大模型训练数据清洗标注技师考试试卷及答案

大模型训练数据清洗标注技师考试试卷及答案试题部分一、填空题（每题1分，共10分）1.常用开源标注工具除Labelbox、Prodigy外，还有______2.数据清洗中重复数据的核心处理方法是______和合并去重3.NER标注任务的全称是______4.标注的核心原则包括客观性、一致性和______5.大模型训练数据清洗的第一步是______6.标注歧义处理需遵循______优先原则7.文本数据去除特殊符号属于______清洗8.图像目标检测标注框常见格式是______9.标注质量控制的方法有抽检、复核和______10.大模型训练数据需满足高质量、多样性和______二、单项选择题（每题2分，共20分）1.以下不属于数据清洗步骤的是？A.数据收集B.数据去重C.数据标注D.数据验证2.标注矛盾优先参考的是？A.个人经验B.业务规则C.他人结果D.口头要求3.属于序列标注的任务是？A.图像分类B.实体识别C.目标检测D.图像分割4.缺失值处理不包括的方法是？A.删除行B.填充均值C.填充众数D.随机生成5.标注的主要目的是？A.提高美观度B.提供监督信号C.减少数据量D.简化格式6.开源免费的标注工具是？A.LabelStudioB.LabelboxC.ProdigyD.SageMakerGroundTruth7.标注一致性的核心是？A.结果完全相同B.符合业务定义C.速度一致D.人数足够8.去除停用词的目的是？A.减少噪声B.增加数据量C.提高可读性D.统一格式9.语义分割的标注要求是？A.像素分类B.画boundingboxC.图像打标签D.标注关键点10.属于标注错误的是？A.漏标实体B.框覆盖90%目标C.按规则分类D.保留最新记录三、多项选择题（每题2分，共20分）1.数据清洗的内容包括？A.去重B.去噪C.补全缺失值D.格式统一2.标注质量控制措施有？A.标注培训B.实时质检C.复核D.冲突解决3.文本标注任务包括？A.NERB.文本分类C.情感分析D.语义分割4.训练数据需具备的特性是？A.高质量B.多样性C.代表性D.低噪声5.缺失值处理方法有？A.删除法B.填充法C.插值法D.忽略法6.标注工具核心功能包括？A.任务创建B.标注操作C.质量监控D.数据导出7.图像标注任务包括？A.目标检测B.图像分类C.关键点标注D.语义分割8.标注原则包括？A.客观性B.一致性C.准确性D.效率性9.数据噪声类型包括？A.重复数据B.异常值C.格式错误D.缺失值10.标注冲突解决方式有？A.参考业务规则B.咨询主管C.交叉验证D.随机选择四、判断题（每题2分，共20分）1.标注人员可自行修改标注规则（）2.所有缺失值必须删除（）3.训练数据不需要多样性（）4.标注一致性指不同人员结果一致（）5.所有停用词都需去除（）6.标注框越精确越好（）7.标注前无需培训（）8.异常值都是错误数据（）9.开源工具功能不如付费工具（）10.抽检比例越高质量越好（）五、简答题（每题5分，共20分）1.简述大模型训练数据清洗的主要步骤2.标注质量控制的常用方法有哪些？3.文本NER标注的要点是什么？4.图像目标检测的标注要求是什么？六、讨论题（每题5分，共10分）1.如何平衡训练数据多样性与标注成本？2.标注歧义时应如何处理？答案部分一、填空题答案1.LabelStudio2.删除去重3.命名实体识别4.准确性5.数据收集与初步筛选6.业务场景7.格式8.VOC/COCO格式9.交叉验证10.代表性二、单项选择题答案1.C2.B3.B4.D5.B6.A7.B8.A9.A10.A三、多项选择题答案1.ABCD2.ABCD3.ABC4.ABCD5.ABC6.ABCD7.ABCD8.ABC9.BCD10.ABC四、判断题答案1.×2.×3.×4.√5.×6.√7.×8.×9.×10.√五、简答题答案1.①数据收集与初步筛选，去除明显无效样本；②数据去重，删除重复/近似重复数据；③缺失值处理，采用删除、填充等方法补全；④噪声去除，清理格式错误、异常值；⑤格式统一，转换为模型要求格式；⑥数据验证，检查清洗后数据的准确与完整性。2.①标注前培训，确保理解规则；②实时质检，标注中实时检查；③交叉复核，多人重复标注核对；④抽检机制，定期随机抽检查质量；⑤冲突解决流程，按业务规则处理矛盾；⑥量化评估，用准确率、一致性等指标评估质量。3.①明确实体类型（人名、地名等）；②标注边界准确，完整包含实体字符；③一致性，不同人员标注的类型与边界一致；④歧义处理，按业务规则明确多义实体；⑤避免漏标/错标，确保所有实体正确标注。4.①标注框准确覆盖目标，无偏移遗漏；②目标类型标注正确，符合预设类别；③避免重叠标注，同一目标只标一次；④格式统一（如VOC的<xmin,ymin,xmax,ymax>）；⑤一致性，不同人员的框与类别标注一致。六、讨论题答案1.①分层抽样，按场景/类型比例抽样，保证多样性同时控制总量；②优先标注高价值数据，聚焦对模型影响大的样本；③半监督标注，用少量标注数据训练模型，再标注未标注数据；④优化流程，减少重复工作；⑤自动化辅助