情感分析判别规则”，明确特殊情况的处理逻辑和边界条件。开展补充培训：组织标注员就更新后的规范进行针对性补训，避免类似争议在后续标注中反复出现。在审核报告中记录：将争议案例及其处理结论在审核报告中备案，为后续质量控制提供参考依据。评分要点：

答出4个以上合理步骤可得分，至少需包含“标记争议→查找规范（讨论判定）→更新规则/反馈培训”的核心闭环逻辑。逻辑完整、条理清晰给满分。【考查领域：数据标注与审核】五、案例分析题（共2题，共20分）1.

（10分）你作为某自动驾驶辅助系统的数据标注项目质检负责人，接到一批标注任务的审核报告，数据统计如下：图片类别标注人员总标注数准确标注数错误数漏标数车辆检测标注员A5004652015车辆检测标注员B5004602515行人检测标注员A5004701020行人检测标注员B5004453025请计算并回答以下问题：（1）分别计算标注员A和标注员B在“车辆检测”任务中的标注准确率（精确率）。（3分）

（2）分别计算标注员A和标注员B在“行人检测”任务中的召回率（Recall）。（3分）

（3）综合分析哪一位标注员的整体表现更好，并说明理由。（4分）参考答案：（1）精确率（Precision）计算公式为：

准确标注数÷总标注数标注员A（车辆检测）：465÷500=

0.93（93%）标注员B（车辆检测）：460÷500=

0.92（92%）（精确率衡量的是标注员标记为正确的结果中真正正确的比例。）（2）召回率（Recall）计算公式为：

正确找到的目标数÷实际目标总数

（注：实际目标总数=准确数+漏标数，因为准确标注的目标+漏标的目标=真实存在的所有目标）标注员A（行人检测）：470÷(470+20)=470÷490≈

0.959（约95.9%）标注员B（行人检测）：445÷(445+25)=445÷470≈

0.947（约94.7%）（召回率衡量的是真实目标中被正确标注的比例。）（3）综合分析和结论：标注员A的总体表现优于标注员B。理由如下：在车辆检测任务中，标注员A的精确率（93%）高于标注员B（92%）。在行人检测任务中，标注员A的召回率（95.9%）也高于标注员B（94.7%）。在两个任务中，标注员A的错误数和漏标数均低于或与标注员B持平，整体标注质量更稳定。【考查领域：模型评估与性能分析】2.

（10分）以下是某电商评论数据集中的5条文本数据，请根据情感分析标注规范，为每条数据进行情感类别标注，标注结果为“正向（Positive）”、“负向（Negative）”或“中性（Neutral）”，无需解释。【案例文本】：

（1）“这个商品质量超出预期，物流速度很快，客服态度也很好，会再次购买。”

（2）“商品还可以，对得起这个价格，但没有什么惊喜。”

（3）“收到货就发现屏幕有裂痕，联系客服三天了都没人理，非常失望！”

（4）“今天天气不错，顺便取了个快递。”

（5）“虽然性价比很高，但安装说明书太简陋了，装了半天才搞定，挺折腾的。”参考答案：

（1）

正向（Positive）

——关键词“超出预期”“很快”“很好”“会再次购买”表明用户高度满意。

（2）

中性（Neutral）

——用户措辞“还可以”“但没有什么惊喜”表示产品平平、没有明显爱憎情绪。

（3）

负向（Negative）

——关键词“屏幕裂痕”“三天没人理”“失望”表达了明确不满。

（4）

中性（Neutral）

——前半句是无关背景描述，与商品体验本身无直接关联。

（5）

负向（Negative）

——虽然性价比高，但核心体验“太简陋”“装了半天”“挺折腾的”表明整体感受偏向负面。批改说明：

本题主要考查考生能否严格按照“业务判别手册”和上下文逻辑判定情感倾向。第5条乍看是权衡表述，但在业务场景中用户表达失望情绪时通常整体判为负面。【考查领域：NLP标注】六、实操设计题（选做题，共10分）💡

说明：

本题为

选做题。若考生在正式考试中被要求完成全部题目，可在本题中选择一个场景（任选其一）完成实操响应。请从以下两个场景中任选一个，按要求完成实操设计：场景一（图像标注方向）：

你将收到一批用于智能超市货架识别模型的图像数据。图像中含有多种商品，每种商品需用矩形框（BoundingBox）进行标注，要求贴合目标边界。任务要求：

（1）（5分）请列出你制定的商品检测的标注规范，包括：标注框紧贴规则、遮挡处理原则和标签分类体系（至少列出4种常见商品类别）。

（2）（5分）在审核某批数据时，发现多个图像中商品排列过于紧密，标注框存在互相重叠或边界不准确的现象。请提出优化方案以提升标注准确性和一致性。参考答案：（1）标注规范核心内容：标注框紧贴规则：矩形框边缘必须紧贴商品实际轮