2026年人工智能训练师（一级）理论高频考点试题

2026年人工智能训练师（一级）理论高频考点试题一、单项选择题（每题1分，共40分）1.在人工智能训练师的工作流程中，决定模型性能上限的最关键因素通常是？A.训练轮数B.数据质量与数量C.服务器数量D.模型文件大小答案B2.下列关于“弱监督”的描述，正确的是？A.完全不需要标注B.使用不完全、不准确或有噪声的标注进行训练C.只能使用小规模模型D.只适用于无监督任务答案B3.某二分类模型在测试集上的混淆矩阵为：TP=90，FP=10，FN=20，TN=180，则该模型的召回率（Recall）是？A.0.90B.0.82C.0.75D.0.69答案B解析召回率=T4.当模型在训练集上表现很好，但在验证集上表现明显变差时，最可能的问题是？A.欠拟合B.过拟合C.梯度消失D.学习率过小答案B5.下列哪种方法主要用于降低模型过拟合风险？A.增大学习率B.增加训练轮次C.DropoutD.移除验证集答案C6.在深度网络训练中，使用BatchNormalization的主要作用是？A.增加模型参数量B.缓解内部协变量偏移，加速收敛C.替代激活函数D.完全消除过拟合答案B7.Sigmoid函数在深层网络中的主要问题之一是？A.输出无界B.容易导致梯度消失C.不可导D.计算速度过慢答案B8.在卷积神经网络中，感受野（ReceptiveField）是指？A.输入图像的大小B.输出特征图上某个位置对应输入图像的区域大小C.卷积核的数量D.池化窗口的步长答案B9.在Transformer中，ScaledDot-ProductAttention的缩放因子通常是？A.dB.dC.dD.log答案A解析缩放点积注意力中，注意力得分除以dk，其中d10.BERT与GPT在预训练任务上的最主要区别是？A.BERT使用自编码式掩码语言模型，GPT使用自回归语言模型B.二者完全相同C.BERT不使用注意力机制D.GPT不使用神经网络答案A11.在文本分类任务中，将类别标签转换为one-hot编码后，配合使用的损失函数通常是？A.MSEB.交叉熵C.HingeD.感知器损失答案B12.在推荐系统中，评估排序质量时，下列哪项指标更关注“正样本排在前面”的能力？A.RMSEB.AUCC.MAED.准确率答案B13.关于AUC值，下列说法正确的是？A.AUC等于ROC曲线下的面积，取值通常在0到1之间B.AUC=0.5表示模型完美C.AUC只适用于回归任务D.AUC越大说明模型一定越好答案A14.在类别不平衡场景中，FocalLoss通过下列哪种方式缓解问题？A.增加batchsizeB.调整学习率C.降低易分类样本的损失权重D.增加模型深度答案C15.关于L1正则化，下列说法正确的是？A.会趋向于产生稀疏权重B.等价于在损失中加入权重的平方和C.不会影响模型参数D.只适用于线性模型答案A16.梯度下降中，如果学习率设置过大，可能出现的情况是？A.收敛速度稳定提升B.损失震荡甚至发散C.模型参数全部变为0D.梯度自动消失答案B17.在训练神经网络时，EarlyStopping的依据通常是？A.训练集损失持续下降B.验证集指标不再改善C.测试集准确率达到100%D.模型参数量不再变化答案B18.关于交叉验证，下列说法正确的是？A.可以完全替代测试集B.将数据划分为训练/验证的多个子集并轮流验证C.只在无监督学习中使用D.会显著增加训练数据量答案B19.在数据预处理中，对特征进行Z-score标准化后，特征的均值和标准差分别是？A.0和1B.1和0C.0和0D.1和1答案A20.当数据集中存在少量极端异常值时，使用下列哪种缺失值/异常值处理方式最稳健？A.均值填充B.中位数填充C.直接删除全部数据D.不做任何处理答案B21.在图像分类数据增强中，下列哪种操作会改变图像的语义类别？A.水平翻转B.随机裁剪C.颜色扰动D.将类别标签随机修改答案D22.在目标检测任务中，IoU（交并比）的计算公式是？A.交集面积/并集面积B.并集面积/交集面积C.预测框面积/真实框面积D.真实框面积/预测框面积答案A23.在语义分割任务中，常用的评价指标是？A.mIoUB.BLEUC.PerplexityD.RMSE答案A24.