(完整版)考试人工智能训练师三级真题练习试卷附答案

(完整版)考试人工智能训练师三级真题练习试卷附答案第一部分理论知识考核（满分100分，时长90分钟）1.单项选择题（共30题，每题1分，共30分。每题只有1个正确答案，多选、错选、不选均不得分）1.下列选项中，不符合人工智能训练师职业守则要求的是A.严格保护客户数据隐私，不私自导出标注项目原始数据B.为提升标注效率，主动省略数据标注规范中要求的冗余校验步骤C.主动参加岗位技能培训，持续更新人工智能相关技术知识储备D.标注过程中遇到歧义数据第一时间向项目负责人反馈，不自行臆断标注规则2.针对自动驾驶场景的道路行人目标检测数据集进行采集时，下列采集场景组合中优先级最高的是A.晴天城市主干道行人和雨天乡村土路行人B.夜间无照明辅路行人和暴雨天气快速路行人C.早晚高峰斑马线行人、小区园区儿童行人、雨雪天气穿戴雨具反光装备行人D.景区观光游客行人和停车场出入口通行行人3.针对智能语音助手的ASR（自动语音识别）数据集进行转写标注时，下列标注操作符合规范的是A.将用户语音中出现的方言俚语直接替换为同意思的通用普通话表述B.保留语音中自然出现的语气词、停顿对应的标识，剔除背景噪声产生的无效发音C.遇到无法听清的语音片段直接标注为“*”无需额外备注D.为提升转写准确率，自行补全语音中未表述完整的语义片段4.对包含人脸、车牌号、身份证号的公共场景数据集进行脱敏处理时，以下操作合规的是A.直接对所有敏感信息区域打马赛克后不做二次校验，直接流入标注环节B.对人脸特征采用不可逆的像素化扰动处理，同时同步校验全数据集无遗漏敏感字段C.将原始敏感信息导出后单独存储在公开云盘，方便标注团队随时调取核对D.针对包含人脸的图像全部直接删除，无需保留任何可供模型训练的有效信息5.目标检测任务中明确要求标注框紧贴目标边缘、冗余背景占比不超过5%，下列标注框绘制操作符合要求的是A.标注行人目标时将行人周边10px的背景区域全部纳入标注框，避免截断行人衣角B.标注行驶车辆目标时紧贴车辆外轮廓绘制，不将车辆附着的车牌、后视镜排除在标注框外C.标注堆叠的重叠物体时，直接用单个大框覆盖所有重叠目标，不做个体区分D.标注被遮挡超过70%的车辆目标时，仅根据露出的1cm边缘绘制标注框6.针对客服意图识别数据集的实体抽取标注任务，下列标注逻辑正确的是A.用户输入“我想查询昨天从北京到上海的高铁票订单”，将“昨天”“北京”“上海”“高铁票订单”全部标注为时间、出发地、目的地、查询对象实体B.用户输入“帮我退一下上周买的三张电影票，我临时去不了了”，仅标注“电影票”为实体，其余信息全部忽略C.用户输入“我手机昨天收到扣款通知，但我没买东西”，将“手机”标注为扣款主体实体D.用户输入“申请改签到下周三的航班，我要带一只宠物猫”，仅标注“下周三”为时间实体，忽略“宠物猫”相关信息7.下列标注操作中，会直接导致图像分类数据集标注错误的是A.将倾斜角度30°的猫的图像标注为“猫”类别B.将画面中同时存在猫和狗的图像同时标注为“猫”“狗”两个类别（多分类任务规则允许多标签）C.将像素模糊到完全无法识别物体类别的“猫”图像，仍强制标注为“猫”D.将光线较暗场景下拍摄的猫图像标注为“猫”类别8.人工智能训练师对已完成标注的目标检测数据集进行抽样质检时，常规通用场景下的最低抽样比例要求是A.3%B.10%C.50%D.100%9.自动驾驶场景下的交通标识检测数据集标注质检的要求中，高风险场景的抽样比例不得低于A.5%B.15%C.30%D.70%10.下列关于2D关键点标注的操作，不符合人脸关键点任务规范的是A.标注左右眼关键点时，优先对准瞳孔中心位置B.标注人脸轮廓关键点时，紧贴人脸皮肤边缘点位绘制C.标注被口罩完全遮挡住的嘴部关键点时，根据人脸对称位置臆测点位标注D.侧脸角度超过60°导致单侧人脸轮廓完全不可见时，直接标记为无效样本11.