2026年人工智能训练师（五级）综合实操真题及答案

2026年人工智能训练师（五级）综合实操真题及答案一、单项选择题（共20题，每题1分，共20分。每题只有1个正确选项）1.人工智能训练师在处理图像数据时，需要将图片中的行人、车辆、红绿灯等目标用矩形框标识出来，这种数据标注类型属于（）。A.文本分类B.图像分割C.目标检测D.语义分割2.在自然语言处理领域，如果需要让AI模型识别出文本中的“人名”、“地名”、“组织机构名”等特定实体，通常采用的标注方法是（）。A.情感分析B.命名实体识别C.文本摘要D.关系抽取3.五级人工智能训练师在进行数据清洗时，发现数据集中存在大量缺失值。若该列数据为数值型且呈正态分布，下列哪种填补方法最为合理？（）A.使用该列的均值进行填补B.直接删除包含缺失值的整行数据C.使用固定常数“0”填补D.使用该列的最大值填补4.某图像标注项目要求对街景中的车辆进行拉框标注。标注员在操作时，矩形框的边缘超出了车辆的实际边界，包含了过多的背景区域。这种错误属于（）。A.漏标B.误标C.冗余标注D.标签不一致5.在语音转写任务中，由于环境噪音导致部分音频内容无法听清，训练师应采取的最规范操作是（）。A.根据上下文随意猜测并补全文字B.使用特殊标记（如“[不可听]”或“[噪音]”）进行标注C.直接留空，不输入任何字符D.将听不清的部分标记为标点符号6.数据标注质量抽检时，计算标注准确率的公式为（）。A.准B.准C.准D.准7.在进行文本情感分类标注时，对于“这件衣服面料挺好的，就是颜色太暗了，尺码也偏小”这句评论，最合适的标签是（）。A.正面B.负面C.中性D.无法判断8.某数据集包含10000张图片，按照机器学习常规的数据集划分比例（训练集:验证集:测试集=6:2:2），测试集应包含（）张图片。A.2000B.6000C.8000D.40009.人工智能训练师在进行数据脱敏操作时，以下哪项属于敏感个人信息，必须进行打码或替换处理？（）A.用户的购物偏好B.用户的设备型号C.用户的身份证号码D.用户的注册时间10.在图像标注工具中，快捷键“Ctrl+Z”通常用于实现什么功能？（）A.保存当前标注B.撤销上一步操作C.复制当前选框D.放大图像11.五级人工智能训练师在接手一个全新的图片分类任务时，首先需要明确的是（）。A.模型的网络架构B.标注规范和分类类别的定义C.服务器的显卡型号D.模型的学习率参数12.在自动驾驶项目的3D点云标注中，为了准确框定一辆汽车，通常需要调整立方体框的哪些属性？（）A.长度、宽度、高度、偏航角B.亮度、对比度、饱和度C.中心点坐标、颜色、透明度D.半径、周长、面积13.数据标注过程中，若同一条文本由两位标注员分别标注，结果出现分歧，五级人工智能训练师应如何处理？（）A.随机选择其中一位的标注结果B.两位协商决定最终结果，必要时请质检员或项目负责人介入裁决C.将该条数据直接作废D.以资历较深的标注员结果为准14.在文本分词任务中，对于“人工智能训练师”这一词组，正确的分词结果是（）。A.人工/智能/训练师B.人工智能/训练/师C.人工智能/训练师D.人工/智能训练/师15.图像分割任务与目标检测任务的本质区别在于（）。A.图像分割需要标注出目标的像素级轮廓，而目标检测仅需矩形框B.图像分割只能标注静态图片，目标检测可以标注视频C.图像分割的准确率一定比目标检测高D.图像分割不需要使用标注工具，直接编程实现16.在处理音频数据时，若需要将一段长音频切分为多个短音频片段，切分的依据通常是（）。A.音频文件的大小B.静音时间段或说话人停顿的时间点C.音频的采样率D.音频的格式17.某标注项目要求对评论中的实体边界进行精准标注。对于“我在北京大学读书”这句话，如果标注“北京大学”为组织机构名，其起始索引和结束索引（假设从0开始，左闭右开区间）分别是（）。A.2,6B.2,5C.3,6D.3,718.在进行数据质量检验时，发现某标注员连续多天的标注准确率从95%骤降至70%。作为训练师，首先应采取的措施是（）。A.直接辞退该标注员B.