2026年人工智能训练师(四级实操技能)考试题及答案

2026年人工智能训练师(四级实操技能)考试题及答案一、实操考试试题（满分100分，考试时长180分钟）1.图像目标检测标注实操（20分）任务描述：现有100张自动驾驶路测采集的日间城市场景图像，数据集格式为JPG，分辨率1920×1080，要求完成交通参与者类别的目标检测标注，具体考核要求如下：（1）标注类别要求：需区分小型机动车、大型机动车、非机动车、行人4个大类，其中小型机动车包含轿车、SUV、微型面包车，大型机动车包含公交车、货车、工程车、大巴车，非机动车包含自行车、电动自行车、三轮车，行人包含成人、儿童，所有类别允许标注重叠目标；（2）标注框要求：标注框必须紧密贴合目标外轮廓，整体误差不超过5个像素，截断目标（图像边缘未完全显示的目标）只要可见区域超过1/2必须标注，可见区域小于等于1/2可忽略标注；（3）标注完成后要求抽取10%的样本完成交叉审核，记录不合格标注的类型和判定结果。考核问题：请写出完整的标注执行流程、标注规则执行要点，列举不合格标注的常见类型，并对以下3个审核发现的问题分别做合格/不合格判定，说明原因：①1辆整辆可见的大型货车被标注为小型机动车；②1辆电动自行车被轿车遮挡，仅露出1/3车身被标注；③1个行人的标注框整体比实际轮廓大10个像素。2.文本意图分类标注实操（20分）任务描述：现有500条用户语音转写后的电商智能客服咨询文本，要求完成售后咨询类意图的标注分类，预设分类体系为：退货申请、换货申请、退款申请、物流查询、质量投诉、安装咨询、其他，标注规则要求：多意图文本需标注所有对应意图；歧义词需结合上下文判定意图，例如“什么时候能送到”仅当上下文提及商品已发货时标注物流查询，未发货咨询发货时间归入其他；模糊表述无法判定意图直接归入其他。考核问题：请写出本次标注项目的质量控制核心要点，完成以下3条样本的标注，并分别说明判定理由：样本1：“我上周买的洗衣机开不了机，能不能给我换一台，顺便把退回去的运费给我报销了”样本2：“你们这个东西到底发不发，都一周了还没一点动静”样本3：“帮我查一下我的货到哪了”3.微调数据预处理实操（25分）任务描述：某电商企业需要基于BERT-base微调一个电商评论情感分类模型，用于判断商品评论的正向、负向、中性情感，现有标注完成的原始训练样本12000条，预留测试样本1500条，人工排查后发现原始训练样本存在以下五类问题：①空文本样本共128条；②完全重复样本共362条；③包含违规违法内容的样本共17条；④单条文本token长度超过BERT-base最大输入限制（512token）的样本共89条；⑤标注错误样本，即文本情感和标签不匹配的样本共213条。考核问题：请写出面向模型微调的完整数据预处理流程，针对上述五类问题分别给出合规处理方案，说明验证集的合理划分比例与划分方法，计算清洗后可用于训练的有效样本量下限。4.智能对话交互问题优化实操（20分）任务描述：某品牌智能音箱的天气查询技能上线1个月后，运营团队收集到10条有效用户负面反馈，经整理可分为三类：第一类共6条，反馈内容为“用户询问‘明天会不会下雨’，音箱重复追问‘请问你想查询哪个城市的天气’，但用户已经在当前对话的上一轮询问过‘昨天北京的天气怎么样’，明确提到了城市，用户认为音箱没有记忆，体验差”；第二类共3条，反馈内容为“用户没有指定城市直接询问‘明天有雨吗’，音箱直接回复北京的天气，但用户常住地为上海，用户对默认城市错误不满”；第三类共1条，反馈内容为“用户询问‘后天适合穿什么衣服’，音箱回复‘未找到相关信息，请你换个问题提问’”。考核问题：请分别分析三类问题产生的核心原因，给出对应的可落地实操优化方案。5.AI模型效果评估实操（15分）任务描述：现有一个新训练的猫、狗二分类图像分类模型，测试集共1000张标注完成的样本，其中猫样本400张，狗样本600张，模型推理结果统计为：正确识别为猫的样本共320张，错误将100张狗样本识别为猫。