针对智能音箱语音唤醒场景的数据集进行人声和背景声分类标注，下列分类逻辑正确的是A.包含人声唤醒词的样本全部标注为正样本，其余所有纯噪声样本标注为负样本B.包含电视人声、邻居嘈杂人声的非目标唤醒词音频，全部标注为正样本C.完全无任何有效发音的空白音频，直接标注为正样本D.包含儿童唤醒词发音的音频样本直接剔除，不纳入数据集12.人工智能训练师在辅助进行模型训练数据集预处理时，下列操作可以有效降低类别不平衡问题的是A.对样本量占比过高的类别随机重复采样B.对样本量占比过低的类别进行合规的数据增强，扩充样本数量C.直接删除样本量少于100的所有类别数据D.对全数据集统一调整亮度，不做任何其他操作13.针对文本情感分析数据集进行标注，将用户评价分为“正面”“负面”“中性”三类，下列样本标注分类正确的是A.用户评价“这款手机续航一般，没有我之前用的好”标注为“正面”B.用户评价“今天快递刚好在我下班的时候送到了”标注为“中性”C.用户评价“这个水杯摔了一次就碎了，质量太差”标注为“中性”D.用户评价“明天打算去游乐园玩”标注为“负面”14.下列数据增强操作中，不适用于OCR文字识别数据集训练的是A.对文字图像进行小角度旋转（±15°）B.对文字图像随机添加轻微高斯噪声C.对文字图像将其中的汉字随机替换为其他陌生汉字D.对文字图像调整亮度对比度范围（±20%）15.目标检测模型评估指标mAP（平均精度均值）的取值范围是A.(-1,0)B.(0,1)C.(-2,2)D.任意实数16.下列标注错误类型中，属于2D目标检测标注最常见的系统性误差的是A.标注框紧贴目标边缘，冗余占比3%B.同类目标标注框统一比目标外边缘大15%，冗余占比超标C.1万张样本中随机出现2张漏标样本D.小目标物体完全超出画面边界导致无法标注17.针对医疗影像AI辅助诊断的病灶分割数据集标注，下列操作符合合规要求的是A.没有执业医师资质的标注人员，自行判断影像中的病灶区域并完成像素级标注B.标注完成后全部由执业医师完成100%二次校验，修正标注误差C.标注过程中直接将包含患者身份证号的影像原图上传到公共社交平台咨询同行D.直接将标注完成的病灶数据集免费共享到开源社区18.语音数据标注过程中，对双人对话的音频进行分人标注，下列操作正确的是A.两个说话人声音完全重叠的片段，分别标注到对应说话人ID下B.背景中出现的第三方路人说话声音，不纳入已有说话人ID标注，单独标记为无效人声片段C.同一个说话人中途出现的短暂停顿（<0.1s），强行拆分到不同的音频段落中D.完全听不清楚说话人内容的片段，直接删除无需标注19.下列关于标注工具使用的操作，不符合生产规范的是A.批量导入标注样本前，提前校验样本的文件名、格式、分辨率符合项目要求B.标注过程中定期自动保存标注结果，避免数据丢失C.为了提升标注速度，使用脚本自动生成不符合规则的假标注结果D.标注完成导出结果时，校验标注格式、坐标系、存储路径完全匹配交付要求20.人工智能训练师在协助完成模型迭代测试时，发现某类场景下模型识别准确率不足60%，下列优先处理动作正确的是A.直接忽略该问题，继续推进项目交付B.统计该类错误场景的样本特征，整理后提交给标注团队补充对应场景的标注数据C.直接将该类错误全部判定为模型算法问题，无需调整数据集D.手动修改模型的识别输出结果，强行提升准确率21.针对自动驾驶3D点云障碍物标注任务，下列标注逻辑不符合规范的是A.完全在点云采集设备感知范围内的行人点云，全部纳入对应行人的3DboundingboxB.距离采集设备1000米之外、点云点数少于5个的车辆小目标，直接标记为无效目标C.被建筑物完全遮挡的车辆，仅凭点云边缘轮廓臆测位置绘制3D框D.不同类别的障碍物（行人、车辆、非机动车）分别标注对应类别ID，不混标22.