忽略该波动，继续分配任务C.与该标注员沟通，排查是否对规范理解有误或工具出现故障，并进行针对性培训D.扣除当天工资并停止派发任务19.在视觉任务中，多边形标注通常用于处理什么类型的目标？（）A.规则的矩形物体B.不规则形状的物体，如湖泊、人物轮廓、毛发等C.透明物体D.运动极快的物体20.JSON是一种常见的数据标注结果导出格式。下列关于JSON格式的描述，正确的是（）。A.JSON文件无法包含嵌套结构的数据B.JSON格式不支持数组类型C.JSON由键值对组成，易于机器解析和生成D.JSON只能用于存储文本数据，不能存储图像路径二、多项选择题（共10题，每题2分，共20分。每题有2个或2个以上正确选项，少选、多选、错选均不得分）1.人工智能训练师在数据采集阶段，为了确保数据的多样性，通常需要考虑哪些维度的分布？（）A.时间维度（如白天、黑夜、清晨）B.天气维度（如晴天、雨天、雾天）C.场景维度（如室内、室外、城市、高速）D.设备维度（如不同分辨率、不同型号的摄像头）2.在文本情感分析任务中，常见的情感类别标签包括（）。A.正面B.负面C.中性D.讽刺3.五级人工智能训练师在进行数据清洗时，常见的文本数据噪音包括（）。A.乱码字符B.HTML标签残留C.连续重复的标点符号D.正常的语法表达4.图像标注工具中，对目标进行边界框标注时，需要遵循的基本规范包括（）。A.框要紧贴目标的实际边缘，既不能留有过多背景，也不能裁切目标B.当目标被部分遮挡时，应根据目标实际大小完整拉框C.框的方向应与图像的水平面平行，除非工具支持旋转框D.同一目标在连续帧中如果存在，只需标第一帧即可5.在语音识别（ASR）数据标注中，标注规范通常要求（）。A.标点符号需严格按照说话人的语气进行添加B.遇到英文单词时，需根据项目要求标注为对应的中英拼写C.对于方言语音，如果要求转写为普通话，需进行合理的语义转换D.标注文本需与语音内容完全一致，不得随意增删词语6.下列哪些属于数据脱敏处理的具体手段？（）A.掩码替换（如将手机号中间四位替换为*）B.数据加密存储C.删除包含敏感信息的整条记录D.将真实人名替换为虚构的代号（如张三、李四）7.在进行数据质量抽检时，若发现数据集中存在大量“误标”现象，可能的原因有（）。A.标注规范定义不清晰，存在歧义B.标注员疲劳操作或态度不端正C.标注工具存在卡顿或快捷键冲突导致误触D.数据本身质量较差，难以辨认8.机器学习模型训练过程中，如果出现“过拟合”现象，从数据层面解决该问题的方法包括（）。A.增加训练数据的数量B.进行数据增强，如翻转、旋转、加噪C.减少训练数据的数量D.清洗掉数据中的异常值9.在进行自动驾驶视频标注时，对于跟踪框的要求，正确的是（）。A.每一帧的同一目标ID必须保持一致B.目标被短暂遮挡后重新出现，ID应保持不变C.目标完全离开画面后，该ID即作废，不可分配给新出现的目标D.只需每隔10帧标注一次，中间帧由算法自动补齐10.关于数据标注的“金标准数据集”，以下描述正确的有（）。A.金标准数据集通常由专家级标注员或项目负责人审核确认B.金标准数据集用于评估普通标注员的准确率C.金标准数据集绝对不能包含任何错误D.金标准数据集可作为模型训练的基准数据三、填空题（共10题，每题2分，共20分）1.人工智能数据标注中，最常见的三种图像标注类型是目标检测、________和图像分割。2.在机器学习中，用于训练模型的数据集称为________集，用于评估模型泛化能力且在训练过程中不参与参数调整的数据集称为测试集。3.数据清洗的“去重”操作中，通常会计算文本的________值来判断两段文本是否完全一致或高度相似。4.五级人工智能训练师在进行文本分类时，如果遇到同一条文本既包含正面情绪又包含负面情绪，通常将其归类为________标签或根据业务场景细分为多标签分类。5.在进行音频转写任务时，若遇到背景中存在收音机播放的音乐声，应标注为________（填写英文缩写或中文描述）。6.命名实体识别（NER）通常采用BIO标注法，其中“B”代表________，“I”代表Inside（内部），“O”代表Outside（外部）。