考核问题：将猫作为正类别，计算该模型针对猫类别的精确率、召回率、模型整体准确率、针对猫类别的F1值，写出完整计算过程与结果；若该模型用于宠物自动喂食器的身份识别模块，要求必须准确识别出主人的宠物猫才放出粮食，严禁错放粮食给非授权动物，说明该场景下应该优先优化哪一个指标，阐述理由。参考答案1.图像目标检测标注实操参考答案（1）完整标注执行流程：①标注前准备：配置标注工具（如LabelImg、VGGImageAnnotator），导入待标注数据集，核对预设类别标签体系，调整标注工具显示比例为1:1，避免图像缩放导致的标注误差，统一标注规范；②逐图标注：按照从左到右、从上到下的顺序梳理图像内所有目标，按照规则逐个绘制标注框，重叠目标分层标注，上层目标完整标注，下层目标可见部分符合要求的正常标注，标记存疑目标；③自审核：完成全部标注后，逐张复核标注框位置、类别归属，修正自身标注的明显错误；④交叉审核：按照随机抽样原则抽取10%即10张样本开展交叉审核，记录所有不合格标注的类型与位置。（2）标注规则执行要点：①类别区分要点：严格按照车身尺寸分类，车长小于6米、总质量小于4.5吨的机动车归入小型机动车，超过该标准的机动车归入大型机动车，非机动车不区分动力类型，所有自行车、电动自行车、三轮车统一归入非机动车大类；②截断目标判定：仅针对图像边缘的未完整显示目标做可见比例要求，被其他目标遮挡的部分可见目标不受该规则限制；③标注框误差控制：标注框四个边与目标轮廓的像素差累计不超过5个像素，单个边误差不超过2个像素，避免框过大或者过小。（3）常见不合格标注类型：类别错分、标注框误差超标、漏标符合要求的目标、多余标注不符合要求的目标、重叠目标漏标。（4）三个问题的判定：①大型货车错标为小型机动车：不合格，原因：大型货车车长超过6米、总质量超过4.5吨，属于大型机动车大类，类别标注错误，违反分类规则，因此不合格。②电动自行车被遮挡仅露出1/3被标注：合格，原因：规则仅对图像边缘截断目标做了可见比例要求，被前景目标遮挡的部分可见目标属于明确存在的交通参与者，标注不违反规则，因此合格。③行人标注框大10个像素：不合格，原因：规则要求标注框整体误差不超过5个像素，该标注误差超出要求，贴合度不满足标准，因此不合格。2.文本意图分类标注实操参考答案（1）标注质量控制核心要点：①标注前统一规则培训：组织所有参与标注的人员学习分类体系与歧义场景判定标准，通过10道标准测试题考核，考核通过才可参与标注，确保判定标准统一；②建立疑点上报机制：标注员无法独立判定的样本必须提交审核组统一判定，不得随意归入其他类；③双审校验机制：所有样本至少由2名标注员独立标注，标注结果不一致的样本提交第三方审核员判定，要求整体标注Kappa一致性系数不低于0.8，否则全部返工；④抽验复核：标注完成后随机抽取10%的样本抽验，不合格率超过5%要求整批返工。（2）样本标注与判定理由：①样本1标注结果：换货申请、其他；理由：文本包含两个核心诉求，第一是更换故障洗衣机，符合换货申请的分类定义，第二是报销退货运费，不属于预设的6个明确分类，因此额外标注其他。②样本2标注结果：其他；理由：文本核心诉求是催促商家发货，未询问已发出商品的运输位置，不符合物流查询的分类定义，因此归入其他。③样本3标注结果：物流查询；理由：用户明确要求查询当前商品的运输位置，符合物流查询的分类定义，无需额外上下文判定，直接标注。3.微调数据预处理实操参考答案（1）完整预处理流程：①原始数据建档：汇总所有原始训练样本，建立样本索引表，记录每个样本的存储路径、原始标签，方便追溯；②数据清洗：逐一排查并处理无效、违规、错误样本；③格式化转换：将清洗后的样本转换为模型要求的“文本内容+情感标签”结构化格式，一般为CSV或JSON格式；④数据集划分：将清洗后的训练样本划分为训练集和验证集，预留的原始测试集保留用于最终模型效果评估；⑤格式校验：检查所有样本的格式合法性，统计各情感类别的样本分布，确认类别分布均衡，避免出现严重的类别倾斜。