下列关于数据隐私合规的描述，不符合《个人信息保护法》要求的是A.处理个人人脸信息前，必须获得个人单独同意，符合法定特殊场景要求的除外B.未经授权，不得私自向第三方泄露标注项目中涉及的用户个人敏感信息C.为了提升标注效果，可以将用户的身份证号、手机号直接明文展示在标注界面D.废弃的包含用户敏感信息的原始数据，必须做彻底的销毁处理，不得随意流转23.针对商品检索场景的图像数据集标注，要求标注出图像中所有商品的类别和对应boundingbox，下列标注操作正确的是A.将画面中占比小于0.1%、完全看不清类别的商品小目标直接标记为无效样本，不强制标注B.将堆叠在一起的3件不同品类的衣服，用1个大框全部覆盖，标注类别为“衣物”C.将画面中仅露出1/10边缘的手机商品，强行根据露出边缘绘制标注框D.将画面中作为背景装饰的非售卖商品，全部纳入标注范围24.自然语言处理领域的命名实体识别任务中，下列不属于常见实体类别的是A.人名、地名B.时间、组织机构名C.动物名、商品名D.算法底层代码名25.下列标注误差中，属于标注人员主观误判误差的是A.标注规则定义模糊，导致不同标注员对同一样本的标注结果不一致B.标注员疲劳状态下，把画面中的摩托车误标注为电动车C.原始图像样本分辨率过低，无法区分目标类别D.标注工具的坐标系配置错误，导致所有标注框坐标整体偏移26.数据集交付时，下列不属于标注交付件必须同步提供的文件是A.标注结果文件、标注规则说明书最终版B.质检报告、误差统计分析表C.原始数据采集设备的采购合同D.特殊样本标注说明文档27.针对OCR全字段识别标注任务，下列标注操作符合规范的是A.将图像中出现的手写异体字、模糊不清的生僻字，根据字形合理标注并同步备注说明B.将图像中印刷错误的文字，直接修改为正确的通用文字C.直接忽略图像中出现的标点符号、特殊字符，只标注汉字和数字D.旋转图像角度后，直接修改标注的文字方向，匹配正常阅读逻辑28.人工智能训练师在批量核验标注结果时，发现同批次1000张图像中有300张标注框的坐标偏移超过20%，下列优先处理动作是A.直接判定整批次全部不合格，要求标注人员全部重新标注B.定位误差产生的根源，判断是标注工具配置问题还是标注人员操作问题，针对性修正后重新校验C.忽略该误差，直接交付给项目甲方D.手动修改300张标注框的坐标，其余样本正常交付29.下列选项中，不属于人工智能训练师三级岗位核心能力要求的是A.独立完成常规多模态数据的标注作业B.独立完成常规标注任务的抽样质检与误差统计C.从零开发深度学习目标检测算法框架D.配合算法工程师完成训练数据集的预处理工作30.针对语义分割标注任务，下列操作符合像素级标注规范的是A.标注汽车区域时，确保所有属于汽车的像素点全部在汽车标注区域内，不遗漏车轮、车窗的像素B.标注建筑物区域时，将建筑物前方的行人像素点也纳入建筑物标注区域C.标注天空区域时，将空中漂浮的云朵像素点排除在天空标注区域外D.标注道路区域时，将路面上的所有车辆像素点都纳入道路标注区域2.多项选择题（共20题，每题2分，共40分。每题有2-4个正确答案，多选、少选、错选、不选均不得分）1.人工智能训练师在开展计算机视觉类数据集标注工作前，需要确认的核心项目要素包括A.标注规则说明书、标注样例库、歧义问题处理SOPB.项目交付时间节点、阶段验收标准、问题反馈通道C.原始数据集存储权限、数据脱敏要求、隐私保护条款D.项目对应模型的底层算法开源代码、服务器部署架构2.下列属于人工智能训练师三级岗位可独立完成的标注任务类型的有A.2D框目标检测标注、语音转写标注、文本实体抽取标注B.语义分割标注、3D点云boundingbox标注、语音分句分人标注C.医疗影像病灶区域像素级标注（需在医师指导下开展）、自动驾驶点云车道线标注、自动驾驶点云障碍物语义分割标注D.多模态问答数据集指令对齐标注、OCR文字识别全字段标注、人脸关键点标注3.