2026年人工智能训练师(三级)理论真题及详细答案

2026年人工智能训练师(三级)理论真题及详细答案一、单项选择题（每题1分，共15题）1.在人工智能图像语义分割标注任务中，三级人工智能训练师对标注结果质量验收，通用场景下交并比（IoU）的最低合格要求通常为（）A.≥0.5B.≥0.7C.≥0.8D.≥0.9答案：B解析：交并比（IoU）是衡量标注结果与真实标注区域重叠度的核心指标，通用场景下，IoU<0.5判定为不合格，需要重新标注；0.5≤IoU<0.7判定为待复检，需要人工复核修正；IoU≥0.7判定为合格，符合三级技能考核的质量验收标准，因此选B。2.下列选项中，不属于人工智能训练师构建文本分类数据集时，必须开展的数据清洗操作是（）A.删除重复文本样本B.修正标注错误的样本标签C.补充样本缺失的关键属性D.对文本进行分词处理答案：D解析：数据清洗的核心目标是处理“脏数据”，删除重复数据、修正错误标注、补充缺失属性都属于脏数据处理范畴，是数据清洗的必需环节；分词处理是文本数据的特征预处理步骤，不属于数据清洗环节，因此选D。3.三级人工智能训练师辅助微调预训练大模型时，学习率设置范围相对于预训练阶段应该（）A.更大B.更小C.相同D.随机设置答案：B解析：预训练阶段模型已经学习了通用语义、视觉等基础特征，微调阶段仅需要调整参数适配下游任务，若设置过大学习率会引发“灾难性遗忘”，破坏预训练阶段学到的通用特征，导致模型性能下降。因此微调阶段学习率通常设置为预训练阶段的1/10~1/100，远小于预训练阶段，因此选B。4.针对自动驾驶场景的目标检测标注任务，下列哪类目标属于难例样本，需要优先标注处理（）A.光照充足环境下的清晰大客车目标B.雨天逆光环境下被遮挡的行人目标C.高速路视野开阔区域的完整标志牌目标D.停车场静止的清晰小型轿车目标答案：B解析：难例样本指模型推理时容易识别错误的样本，通常具备遮挡、光照异常、模糊、小尺寸等特征，难例样本对模型泛化能力提升的贡献远高于简单样本，标注优先级高于普通清晰样本。选项中仅雨天逆光下被遮挡的行人符合难例特征，因此选B。5.根据《人工智能训练师国家职业技能标准（2022年版）》，三级人工智能训练师（高级工）的工作范畴不包括下列哪项（）A.独立完成常用场景的数据集标注任务B.协助开展人工智能模型的训练辅助工作C.牵头制定人工智能项目的整体技术方案D.完成标注任务的质量检查与验收工作答案：C解析：根据国家职业技能标准，三级人工智能训练师属于高级工，核心职责为具体执行层面工作，包括独立完成标注任务、质量检查验收、辅助模型训练等；牵头制定项目整体技术方案属于二级（技师）及以上级别的工作范畴，因此选C。6.在语音数据转写标注任务中，针对带口音的普通话语音样本，正确的处理方式是（）A.直接按照标准普通话发音转写实际表达的语义内容B.直接标注为无法识别，丢弃该样本C.按照口音的实际发音逐字转写D.要求采集方重新采集，拒绝标注该样本答案：A解析：语音转写标注的核心目标是获取语音传递的正确语义，口音仅为发音差异，只要能明确识别语义，就应当按照实际表达的标准普通话语义转写；仅当完全无法识别语义时才标注为无法识别，不需要逐字按口音发音转写，也不需要直接丢弃或要求重新采集，因此选A。7.分类模型评估指标中，精确率（Precision）指的是（）A.被正确预测为正样本的数量占全部实际正样本数量的比例B.被正确预测为正样本的数量占全部被预测为正样本数量的比例C.所有被正确分类的样本数量占全部样本数量的比例D.模型对负样本预测正确的比例答案：B解析：混淆矩阵中，TP代表真正例（实际正、预测正），FN代表假负例（实际正、预测负），FP代表假正例（实际负、预测正），TN代表真负例（实际负、预测负）。选项A是召回率（Recall）的定义，计算公式为TP/(TP+FN)；选项B是精确率的定义，计算公式为TP/(TP+FP)；选项C是准确率（Accuracy）的定义；选项D是特异度的定义，因此选B。8.三级人工智能训练师作为标注组组长，针对新人标注员标注质量不稳定的情况，最合适的处理方式是（）A.直接辞退新人标注员B.增加新人标注任务的抽检比例，开展针对性复盘培训C.