（2）五类问题处理方案：①空文本样本：直接删除，空文本不包含任何有效语义信息，无法为模型训练提供有效信号，属于无效样本，直接剔除；②完全重复样本：删除重复样本，仅保留1份，重复样本会导致模型对重复内容过拟合，还会增加不必要的训练计算量，无任何正向增益，因此剔除重复；③违规违法内容样本：直接删除，违规内容不符合数据集合规要求，违反内容安全规定，必须全部剔除；④长度超过512token的样本：针对BERT-base的输入限制，可采用两种处理方式，一是截取法：从文本开头截取前510个token，加上<[BOS_never_used_51bce0c785ca2f68081bfa7d91973934]>和[SEP]占位符刚好满足512token的要求，情感分类任务核心情感一般出现在文本开头，该方法效率最高，应用最广；二是滑动窗口切分法：将长文本切分为多个长度不超过512token的子文本，所有子文本沿用原样本标签加入数据集，剔除无有效语义的子文本；两种方式均合规，不需要直接删除长文本样本；⑤标签错误样本：组织标注员重新核对样本，能够修正标签的直接修正，无法修正或者语义有歧义的直接删除，错误标签会严重干扰模型训练，必须处理。（3）验证集划分：合理比例为清洗后训练样本的10%，90%作为训练集；划分方法采用分层随机抽样，保证训练集和验证集的情感标签分布与整体样本分布一致，避免分布偏差导致验证结果不准确。（4）有效样本量下限计算：原始训练样本12000条，长文本样本无需全部剔除，仅需剔除必须删除的无效样本，即空文本128条+重复样本362条+违规样本17条+标签错误样本213条=720条，因此有效样本量下限为12000-720=11280条。4.智能对话交互问题优化实操参考答案（1）第一类问题（上下文重复追问城市）：核心原因：对话状态追踪模块的槽位管理机制不合理，同场景多轮对话中已填充的地域槽位没有设置合理的保留周期，触发了不必要的追问；上下文语义理解模块未配置槽位继承规则，没有主动关联上文已经出现的地域实体。优化方案：①调整槽位生命周期规则：同天气查询技能的多轮对话中，已填充的地域槽位信息保留3轮对话，用户未主动更新城市则默认沿用，超出3轮对话再发起追问；②新增上下文实体继承规则：当当前用户查询未携带地域实体，而上文3轮内已经出现明确地域实体，直接继承上文地域实体，不发起追问；③上线前开展回归测试，要求多轮上下文场景的槽位填充正确率不低于95%，达标后再上线。（2）第二类问题（默认城市错误）：核心原因：默认城市兜底规则设置不合理，仅统一设置为开发所在地北京，未结合用户属性做个性化匹配，没有利用用户的注册地址、IP定位、历史查询地址等信息生成个性化默认值。优化方案：①新增多层级默认城市匹配规则：优先匹配用户预留的常住地址，其次匹配当前IP定位地址，最后匹配用户历史查询过的城市，无任何地址信息的情况下再使用统一默认值；②增加提示机制：匹配默认城市后，在回复末尾增加“以上是[XX城市]的天气，如需查询其他城市可以告诉我哦”，降低用户预期差；③定期统计用户反馈，调整匹配规则的优先级，持续提升默认城市匹配准确率。（3）第三类问题（穿衣建议无法识别）：核心原因：天气查询技能的意图体系仅覆盖了直接天气查询类诉求，未覆盖穿衣指南这类天气衍生诉求，意图识别模块未训练该类意图，也没有配置对应的回复模板，因此触发默认未命中回复。优化方案：①新增“天气衍生咨询-穿衣建议”意图，补充至少50条不同表述的用户问句样本，更新意图识别模型；②配置动态回复规则，基于查询日期的气温范围自动生成穿衣建议，例如10度以下建议穿厚羽绒服、毛衣，10-20度建议穿风衣、针织衫，20-28度建议穿长袖T恤、薄外套，28度以上建议穿短袖、短裤；③上线后持续收集用户该类提问，补充样本优化识别准确率。5.模型效果评估实操参考答案（1）混淆矩阵构建（猫为正类别，狗为负类别）：真正例（TP）：正确识别为猫的样本数=320假负例（FN）：实际为猫但被识别为狗的样本数=总猫样本数-TP=400-320=80假正例（FP）：实际为狗但被识别为猫的样本数=100真负例（TN）：实际为狗且被正确识别为狗的样本数=总狗样本数-FP=600-100=500（2）指标计算：精确率（P，针对猫类别）=TP/(TP+FP)=320/(320+100)≈76.19%召回率（R，针对猫类别）=TP/(TP+FN)=320/(320+8