下列操作中，可以有效提升标注人员工作效率同时保障标注质量的有A.组织标注人员开展前置规则培训，通过考核后方可正式上岗B.搭建标准歧义样本库，定期组织标注人员复盘歧义样本标注逻辑C.引入标注过程中的自动校验工具，实时识别明显的标注误差并提示修正D.无限制压缩标注工期，要求标注人员日均标注量提升3倍以上4.目标检测数据集中的下列情况，属于有效漏标错误的是A.画面中清晰可见的、标注规则要求标注的目标物体，没有被绘制对应标注框B.标注规则明确要求无需标注的背景小目标，未被绘制标注框C.完全被遮挡、可见度不足5%的目标物体，未被绘制标注框D.画面中清晰可见的车辆目标，完全没有被标注人员识别到并绘制标注框5.针对智能问答系统的指令微调数据集进行标注，下列标注操作符合规范的是A.用户输入问题为“北京今天的天气怎么样”，标注对应的回答内容需准确匹配北京当日真实天气情况B.用户输入问题为“请推荐3个入门级AI训练师学习网站”，标注的回答内容不得包含违规推广链接、非法信息C.用户输入涉政涉黄涉暴的违规问题，直接标注对应的违规回复内容，继续纳入训练集D.用户输入表述模糊、没有明确语义的问题，标注为无效样本单独归类，不纳入正式训练集6.下列关于数据增强操作的描述，正确的有A.图像分类数据集可以通过随机裁剪、翻转、调整亮度的方式进行数据扩充B.语音识别数据集可以通过添加轻微背景噪声、调整语速±10%的方式进行数据扩充C.所有数据集都可以无限制使用数据增强，完全不会引入标注误差D.语义分割数据集做图像翻转增强时，对应的标注掩膜图也需要同步做相同方向的翻转7.人工智能训练师开展标注质检工作时，常见的标注错误类型包括A.漏标、错标类别B.标注框偏移、重叠标注C.像素级语义分割区域跨类别混标D.完全符合标注规则的样本标注8.下列场景中，属于高风险AI应用场景，对标注数据质量要求达到99.9%以上精度的有A.自动驾驶感知数据集标注B.医疗AI辅助诊断数据集标注C.短视频内容推荐数据集标注D.人脸识别身份核验数据集标注9.下列关于标注结果数据格式的要求，描述正确的有A.2D目标检测标注结果常用COCO、VOC格式存储，对应标注框坐标为归一化像素坐标B.语音转写标注结果常用JSON、TXT格式存储，每段语音对应唯一的转写文本C.语义分割标注结果常用PNG单通道掩膜图格式存储，不同类别对应不同的像素灰度值D.所有标注结果可以任意定义格式，无需和甲方需求对齐10.下列操作中，违反数据安全合规要求的是A.标注人员使用私人手机拍摄标注界面中的敏感数据，私自留存B.标注完成后，私自将原始数据集和标注结果带出办公场所C.标注账号转借非项目授权人员登录使用D.标注过程中遇到敏感数据第一时间向项目负责人反馈，不私自处理11.自然语言处理领域的文本分类标注任务，下列属于常见任务类型的有A.文本情感正负向分类B.垃圾短信/诈骗文本分类C.新闻内容主题分类D.人脸关键点坐标分类12.针对音频类数据开展预处理工作时，下列操作属于AI训练师三级岗位可以独立完成的有A.音频格式批量转换（wav转pcm等）、音频无效静音片段裁剪B.音频采样率、声道数统一调整，匹配后续模型训练输入要求C.音频原始录音内容的版权溯源与商用授权申请D.音频中无效背景噪声批量过滤，保留有效人声片段13.下列指标中，属于分类模型核心评估指标的有A.准确率（Accuracy）B.召回率（Recall）C.精确率（Precision）D.像素分辨率14.标注项目开展过程中，标注人员发现标注规则存在歧义、不同版本规则描述不一致时，不合适的处理动作是A.按照自己最开始理解的规则继续标注，不反馈B.第一时间整理歧义样本和歧义规则描述，提交给项目负责人确认统一标注逻辑C.直接参考网上同类项目的标注规则自行修改现有规则D.通知周边其他标注人员按照自己的经验调整标注逻辑15.