在序列标注任务中，若标注序列为B-Person、I-Person、O，则“B-”前缀通常表示？A.实体的开始B.实体的结束C.非实体D.实体内部答案A25.在大语言模型微调中，LoRA的主要优势是？A.只需训练少量低秩矩阵参数B.完全重新训练所有参数C.不需要训练数据D.不使用注意力机制答案A26.在RLHF中，奖励模型（RewardModel）的训练数据通常是？A.人类对多个模型回答的偏好排序B.无标注文本C.自动生成的标签D.图像分类标签答案A27.RAG（检索增强生成）在推理时首先执行的操作是？A.根据用户问题检索相关文档B.随机生成答案C.修改模型参数D.更新知识库答案A28.下列哪种方法最适用于缓解大模型“幻觉”问题？A.增加生成随机性B.检索增强生成并引用依据C.将温度降低到0D.删除模型所有参数答案B29.模型量化（如从FP16到INT8）的直接收益通常是？A.模型精度必然提升B.推理速度和内存占用改善C.训练时间必然减少D.模型参数量减少答案B30.模型剪枝的主要目的是？A.增加模型容量B.减少冗余参数，降低计算开销C.提高训练数据质量D.消除所有误差答案B31.知识蒸馏中，学生模型训练时通常以教师模型的什么作为监督信号之一？A.输出概率分布（软标签）B.模型权重C.梯度D.超参数答案A32.联邦学习与传统集中式训练相比，核心区别是？A.原始数据不需要集中到服务器B.不使用神经网络C.不需要梯度D.必须使用GPU答案A33.差分隐私技术主要通过下列哪种方式保护个体隐私？A.向查询结果注入受控噪声B.加密所有存储数据C.删除所有数据D.限制用户访问网络答案A34.根据《个人信息保护法》，处理个人信息应当具有明确、合理的目的，并与处理目的直接相关，采取对个人权益影响最小的方式。这体现了哪项原则？A.最小必要原则B.完全自由原则C.无限收集原则D.事后追认原则答案A35.《生成式人工智能服务管理暂行办法》要求，生成式人工智能服务提供者应当对下列哪些生成内容进行标识？A.仅文本B.仅音频C.图片、视频等可能引起公众混淆的内容D.所有内部日志答案C36.在算法推荐服务中，根据《互联网信息服务算法推荐管理规定》，用户有权？A.要求删除算法B.获得便捷的关闭算法推荐服务的选项C.查看模型全部参数D.修改训练数据答案B37.关于AI模型偏见，下列说法正确的是？A.偏见只来自算法本身B.训练数据中的不平衡和偏见会被模型学习并放大C.使用更多数据一定能消除偏见D.偏见与人类无关答案B38.在模型上线后，若发现线上数据分布与训练时不一致，最合适的做法是？A.立即回滚并启动监控、评估与再训练流程B.继续观察3年C.删除线上数据D.调高学习率答案A39.在组织大型数据标注项目时，人工智能训练师（一级）最优先制定的是？A.数据标注规范与质量抽检机制B.程序员着装规范C.服务器外观设计D.会议室预订流程答案A40.在模型迭代管理中，以下哪项做法最能保证结果可复现？A.只保存最终模型文件B.同时记录训练数据版本、代码版本、超参数与环境配置C.仅记录训练集准确率D.删除历史模型答案B二、多项选择题（每题2分，共20分）1.下列属于监督学习任务的有？A.垃圾邮件分类B.房价回归预测C.图像语义分割D.用户聚类答案ABC解析用户聚类属于无监督学习，其余三项均使用有标签数据进行监督学习。2.下列哪些措施可以缓解过拟合？A.增大训练数据量B.L2正则化C.DropoutD.无约束地增加模型隐藏层数量答案ABC解析无约束地增加模型隐藏层数量通常会增大模型容量，可能加重过拟合。3.在模型评估中，下列哪些指标适用于二分类任务？A.AUCB.F1-scoreC.精确率D.R²答案ABC解析R²是回归任务常用的决定系数，不适用于二分类。4.关于Transformer，下列说法正确的有？A.包含自注意力机制B.包含位置编码C.可以并行处理序列D.不能用于自然语言处理答案ABC解析Transformer已被广泛应用于自然语言处理、计算机视觉等多类任务。5.大语言模型常见的参数高效微调方法包括？A.LoRAB.Prefix-TuningC.AdapterTuningD.全量参数微调答案ABC解析全量参数微调不属于参数高效微调，前三项均只训练少量新增或低秩参数。6.