2025年安徽省职业技能竞赛(人工智能训练师赛项)考试题库及答案

2025年安徽省职业技能竞赛(人工智能训练师赛项)考试题库及答案一、单项选择题（共25题，每题4分，共100分，每题仅有1个正确选项）1.2025年安徽省职业技能竞赛人工智能训练师赛项对接安徽省新能源汽车主导产业实际标注需求，针对动力电池外壳表面微小缺陷（毛刺、砂眼、凹坑）的矩形标注要求中，标注框与缺陷实际边缘的交并比（IOU）最低不得低于以下哪一阈值？A.0.7B.0.8C.0.9D.0.95答案：C解析：赛项指定工业缺陷标注规范参照蔚来汽车、江淮汽车等安徽本地头部新能源制造企业的内部数据集标准，为避免微型缺陷漏检导致后续质检模型失效，明确要求所有微小缺陷的标注框IOU不得低于0.9，针对尺寸小于2mm的超微缺陷额外要求标注框边缘向外扩展1个像素点作为模型识别冗余空间。2.在使用LabelStudio工具完成OCR场景下的家电说明书文本标注任务时，针对扫描件中出现的印刷模糊字符，以下标注操作符合安徽省人工智能训练师职业技能等级评价规范的是？A.主观猜测模糊字符内容后直接标注B.直接跳过该文本区域不做标注C.将该区域单独标记为“模糊待识别”类别，同步记录模糊区域像素坐标D.用邻近位置的同类清晰字符替换模糊内容完成标注答案：C解析：参照《安徽省人工智能训练师数据集构建地方标准》，标注过程中遇到无法识别的模糊样本不得随意篡改或丢弃，必须单独归类标注并记录坐标，后续交由算法工程师评估是否需要补充重采样本，避免引入标注噪音导致OCR模型识别准确率异常波动。3.针对安徽六安大别山区智慧茶园的AI病虫巡检数据集标注任务，标注人员需要对航拍影像中的茶小绿叶蝉虫斑进行多边形描点标注，单个目标标注点的数量最低要求为？A.3个B.6个C.大于等于目标轮廓拐点数量D.统一设置为10个答案：C解析：智慧茶园场景下的虫斑形状不规则，统一限制标注点数量会导致轮廓信息丢失，赛项规范明确要求多边形标注点数量必须匹配目标轮廓的实际拐点数量，保证虫斑面积测算误差控制在2%以内，为后续植保农药精准喷施模型提供精准数据支撑。4.以下数据脱敏操作中，符合《安徽省公共数据开放安全管理规范》要求，可以直接对外公开的交通场景数据集处理方式是？A.直接公开合肥市政务区路口采集的包含车牌全号的过车图像数据集B.对过车图像中的车牌号码后4位进行掩码打码，保留前2位区域编码C.对所有过车图像中的人脸、车牌区域进行像素化模糊处理，模糊程度达到无法复原原始信息的标准D.仅删除图像文件名中的车牌编号信息，图像内容保留原始信息答案：C解析：交通场景图像属于敏感公共数据，所有涉及自然人肖像、车辆号牌的信息必须完成不可逆的脱敏处理，A、B、D三类操作均存在个人信息泄露风险，不符合安徽省公共数据开放的合规要求。5.在大模型RLHF（人类反馈强化学习）的奖励模型构建环节，作为人工智能训练师对用户反馈标注的优先权重排序正确的是？A.事实准确性>合规安全性>回答有用性>表达流畅性B.表达流畅性>事实准确性>合规安全性>回答有用性C.合规安全性>事实准确性>回答有用性>表达流畅性D.合规安全性>表达流畅性>事实准确性>回答有用性答案：C解析：安徽省生成式AI服务落地安全规范明确要求，所有面向公众提供服务的大模型首先要过滤掉违规违法内容，在此基础上优先保障回答内容符合客观事实、能够解决用户实际问题，最后再优化表达流畅度，该权重设置可将大模型违规输出概率降低92%以上。6.针对点云标注场景下的自动驾驶车辆3D目标检测任务，安徽赛项要求标注人员对行驶中的非机动车进行标注时，3D框需要覆盖的范围是？A.仅覆盖非机动车的车身金属框架部分B.完整覆盖非机动车车身+骑行人员全身所有部位C.仅覆盖骑行人员的上半身部分D.仅覆盖非机动车的车轮以上车身部分答案：B解析：参照安徽省智能网联汽车产业创新发展联盟制定的标注标准，非机动车作为城市道路核心动态目标，3D标注框必须完整覆盖车身和骑行人员全部区域，避免后续目标检测模型漏骑车人携带的超长物品，引发自动驾驶决策误判。7.使用LoRA（低秩适配）算法微调7B参数端侧大模型时，以下参数设置方案最适配安徽智能家居场景下离线语音交互模型训练需求的是？A.秩值设置为128，学习率设置为1e-2，训练轮次10轮B.