下列属于AI训练师岗位职业道德要求的有A.不得泄露项目涉密数据、不得泄露甲方未公开的技术方案B.不得恶意伪造标注结果、不得篡改标注质检报告数据C.不得利用岗位便利盗取项目数据用于其他商用用途D.不得随意传播项目内部保密的标注规范和项目资料16.针对车载语音交互场景的唤醒词检测数据集进行标注，下列哪些场景样本属于正样本（存在目标唤醒词的样本）A.车主清晰说出唤醒词“你好XX”的音频片段B.副驾乘客清晰说出唤醒词“你好XX”的音频片段C.后排儿童大声说出唤醒词“你好XX”的音频片段D.车载广播中播报的唤醒词“你好XX”音频片段17.下列关于图像标注质量判定标准的描述，正确的有A.目标检测标注框Iou（交并比）大于0.9的样本属于合格标注样本B.语义分割标注的像素准确率大于98%的样本属于合格标注样本C.分类任务的类别标签和样本真实属性完全匹配的属于合格标注样本D.只要标注人员主观认为标注正确，就属于合格标注样本18.下列工具中，属于人工智能训练师日常标注工作常用工具的有A.LabelImg2D目标检测标注工具B.LabelMe语义分割标注工具C.Audacity音频预处理标注工具D.AutoCAD建筑三维建模工具19.人工智能训练师协助算法工程师完成模型训练辅助工作时，下列符合规范的操作有A.按照要求将数据集划分为训练集、验证集、测试集三个互斥子集，比例常用7:2:1B.提前校验测试集样本完全不包含在训练集、验证集中，避免数据泄露C.主动统计数据集的各类别样本分布占比，提交给算法工程师做参考D.随意调整数据集的划分比例，不需要和算法工程师确认20.下列标注场景中，需要标注人员额外开展专项合规培训才能上岗的有A.医疗影像病灶标注场景B.金融信贷用户敏感信息数据集标注场景C.人脸生物特征数据集标注场景D.通用日常商品图像标注场景3.判断题（共20题，每题1.5分，共30分。正确选√，错误选×）1.数据标注过程中遇到标注规则未覆盖的个性化数据样本，可以结合个人经验自行定义标注逻辑，无需向项目负责人反馈。2.同一份样本由3名不同标注员分别标注，结果完全不一致时，需要组织评审确定统一标准后再标注。3.标注过程中出现个人账号掉线、标注结果未自动保存时，直接重新标注无需反馈项目负责人排查工具问题。4.所有标注完成的数据集不需要做任何脱敏处理，就可以直接公开发布到开源社区免费共享。5.针对目标检测任务的小目标样本，标注框必须完整覆盖可见的目标主体，不得超出目标边缘过大、引入过多冗余背景。6.语音转写标注时，不需要区分普通话、方言、外语，全部统一按照普通话发音转写即可。7.标注质检过程中发现不合格样本，直接在标注系统中标记不合格并退回，同时备注清晰标注错误原因，方便标注人员修正。8.人工智能训练师在标注工作中，只要效率足够高，标注质量出现少量系统误差也不会影响最终模型效果。9.类别不平衡的数据集直接用于模型训练，大概率会导致模型对样本少的类别识别准确率偏低。10.标注结果导出后不需要校验文件完整性和格式正确性，直接交付给甲方就可以。11.针对多标签图像分类任务，同一张图像可以同时标注多个不同的类别标签。12.标注人员可以将项目原始数据批量下载到个人私人设备中，方便随时随地开展标注工作。13.3D点云标注时，标注人员需要参考点云的三维坐标信息，确认目标的空间位置，不得把不同位置的目标混淆标注。14.人工智能训练师三级岗位需要掌握基础的数据集统计分析能力，可以独立完成常规标注误差的归因分析。15.自然语言标注任务中，用户输入的口语化表达、网络流行语可以按照字面原意准确转写，不需要强行修改为书面正式用语。16.所有标注任务的质检合格阈值都统一为95%，不需要根据场景的风险等级调整。17.语义分割标注任务中，相邻两个类别的标注区域不能出现像素重叠，也不能出现未被标注的空白像素区域（规则允许的背景区域除外）。18.