所有任务都安排资深标注员重新标注，降低整体效率D.降低新人标注任务的单价，惩罚质量问题答案：B解析：新人标注员对任务不熟悉，质量不稳定是正常现象，合理的管理方式是通过增加抽检比例及时发现错误，针对错误类型开展一对一复盘培训，帮助新人快速掌握标注规范；直接辞退、全部重标、惩罚单价都不符合团队管理的合理流程，无法从根本解决问题，因此选B。9.下列标注类型中，不属于命名实体识别标注范畴的是（）A.标注文本中的人名、地名、组织机构名B.标注文本中的时间、日期、货币金额C.标注整段文本的情感极性D.标注文本中的商品名称、品牌名答案：C解析：命名实体识别的核心是识别文本中具有特定意义的实体，完成实体边界和类别的标注，常见标注对象包括人名、地名、组织机构名、时间、货币、商品名、品牌名等；标注整段文本的情感极性属于文本分类任务的标注范畴，不属于命名实体识别，因此选C。10.在模型训练过程中，当验证集损失连续多个epoch上升，训练集损失持续下降时，通常说明模型出现了什么问题（）A.欠拟合B.过拟合C.梯度消失D.梯度爆炸答案：B解析：欠拟合的表现为训练集和验证集损失都处于较高水平，模型未学到数据的核心特征；过拟合的表现为模型过度拟合训练集的噪声特征，训练集损失持续下降，但在未见过的验证集上泛化能力变差，损失持续上升，完全符合题干描述；梯度消失和梯度爆炸是训练过程中梯度更新的异常问题，会导致训练无法收敛，与题干描述不符，因此选B。二、多项选择题（每题2分，共10题）1.人工智能训练师在构建多模态数据集时，需要遵循的数据合规要求包括（）A.获取数据提供方的合法授权B.对包含个人隐私信息的样本进行脱敏处理C.不得采集涉及国家秘密、商业秘密的样本D.标注后的数据集可以任意对外发布E.可以直接采集公开网络的所有数据用于商业项目答案：ABC解析：根据《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》相关要求，多模态数据集构建必须获得数据所有方的合法授权，对涉及个人隐私的信息进行脱敏处理，禁止采集涉及国家秘密、商业秘密的敏感数据；未经授权不得任意对外发布数据集，公开网络的数据也存在著作权、隐私权限制，不能直接用于商业项目，因此DE错误，ABC正确。2.下列属于三级人工智能训练师需要开展的模型训练辅助工作内容的有（）A.根据任务需求整理训练集、验证集、测试集，按照合理比例划分B.监控模型训练过程中的损失函数变化，记录异常情况并上报C.针对模型输出的错误结果，进行错例整理和标注补充D.修改模型核心网络结构，调整底层参数E.基于评估结果撰写错例分析报告答案：ABCE解析：三级人工智能训练师的核心工作为执行层面的辅助工作，具体包括数据集划分、训练过程监控、错例整理与标注补充、错例分析报告撰写等；修改模型核心网络结构、调整底层核心参数属于算法工程师、高级算法研发人员的工作范畴，不属于三级人工智能训练师的工作职责，因此ABCE正确，D错误。3.下列关于标注任务抽检方法的描述，正确的有（）A.简单场景的标注任务可以采用随机抽检的方式B.难例样本的抽检比例应该高于普通样本C.对于新人标注员的任务抽检比例应该低于资深标注员D.全检通常用于对质量要求极高的关键任务或者首次标注的任务E.分层抽检可以提升抽检结果的代表性，降低整体质量风险答案：ABDE解析：新人标注员对标注规范不熟悉，标注质量稳定性更差，抽检比例应当高于资深标注员，因此C错误；随机抽检操作简单，适合标注规则统一、质量稳定的简单场景，难例样本对模型性能影响更大，因此需要提高抽检比例，全检可以100%排查错误，适用于高要求的关键任务，分层抽检按照样本类型、标注员层级分层抽样，比随机抽检更有代表性，能够降低质量风险，因此ABDE正确。4.针对预训练大模型的指令微调数据构建，下列说法正确的有（）A.指令需要覆盖任务的多种表述方式，提升模型的泛化能力B.输出回答需要符合人类语言习惯，保证逻辑准确C.为了提升数据量，可以随意复制网络上的他人创作内容作为输出D.相同指令可以搭配多个合理的输出，提升模型输出的多样性E.