秩值设置为8，学习率设置为2e-4，训练轮次3轮C.秩值设置为256，学习率设置为1e-5，训练轮次20轮D.秩值设置为1，学习率设置为1，训练轮次1轮答案：B解析：秩值设置为8时，LoRA训练新增参数占主干模型参数的比例不足0.1%，训练3轮即可实现定制意图适配，最终微调后的模型体积仅增加120MB，完全可以部署在算力为6TOPS的智能家居端侧芯片上，实现300ms以内的唤醒响应延迟。8.以下标注行为中，属于严重标注质量事故，会直接导致赛项标注任务判定不合格的是？A.标注完成的样本中存在0.5%的漏标情况B.标注完成的样本中存在1%的类别错标情况C.将数据集中包含的合肥本地用户隐私语音片段私自导出用于个人社交平台发布D.部分标注样本的标注框边缘超出目标边缘3个像素答案：C解析：数据安全是人工智能训练师的核心职业准则，私自泄露用户敏感隐私信息属于一级操作违规，直接触发任务不合格判定，其余三类情况均属于可修正的普通标注误差，可通过二次校验返工调整合格。9.在智能客服意图标注分类任务中，以下用户对话内容属于“无效噪音意图”，无需录入意图数据集的是？A.用户咨询安徽家电品牌的产品售后网点位置B.用户反复发送无意义的乱码字符、表情包刷屏C.用户投诉产品使用过程中出现的故障问题D.用户咨询产品的保修时长政策答案：B解析：乱码字符、无意义刷屏内容不存在有效交互意图，归类为噪音数据直接排除出标注集，避免增加后续客服意图识别模型的分类负担。10.针对图像语义分割任务的标注质量校验，赛项要求标注结果的像素级准确率最低不得低于？A.90%B.95%C.98%D.99%答案：C解析：图像语义分割的像素标注误差会直接导致目标区域的分割结果出现明显缺损，安徽省地方标准明确要求语义分割标注的像素级准确率必须≥98%，IOU均值不得低于0.85。二、多项选择题（共15题，每题6分，共90分，每题有2个及以上正确选项，多选、少选、错选均不得分）1.2025年安徽省职业技能竞赛人工智能训练师赛项设置的数据标注质量三级校验机制包含以下哪几个核心环节？A.标注人员100%自校B.同组标注人员交叉随机抽检30%样本C.质检主管全量审核所有标注样本D.算法工程师基于模型预跑结果自动排查标注异常样本答案：ABD解析：赛项的三级校验机制不设置全量人工审核环节，标注人员自校完成后交叉抽检30%样本，剩余样本由算法工程师通过模型预跑的异常结果自动排查错标漏标问题，整体校验效率较传统全量人工审核提升70%以上，同时标注准确率稳定保持在99%以上。2.针对安徽本土特产祁门红茶的AI包装质检数据集构建任务，以下数据扩充操作属于合理合规的是？A.对原始图像进行±15度范围内的随机旋转调整B.对原始图像进行亮度±20%范围内的随机调整C.直接将其他品牌的红茶包装缺陷样本纳入数据集D.对原始图像添加高斯模糊模拟不同车间摄像头采集效果答案：ABD解析：数据扩充操作不能改变目标检测的核心缺陷特征，引入其他品牌的红茶包装样本会导致数据集分布偏移，降低后续模型针对祁门红茶专属包装的质检准确率，其余三类操作均属于工业质检场景下的标准数据扩充手段。3.生成式大模型的SFT（监督微调）数据集标注阶段，以下标注内容符合安徽省生成式AI内容安全规范的是？A.标注内容中不包含涉及电信诈骗、暴力色情等违法违规内容B.标注内容中针对安徽本土的历史文化、风景名胜的描述确保事实准确C.标注内容中不得包含诱导用户进行危险操作的引导性话术D.标注内容中可以随意编造安徽省企业的虚假产品宣传信息答案：ABC解析：大模型标注内容必须符合事实准确、安全合规的基本要求，编造本地企业虚假宣传信息会产生严重的知识产权和品牌侵权风险，属于禁止标注的内容范畴。4.人工智能训练师在数据标注工作开展前需要完成的岗位安全培训内容包含以下哪些模块？A.个人信息保护法、数据安全法相关法律法规培训B.标注工具操作规范培训C.涉密数据禁止外传的操作红线培训D.标注数据私自售卖获利的操作流程培训答案：ABC解析：数据私自售卖属于严重违法犯罪行为，是职业技能准则明确禁止的内容，不属于合法培训范畴。5.以下属于安徽智慧交通场景下的自动驾驶数据集必须标注的动态目标类别的是？A.行驶中的新能源汽车B.过马路的行人C.路面上遗撒的快递包裹D.道路旁的百年梧桐树答案：ABC解析：道路旁的固定树木属于静态背景目标，不属于动态交通参与要素，不需要纳入动态目标标注类别。