在RLHF流程中，通常包含以下哪些环节？A.收集人类偏好标注B.训练奖励模型C.使用强化学习优化策略D.直接随机初始化语言模型答案ABC解析RLHF通常基于已预训练的语言模型，而不是随机初始化模型。7.生成式人工智能服务提供者依法应当履行的义务包括？A.对训练数据进行合法性处理B.采取有效措施防止生成有害内容C.提供投诉举报途径D.公开所有用户的输入内容答案ABC解析公开用户输入内容会侵犯个人信息和商业秘密，不属于法定义务。8.高质量训练数据管理通常包含下列哪些方面？A.数据版本管理B.标注规范统一C.数据质量抽检D.隐私与合规审查答案ABCD解析高质量数据管理需要覆盖数据全生命周期，包括版本、规范、质量和合规。9.下列属于模型推理优化技术的有？A.量化B.剪枝C.算子融合D.扩大训练集答案ABC解析扩大训练集属于训练阶段措施，不能直接优化推理性能。10.在部署AI服务时，下列哪些做法有利于保障安全与合规？A.输入输出内容审核B.设置访问控制与日志审计C.对敏感信息进行脱敏D.关闭所有监控答案ABC解析关闭监控会削弱安全审计和风险溯源能力，是不合规的做法。三、判断题（每题1分，共20分）1.人工智能训练师只需关注算法模型，不需要关注训练数据的来源合法性。答案错误2.训练数据质量直接决定模型性能的上限，算法和调参只是在逼近这个上限。答案正确3.在类别不平衡时，准确率可能虚高，不能单独作为评价指标。答案正确4.所有机器学习模型在训练前都必须进行特征标准化，否则无法收敛。答案错误5.过拟合是指模型在训练数据上表现很好，但在未见数据上表现较差。答案正确6.增加训练数据量是缓解过拟合的有效方法之一。答案正确7.Dropout在模型训练时随机失活部分神经元，在推理时保留所有神经元。答案正确8.在梯度下降中，学习率越小，模型最终一定越准确。答案错误9.交叉验证可以减少因数据划分不同而产生的评估波动。答案正确10.混淆矩阵只能用于二分类，不能用于多分类。答案错误11.Transformer的自注意力机制天然包含输入顺序信息，因此不需要位置编码。答案错误12.BERT的预训练任务中包含掩码语言模型，因此它属于自回归语言模型。答案错误13.大语言模型在生成时，温度（temperature）越低，输出通常越确定。答案正确14.RLHF的目标之一是让模型输出更好地符合人类偏好。答案正确15.RAG可以在不重新训练模型的情况下引入外部知识，减少幻觉。答案正确16.模型量化后推理速度一定提升，且精度完全不受影响。答案错误17.联邦学习允许参与方在不共享原始数据的情况下协同训练模型。答案正确18.根据我国《个人信息保护法》，处理个人信息必须始终取得个人同意。答案错误解析除“告知同意”外，法律还规定了合同必需、履行法定义务、应对突发公共卫生事件等其他合法基础。19.生成式人工智能服务提供者应当对图片、视频等生成内容进行标识。答案正确20.在模型迭代过程中，只要保存最终模型文件即可，无需记录训练数据版本和超参数。答案错误四、综合案例分析题（每题10分，共20分）1.背景：某金融科技公司开发个人信贷风控模型。原始样本中逾期客户占比约2%。团队先训练了一个逻辑回归模型，在测试集上整体准确率为97%，但逾期客户召回率仅为35%。请回答：（1）为什么不能仅以准确率评估该模型？（3分）（2）应重点采用哪些评估指标？请说明理由。（3分）（3）请列举至少三种提升逾期客户召回率的可行策略。（4分）答案：（1）样本类别严重不平衡，准确率主要反映多数类（非逾期）的预测效果。即使把所有客户都预测为“非逾期”，准确率也能达到约98%，但该模型对真正需要识别的逾期客户没有实际风控价值。（2）应重点采用精确率（Precision）、召回率（Recall）、F1-score、AUC和PR-AUC等指标。信贷风控更关注少数类“逾期客户”的识别能力，其中PR-AUC对类别不平衡更加敏感，能更好反映模型在少数类上的排序性能。（3）可行策略包括：-继续收集更多逾期样本，扩充少数类数据；-使用过采样方法（如SMOTE）或欠采样方法平衡类别分布；-在损失函数中为少数类设置更高权重，或使用FocalLoss；-在模型输出阶段降低逾期类的判定阈值；-使用集成学习或异常检测方法增强对少数类的识别；-采用成本敏感学习，将漏报