标注人员上岗前必须完成规则培训和样例考核，考核通过率达到要求后方可正式参与生产标注。19.数据采集过程中，可以未经当事人允许，随意拍摄他人的人脸、隐私场景用于商用AI训练数据集。20.标注项目交付完成后，标注人员不需要继续留存任何项目原始数据和标注结果，全部按照项目要求做销毁处理。第二部分实操技能考核（满分100分，时长180分钟）1.自动驾驶常规道路场景2D目标检测标注实操（30分）：给定100张城市道路场景连续拍摄图像，标注类别要求包含行人、骑行者、小型汽车、大型货车、交通信号灯5个类别，标注框Iou阈值要求≥0.95，漏标率≤0.1%，完成标注后导出VOC格式标注文件，提交对应标注质检报告。2.智能客服意图识别与实体抽取标注实操（35分）：给定200条真实用户客服对话文本，标注意图类别共6类（订单查询、订单退换改、物流查询、商品咨询、优惠咨询、其他），同步抽取对应文本中的时间、地点、商品名称3类实体，标注准确率要求≥99%，不存在实体漏标、意图错标问题，提交结构化标注结果。3.标注数据集质检与误差分析实操（35分）：给定1000张已完成标注的目标检测标注数据集，按照20%比例抽样开展质检，统计漏标、错标类别、标注框偏移三类错误的数量和占比，完成误差归因分析报告，提出对应的标注优化改进方案，最终提交完整质检报告。参考答案及详细解析第一部分理论知识考核答案1.单项选择题答案：1.B解析：省略校验步骤会直接导致标注质量不合格，违反职业守则要求。2.C解析：自动驾驶场景下高频风险场景样本优先级最高，对应场景的事故概率远高于低概率边缘场景。3.B解析：ASR转写要求完整还原语音真实内容，不得随意修改、臆造内容。4.B解析：数据脱敏要求不可逆、无遗漏，避免敏感信息泄露。5.B解析：标注框需要完整覆盖目标全主体，冗余占比符合≤5%要求。6.A解析：实体抽取需要精准匹配对应语义要素，不存在遗漏、错标实体类型问题。7.C解析：完全无法识别类别的样本强制标注会直接引入标注错误。8.B解析：常规场景标注质检最低抽样比例不得低于10%，保障覆盖足够误差样本。9.C解析：自动驾驶高风险场景抽样比例不得低于30%，有效管控标注质量。10.C解析：完全被遮挡的关键点无法确认位置，不得臆测标注，标记为无效样本即可。11.A解析：唤醒词正样本仅包含目标人声的有效唤醒发音，其余背景声均为负样本。12.B解析：对小样本类别做合规数据增强可以有效扩充样本量，降低类别不平衡。13.B解析：该样本未表达正负向情绪，属于中性客观陈述。14.C解析：随机替换文字会直接改变图像语义内容，完全破坏标注有效性。15.B解析：mAP精度指标取值范围固定在0到1之间。16.B解析：系统性误差为同类型标注误差批量出现，属于标注人员统一操作习惯问题。17.B解析：医疗影像标注必须由专业执业医师做最终校验，保障标注准确性，符合医疗合规要求。18.B解析：非目标第三方人声不属于标注范围，单独标记为无效片段即可。19.C解析：使用脚本生成假标注结果属于恶意造假行为，严重违反职业守则。20.B解析：针对低识别准确率场景，优先补充对应场景的数据集样本，优化训练集覆盖度。21.C解析：完全遮挡的点云目标无法确认位置，不得臆测标注。22.C解析：标注界面不得明文展示用户敏感信息，避免信息泄露风险。23.A解析：过小的、无法识别类别的背景目标不需要纳入标注范围，避免无效标注。24.D解析：算法底层代码名不属于NLP命名实体识别任务的常见实体类别。25.B解析：疲劳状态下的人为误判属于主观标注误差。26.C解析：采集设备采购合同不属于标注交付必须提供的文件。27.A解析：OCR标注需还原图像真实文字内容，生僻字要准确标注并备注。28.B解析：批量坐标偏移优先定位误差根源，从系统层面解决问题，避免重复劳动。29.C解析：AI训练师三级岗位不要求从零开发深度学习算