2026年人工智能训练师三级冲刺押题试卷

2026年人工智能训练师三级冲刺押题试卷考试时长：120分钟满分：100分合格分数线：60分一、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.依据《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对应的职业能力层级为（）A.初级工B.中级工C.高级工D.技师2.2025年工信部出台的《生成式AI训练数据合规指引》要求，用于商用生成式AI服务训练的个人信息数据，需满足最小必要采集原则，采集范围超出业务需求的比例不得高于（）A.5%B.10%C.15%D.20%3.下列不属于多模态训练数据标注范畴的是（）A.文本情感极性标注B.3D点云语义分割标注C.音视频跨模态时序对齐标注D.图文对相关性匹配标注4.针对大模型预训练文本数据的全局去重操作，若待处理数据集规模为1200万条，要求基于SimHash算法的去重误判率低于0.01%，则SimHash的比特位长度至少应设置为（）A.64位B.128位C.256位D.512位5.下列关于大模型指令微调数据质量评估核心指标的描述，错误的是（）A.指令意图清晰度权重占比不低于30%B.回答事实准确率权重占比不低于40%C.有害内容检出率需达到99.5%以上D.指令多样性余弦相似度指标不得低于0.66.下列标注工具中，专门用于多模态跨模态对齐标注的开源工具是（）A.LabelStudioB.ProdigyC.CVATD.LabelMe7.依据《网络安全法（2024修订版）》，人工智能训练过程中泄露个人敏感信息，违法所得不足100万元的，最高可处以（）罚款A.100万元B.500万元C.1000万元D.5000万元8.下列数据类型中，不属于大模型预训练阶段通用数据源的是（）A.公开网页文本B.开源书籍语料C.垂直领域业务标注数据D.公开学术论文库9.针对标注结果的一致性检验，当参与质检的标注员数量为3人时，Fleiss’Kappa系数达到（）即认为标注结果一致性合格A.0.4B.0.6C.0.8D.0.910.下列关于小样本学习数据采集要求的描述，正确的是（）A.每个类别样本量不得低于10条B.类别间样本分布偏差不得超过20%C.样本难度梯度需覆盖易、中、难三个层级D.需至少包含20%的负样本11.用于大模型对齐训练的RLHF（人类反馈强化学习）数据中，反馈标注的核心对象是（）A.指令的清晰度B.模型输出的排序C.输入数据的合规性D.训练参数的合理性12.下列哪种数据清洗方法能够有效识别预训练文本中的事实错误内容（）A.正则表达式匹配B.知识图谱实体校验C.停用词过滤D.长度阈值过滤13.三级人工智能训练师可独立承接的标注项目规模上限为（）A.5万条单模态数据B.10万条单模态数据C.5万条多模态数据D.20万条单模态数据14.针对语音识别训练数据的标注，下列不属于必须标注的内容是（）A.语音内容文本转写B.说话人性别年龄C.噪音类型标注D.语音情感极性15.下列关于训练数据去重操作的描述，错误的是（）A.局部去重是指同一批次数据内部的重复内容删除B.全局去重需覆盖所有历史已使用的训练数据集C.近似重复数据的判定阈值通常设置为相似度≥0.8D.去重操作会导致数据多样性下降，因此去重比例不得超过10%16.2026年国内主流的大模型训练数据标注单人日产能标准中，文本实体标注的日均合格产能为（）A.500-1000条B.1000-2000条C.2000-3000条D.3000-5000条17.下列哪种有害内容属于《生成式AI服务管理暂行办法（2025修订）》中明确要求100%检出的A类有害内容（）A.低俗娱乐内容B.虚假营销内容C.宣扬恐怖主义内容D.误导性科普内容18.标注规则制定过程中，下列哪项内容不属于必须明确的范畴（）A.标注对象定义B.标注结果格式C.异常情况处理标准D.标注工具的底层代码逻辑19.针对自动驾驶场景的多模态训练数据，下列哪种标注类型优先级最高（）A.行人关键点标注B.交通信号灯状态标注C.车道线语义分割标注D.车辆类型标注20.下列关于指令微调数据的描述，错误的是（）A.指令需明确覆盖用户的真实需求场景B.回答内容需符合事实逻辑、无有害内容C.每个指令仅能对应一个标准答案D.