7.在图像标注工具中，为了快速调整选框大小，通常需要使用鼠标拖拽选框边缘的________。8.计算标注准确率的公式为：准确率=________/总标注数量×100%。9.数据脱敏的主要目的是保护用户隐私和遵守数据安全法规，常见的脱敏字段包括手机号、________和银行卡号等。10.语义分割任务要求对图像中的每一个________进行分类标注。四、简答题（共5题，每题6分，共30分）1.简述人工智能训练师（五级）在处理图像目标检测任务时，遇到“目标被大面积遮挡”情况的标准处理流程及注意事项。2.在自然语言处理的数据标注中，什么是数据脱敏？请列举三种常见的敏感信息类型，并说明在文本文件中如何表示脱敏后的数据。3.简述数据清洗的目的，并列举三种常见的文本数据清洗操作。4.在数据质量抽检中，经常会遇到“漏标”和“误标”的情况。请分别解释这两个概念，并各举一个具体的图像标注例子加以说明。5.简述训练集、验证集和测试集在机器学习模型训练过程中的作用，并说明如果三者划分比例不当（如测试集过小）会带来什么问题。五、综合应用与分析题（共3题，每题10分，共30分）1.文本标注与数据清洗综合应用给定一段从某电商平台爬取的原始用户评论数据（部分）：`{"id":1,"content":"这款华为P50手机真心不错！！！屏幕像素很高http://example/img/1，拍照也清楚，快递小哥李四送货上门，电五星好评！"}``{"id":2,"content":"买的鞋子穿了三天就脱胶了，什么破质量，客服态度极差，坚决差评！"}`任务要求：（1）请对ID为1的评论数据进行清洗，去除URL链接和无意义的连续重复标点，写出清洗后的文本内容。（3分）（2）请对清洗后的ID为1的评论进行命名实体提取，要求提取出“产品名”和“人物名”两个维度，并以JSON格式输出提取结果。（3分）（3）请分别对ID为1和ID为2的评论进行情感分类，并简述分类理由。（4分）2.图像标注质量校验与计算题某自动驾驶图像标注项目，质检员对一名五级训练师当天完成的500张图像标注结果进行了抽检。抽检结果显示：480张图像标注完全正确。10张图像中存在“漏标”现象（每张图像少标了1辆车，但已标的目标均正确）。6张图像中存在“框不贴合”现象（目标被标出，但边界超出实际轮廓超过10%，视为误标）。4张图像中目标分类错误（如将“公交车”标为“卡车”，视为误标）。项目规定：抽检准确率≥95%为合格，准确率计算公式为：A=任务要求：（1）请计算该训练师当天的标注准确率（保留一位小数）。（3分）（2）上述抽检结果中包含的错误分别属于哪类标注质量问题？（3分）（3）针对上述出现的错误，作为项目负责人，你将采取哪些具体措施来提升该训练师后续的标注质量？（4分）3.语音转写任务综合分析在一个客服中心语音转文字（ASR）标注项目中，五级人工智能训练师小王收到以下一段音频的转录草稿及原始音频描述：音频描述：说话人A在询问宽带业务，说话人B在解答。期间背景里有持续的装修电钻声。说话人A在报自己手机号时，旁边有狗叫声掩盖了最后两位数字。说话人A说：“我的手机号是1381234[电钻声掩盖][狗叫声]56。”转录草稿：我的手机号是1381234（听不清）56。任务要求：（1）根据标准ASR转写规范，该草稿中存在哪些不规范之处？应如何修改？（4分）（2）在语音标注任务中，如何处理背景噪音和人声重叠的情况？请简述操作规范。（3分）（3）如果该音频项目的最终目的是训练一个语音识别模型以过滤环境噪音，那么这些噪音标注对模型训练有什么实际意义？（3分）参考答案及解析一、单项选择题1.【答案】C【解析】目标检测的任务是找出图像中感兴趣的目标，并使用矩形框标识出它们的位置和类别。图像分割需要标识出像素级轮廓；文本分类是对文本进行打标签。2.【答案】B【解析】命名实体识别（NER）是指从文本中识别出具有特定意义的实体，如人名、地名、组织机构名等。3.【答案】A【解析】对于呈正态分布的数值型数据，使用均值填补可以保持数据的整体分布特征。