需要过滤存在违法违规、低俗不良内容的指令样本答案：ABDE解析：随意复制网络上的他人创作内容用于商业训练会侵犯著作权，违反数据合规要求，因此C错误；指令微调数据要求指令多样化，覆盖同一种任务的不同提问方式，提升模型对不同指令的理解能力，输出需要符合人类语言习惯、逻辑准确，同指令多合理输出可以提升模型输出多样性，同时必须过滤违法违规内容，保证模型输出合规性，因此ABDE正确。5.目标检测标注任务中，常见的标注质量问题包括（）A.漏标：应该标注的目标没有标注B.错标：目标类别标注错误，或者框选位置偏差过大C.重复标注：同一个目标被多次标注多个框D.截断：只框选了目标的可见部分，完整目标没有全部包含在框内E.小目标：尺寸小于任务要求阈值的目标没有标注答案：ABCDE解析：以上五种都是目标检测标注中最常见的质量问题，都会影响模型训练效果，不符合标注规范要求，因此全部正确。6.下列关于欠拟合和过拟合的处理方法，描述正确的有（）A.模型出现欠拟合时，可以增加模型训练的epoch数量B.模型出现欠拟合时，可以增加更多的训练样本特征C.模型出现过拟合时，可以增加训练数据的规模D.模型出现过拟合时，可以加入L1/L2正则化E.模型出现过拟合时，可以采用Dropout方法随机失活神经元答案：ABCDE解析：欠拟合是模型训练不充分或模型容量不足，无法拟合数据特征导致的，增加训练轮次（epoch）、增加输入特征都可以提升模型的拟合能力，解决欠拟合问题；过拟合是模型过度拟合训练集噪声，泛化能力差，增加训练数据规模、加入L1/L2正则限制参数大小、采用Dropout随机失活神经元都可以抑制过拟合，提升泛化能力，因此五个选项都正确。三、判断题（每题1分，共12题）1.人工智能训练师构建数据集时，训练集、验证集、测试集的划分比例通常为7:2:1，该比例适用于大多数常规任务。答案：正确解析：绝大多数常规人工智能任务，该划分比例可以保证模型有足够的训练数据学习特征，同时有足够的验证数据用于调参，足够的测试数据用于评估最终泛化能力；部分特殊场景会根据样本总量调整比例，但7:2:1是行业通用的常规划分标准，因此表述正确。2.三级人工智能训练师不需要对自己的标注结果质量负责，只需要完成标注任务即可，质量检查由组长负责。答案：错误解析：根据三级人工智能训练师的岗位要求，标注流程中首先需要标注员完成自检，对自己的标注结果质量负责，之后才是组长抽检或交叉互检，因此表述错误。3.在文本情感分类任务中，样本存在歧义，无法明确判断情感倾向时，应该增加“中性/无法确定”类别，不强行标注为正面或负面。答案：正确解析：强行给歧义样本标注错误标签会引入大量噪声，严重拉低模型训练效果，合理的处理方式是设置不确定类别，保留歧义样本的同时不影响数据集整体质量，因此表述正确。4.模型评估时，准确率越高说明模型的性能一定越好，不存在例外情况。答案：错误解析：当数据集存在严重样本不平衡问题时，准确率无法反映模型真实性能，例如疾病检测数据集中99%的样本为健康样本，模型全部预测为健康也能得到99%的准确率，但完全无法识别患病样本，因此需要结合精确率、召回率、F1值等指标综合评估，表述错误。5.为了提升标注质量，可以将同一重要标注任务同时分配给多个标注员独立标注，通过交叉验证仲裁的方式降低错误率。答案：正确解析：交叉标注是提升高重要性任务标注质量的常用方法，多个标注员独立标注后，对结果不一致的样本进行仲裁，可以有效降低单个标注员的失误率，提升整体标注质量，因此表述正确。6.所有的训练数据都必须经过清洗才能用于模型训练，未清洗的脏数据会导致模型性能下降。答案：正确解析：未清洗的数据包含大量重复、错误标注、缺失属性、违规内容等脏数据，会干扰模型学习正确特征，导致模型收敛速度变慢、最终性能下降，因此正式训练前必须完成数据清洗，表述正确。7.语义分割标注需要对图像中的每一个像素都分配对应的类别标签，因此精度要求高于目标检测标注。答案：正确解析：目标检测仅需要标注目标的外接框位置和类别，不需要做像素级区分，语义分割需要实现逐像素分类，标注精度要求更高，难度也更大，因此表述正确。8.根据《人工智能训练师国家职业技能标准（2022年版）》，三级人工智能训练师不能指导低级别人工智能训练师开展工作，只有技师才能指导。答案：错误解析：标准明确规定，三级人工智能训练师（高级工）可以指导五级（初级工）