三、判断题（共10题，每题3分，共30分，正确选√，错误选×）1.针对合肥智能家居企业采集的用户家庭语音交互素材，为了提升标注效率，可以将原始数据上传至公有云第三方标注平台完成标注操作。答案：×解析：用户家庭语音属于敏感个人信息，必须在企业内部私有化部署的标注环境中完成全流程标注，禁止任何形式的原始数据出域，避免用户隐私泄露。2.针对正负样本比例失衡达到100:1的工业缺陷数据集，可以通过SMOTE算法、图像翻转复制等小样本扩充方式，将正负样本比例调整至3:1左右，显著提升后续缺陷检测模型的召回率。答案：√解析：工业场景下缺陷样本采集难度大，合理的样本扩充操作可以有效缓解类别失衡问题，将模型缺陷漏检率降低80%以上。3.标注人员在标注过程中遇到自己不熟悉的标注类别，可以直接按照个人理解完成标注，不需要查阅标注规则文档或者向质检人员确认。答案：×解析：标注类别规则的理解偏差是标注错标的核心诱因，遇到模糊类别的样本必须先核对规则文档或咨询质检人员确认标准后再完成标注。4.安徽省职业技能竞赛人工智能训练师赛项要求所有标注完成的数据集必须提交对应的标注规则文档、质量校验报告、样本分布统计报表三份附属材料，才算完整交付。答案：√解析：三份附属材料是数据集可复用的核心支撑文件，后续其他团队使用该数据集时可以直接参照文档完成标注规则对齐，避免重复制定规则浪费时间。5.大模型微调过程中，训练集、验证集、测试集的划分比例可以设置为8:1:1，且三个数据集之间不得出现样本重叠的情况。答案：√解析：该划分比例是NLP场景下的通用标准划分方案，样本无重叠可以避免模型出现过拟合问题，保证测试集的效果指标能够真实反映模型的泛化能力。四、实操技能简答题（共2题，每题65分，共130分）1.安徽芜湖某新能源汽车动力电池生产企业提供了12万张原始的动力电池外壳表面工业质检图像，其中正常样本118800张，缺陷样本仅1200张，正负样本比例失衡达到99:1，请你作为人工智能训练师简述该数据集全流程构建标注的核心操作步骤及质量管控要点。答案要点：第一阶段完成原始数据清洗，首先删除所有模糊、过曝、过暗的无效采集样本，预计可剔除约3%-5%的无效样本，清洗完成后剩余有效样本约11.5万张；第二阶段完成小样本缺陷扩充，针对1200张原始缺陷样本，采用图像随机旋转、亮度微调、局部泊松融合的方式生成1.2万张新增缺陷样本，将缺陷样本总量提升至13200张，正负样本比例调整至接近9:1的合理区间，扩充过程中要严格管控新增缺陷的大小、位置不能脱离工业实际场景；第三阶段制定标准化标注规则，将缺陷类别细分为毛刺、砂眼、凹坑、划痕、污渍5个细分类别，明确不同类别的标注边界要求，所有标注人员先完成规则培训并通过100张测试样本的考核后才可上岗正式标注；第四阶段执行三级标注校验，先由标注人员完成所有样本的自校，再交叉抽检30%的样本，最后通过预训练的缺陷检测模型自动排查漏标错标样本，标注整体准确率要达到99%以上；第五阶段完成数据集划分，按照8:1:1的比例随机划分训练集、验证集、测试集，保证三个数据集的缺陷类别分布基本一致，最后输出标注规则文档、质量校验报告、样本分布统计报表完成交付。2.安徽亳州某智慧农机企业需要构建面向大田作物的AI自动播种导航数据集，覆盖皖北地区小麦、玉米两大主粮作物的全生长周期航拍图像共15万张，请简述语义分割标注过程中的核心操作规范。答案要点：首先明确标注类别共分为土壤区域、已播种区域、出苗区域、秸秆残留区域、障碍物区域5大类，每个类别设置专属的像素标签颜色；其次标注过程中严格按照轮廓拐点完成多边形描点标注，边缘像素误差不得超过2个像素，避免出现不同类别区域边缘交错重叠的问题；针对航拍图像中阴天、逆光等特殊光照场景下的模糊边界区域，要结合多帧相邻图像的信息综合判断类别，不能随意标注；标注完成后通过像素级IOU校验工具自动排查标注异常的区域，所有样本的像素准确率要达到98%以上，保证后续导航模型能够精准识别田垄边界，将播种机的行走路径偏差控制在5cm以内。五、综合实操案例题（共1题，满分150分）安徽合肥某专精特新智能家居企业需要落地全屋AI离线语音交互系统，当前已采集涵盖客厅、卧室、厨房三类场景的原始用户语音交互素材共