直接删除可能导致数据量大量减少，用常数0或最大值会破坏数据分布。4.【答案】C【解析】矩形框包含了过多背景区域，超出了实际边界，属于冗余标注。漏标是未标出目标，误标是类别标错，标签不一致是同类目标标了不同标签。5.【答案】B【解析】对于无法听清的音频，不能主观臆断，也不能直接留空（会被模型认为是静音），应使用规范的特殊标记如“[不可听]”或“[噪音]”来表示。6.【答案】A【解析】准确率的标准计算公式是正确标注的数量除以总标注数量。分母是已进行的标注总数，不包含未标注的漏标数据（漏标通常单独计算召回率或作为严重错误扣分）。7.【答案】B【解析】虽然提到了“面料好”，但后续“颜色太暗”、“尺码偏小”是核心痛点，整体表达了不满，通常归类为负面评价。8.【答案】A【解析】测试集占比为20%，10000×20%=2000张。9.【答案】C【解析】身份证号码属于极其敏感的个人隐私信息，必须进行脱敏处理。10.【答案】B【解析】Ctrl+Z是通用快捷键，用于撤销上一步操作。11.【答案】B【解析】五级训练师首要任务是理解业务需求，明确标注规范和分类定义，确保标注方向正确。12.【答案】A【解析】3D点云标注中的立方体框需要通过长、宽、高和偏航角来精确定位和匹配车辆的形状与方向。13.【答案】B【解析】遇到标注分歧，应通过沟通协商或引入更高级别的质检机制解决，不能随意处理或作废数据。14.【答案】C【解析】“人工智能”和“训练师”分别是一个完整的词语，不应被拆开。15.【答案】A【解析】图像分割是像素级别的标注，而目标检测是框级别的标注，这是本质区别。16.【答案】B【解析】切分音频通常依据静音段或停顿，以保证每个音频片段包含完整的语义单元。17.【答案】A【解析】字符串“我在北京大学读书”，从0开始索引，“北”字在索引2的位置，“学”字在索引5，左闭右开区间表示为[2,6)。18.【答案】C【解析】准确率骤降说明过程出现了问题，作为管理者应主动沟通排查原因（如规范理解偏差、工具异常）并进行再培训，而不是简单粗暴地处罚。19.【答案】B【解析】多边形标注适用于边界不规则、非矩形的物体，可以精细勾勒目标的实际轮廓。20.【答案】C【解析】JSON是一种轻量级的数据交换格式，由键值对组成，支持嵌套和数组，易于机器解析。二、多项选择题1.【答案】A,B,C,D【解析】数据多样性是保证模型泛化能力的关键，时间、天气、场景和设备维度都会影响数据分布，均需考虑。2.【答案】A,B,C【解析】常见情感分类包括正面、负面和中性。是否设立“讽刺”标签需根据具体业务场景，一般基础任务不包含。3.【答案】A,B,C【解析】乱码、HTML标签残留和多余重复标点均为噪音数据，需要清洗。正常的语法表达是有效信息。4.【答案】A,B,C【解析】边界框应紧贴边缘，遮挡时按实际大小完整拉框，方向应平行（非旋转框情况下）。D选项错误，视频标注需逐帧标注或按关键帧间隔标注，不能只标第一帧。5.【答案】A,B,C【解析】ASR转写需严格遵守标点规范，遇到英文和方言有特定的处理要求，且转写必须忠实于原音频，不得随意增删。D选项“不得随意增删词语”不完全准确，有些规范要求去除语气词（如“啊”、“呃”），但A、B、C是更关键的规范。6.【答案】A,C,D【解析】掩码替换、删除记录、代号替换都属于数据脱敏手段。数据加密存储是安全措施，不属于脱敏手段的范畴。7.【答案】A,B,C,D【解析】误标的原因可能来自人（规范不清、疲劳）、工具（卡顿误触）和数据（质量差难辨认）等多方面。8.【答案】A,B【解析】过拟合说明模型在训练集上学得太好但在测试集上表现差。增加数据量和数据增强可以引入更多样本特征，缓解过拟合。减少数据量会加重过拟合；清洗异常值有助于提升数据质量，但对缓解过拟合的直接作用不如增加数据量。9.【答案】A,B,C【解析】视频跟踪标注要求同一目标ID保持一致，遮挡后重现ID不变，离开画面ID作废。D选项错误，若只标关键帧，中间帧由算法补齐通常需要高准确率保证，但常规抽检要求的是连续帧的准确率。10.【答案】A,B,D【解析】金标准数据集是经过专家审核的基准数据，用于评估普通标注员准确率和作为模型训练基准。虽然质量极高，但也不能说“绝对不能包含任何错误”（存在极小概率的人工失误可能），C选项过于绝对。三、填空题1.【答案】图像分类2.【答案】训练3.【答案】哈希（或MD5/Hash）4.【答案】中性（或多标签）5.【答案】[噪音]（或[NOISE]）6.【答案】Begin（或开始）7.【答案】控制点（或锚点/手柄）8.【答案】正确标注的数量9.【答案】身份证号码（或姓名/家庭住址）10.【答案】像素四、简答题1.【参考答案】标准处理流程：（1）判断遮挡程度。如果遮挡面积超过目标实体的2/3，且无法判断目标类别，通常不予标注或按照项目规范标记为“遮挡/不确定”。（2）如果遮挡面积较小且能明确判断目标类别，应继续进行拉框标注。（3）拉框时，应按照目标实际的物理大小和形状画框，即使被遮挡的部分也要框选在内，不能只框选露出的部分。注意事项：（1）不能因为目标被遮挡就跳过不标，造成“漏标”。（2）矩形框不能缩小以避开遮挡物，必须完整包裹目标。（3）若遮挡物本身也是需要标注的目标，应叠加标注（如行人被汽车遮挡，两者都应按照实际边界分别拉框）。2.【参考答案】数据脱敏是指在数据处理过程中，对包含个人隐私或敏感信息的数据进行变形、替换或删除，以防止敏感信息泄露，同时保留数据的业务可用性。常见的敏感信息类型包括：（1）个人身份信息（如姓名、身份证号）。（2）联系方式（如手机号码、电子邮箱）。（3）财务信息（如银行卡号、密码）。在文本文件中，脱敏后的数据通常用星号“*”或特定标签来表示。例如，手机号脱敏表示为“138**8000”，身份证号表示为“110105**1234”，或者使用特殊标签如“[PHONE]”、“[ID_CARD]”来替换原有敏感文本。3.【参考答案】数据清洗的目的是去除数据集中的“脏数据”（如重复数据、错误数据、缺失数据、格式不规范数据），提高数据质量，从而保证机器学习模型训练的效率和准确率。常见的文本数据清洗操作包括：（1）去重：去除完全相同或高度相似的重复文本记录。（2）缺失值处理：删除包含缺失字段的行，或使用默认值、均值进行填充。（3）格式统一：去除文本前后的空格、统一全半角字符、统一日期和时间格式。（4）噪音去除：去除HTML标签、无意义的特殊符号、连续重复的标点符号、乱码字符等。（5）大小写转换：将所有英文字母统一转换为小写或大写，以减少特征维度。4.【参考答案】漏标：指数据中存在需要标注的目标，但标注员未对其进行任何标注，导致目标未被标识。举例：一张街道图片中有一辆车，但标注员没有在这辆车上画矩形框。误标：指标注员对目标进行了标注，但标注的内容（如类别、位置、属性）与实际情况不符。举例：一张图片中是一只猫，但标注员将其类别标签选择为“狗”；或者一辆汽车被拉了框，但类别选成了“卡车”。5.【参考答案】训练集的作用：用于训练机器学习模型，模型通过拟合训练集数据来学习特征和参数。验证集的作用：在训练过程中用于评估模型性能，通过验证集的结果来调整模型的超参数（如学习率、迭代次数），防止模型过拟合，选择最优模型。测试集的作用：在模型训练和调参完全结束后，用于评估模型的最终泛化能力，即模型在未见过的数据上的表现。如果划分比例不当，如测试集过小：会导致对模型泛化能力的评估不具有统计学意义，评估结果波动较大，无法真实反映模型在实际应用中的效果，可能掩盖模型存在的过拟合或欠拟合问题。五、综合应用与分析题1.【参考答案】（1）清洗后的文本内容：`这款华为P50手机真心不错！屏幕像素很高，拍照也清楚，快递小哥李四送货上门，电五星好评！`（解析：去除了URL链接，将连续的三个感叹号“！！！”精简为一个“！”）（2）JSON格式提取结果：```json{"产品名":"华为P50手机","人物名":"李四"}```（3）情感分类及理由：ID为1的评论情感分类：正面。理由：评论中包含“真心不错”、“很高”、“清楚”、“五星好评”等明显的褒义词汇，整体表达了用户对