需覆盖不同难度层级的指令类型21.数据标注项目的质检抽样比例要求中，针对A类敏感内容的质检抽样比例为（）A.10%B.30%C.50%D.100%22.下列哪种算法不属于标注结果的自动质检常用算法（）A.规则匹配算法B.小样本分类算法C.聚类算法D.大语言模型推理校验23.依据人工智能训练师职业道德规范，下列行为符合要求的是（）A.将标注过程中接触的客户数据上传至个人云盘存储B.为提升标注效率，委托无资质的第三方人员完成标注任务C.发现标注数据中存在敏感内容时第一时间上报并隔离D.自行修改标注规则以降低标注难度24.大模型预训练数据的质量评估指标中，数据丰富度的核心判定依据是（）A.数据总条数B.数据覆盖的领域、场景、话题数量C.数据的平均长度D.数据的采集时间跨度25.下列关于3D点云数据标注的描述，错误的是（）A.3D点云标注通常需要结合对应的2D图像数据辅助校验B.语义分割标注要求对每个点云点分配对应的类别标签C.3Dboundingbox标注仅需要标注物体的二维坐标即可D.点云标注的误差阈值通常要求低于5厘米26.训练数据中正负样本比例失衡会导致的后果是（）A.模型过拟合B.模型对少数类样本的识别准确率下降C.模型推理速度变慢D.模型参数量增加27.下列哪种数据不属于训练数据中的噪声数据（）A.乱码文本B.与任务无关的音视频片段C.标注错误的样本D.难度较高的测试样本28.三级人工智能训练师不需要掌握的技能是（）A.标注规则制定B.标注团队日常管理C.标注结果质检与误差分析D.大模型预训练参数调优29.针对教育场景大模型训练的题库数据标注，下列哪项内容属于必须标注的元数据（）A.题目的来源B.题目的知识点标签C.题目的字数D.题目的出题时间30.下列关于训练数据版权的描述，正确的是（）A.公开网络爬取的所有内容都可以免费用于AI训练B.已经过脱敏处理的公开数据可以用于商用AI训练C.作者明确声明禁止用于AI训练的内容不得用于训练D.非商用的AI训练可以不受版权限制使用任意数据二、多项选择题（共20题，每题2分，共40分。每题有2个及以上正确答案，多选、少选、错选、不选均不得分）1.三级人工智能训练师的核心工作范畴包括（）A.数据采集方案设计B.标注规则制定与优化C.标注结果质检与误差分析D.大模型全流程预训练管控E.训练效果初步验证与数据迭代建议2.下列属于训练数据中A类有害内容范畴的是（）A.宣扬民族仇恨、民族歧视内容B.诱导未成年人违法犯罪内容C.虚假医疗健康科普内容D.泄露国家秘密内容E.低俗色情内容3.常用的大模型指令微调数据增强方法包括（）A.多语言回译B.指令语义复述C.样本混淆注入D.难度梯度扩展E.跨模态内容映射4.下列标注工具中，可用于文本类数据标注的有（）A.LabelStudioB.ProdigyC.CVATD.BratE.LabelMe5.依据《生成式AI训练数据合规指引（2025）》，训练数据采集过程中需要获得用户单独授权的内容包括（）A.个人生物识别信息B.个人行踪轨迹信息C.个人公开社交平台发言D.个人健康医疗信息E.个人通信内容6.标注结果一致性检验的常用指标包括（）A.Cohen’sKappa系数B.Fleiss’Kappa系数C.准确率D.召回率E.精确率7.大模型预训练数据清洗的核心操作包括（）A.无效内容过滤B.有害内容删除C.重复内容去重D.格式标准化E.事实错误校验8.下列属于多模态训练数据跨模态对齐要求的有（）A.时序对齐B.语义对齐C.空间对齐D.格式对齐E.长度对齐9.三级人工智能训练师在制定标注规则时，需要遵循的原则包括（）A.无歧义原则B.可执行原则C.最小标注原则D.全覆盖原则E.动态优化原则10.针对RLHF人类反馈数据的标注，核心标注内容包括（）A.指令意图清晰度标注B.模型多个输出的质量排序C.输出内容有害性标注D.输出内容事实准确性标注E.模型训练参数合理性标注11.下列属于训练数据元数据范畴的有（）A.数据采集时间B.数据来源渠道C.数据标注人员信息D.数据标注时间E.数据质量评分12.数据标注项目的风险点包括（）A.数据泄露风险B.标注质量不达标风险C.项目交付延期风险D.版权合规风险E.人员流失风险13.下列关于数据标注质检流程的描述，正确的有（）A.首先进行自检，标注员完成标注后自行检查10%的标注结果B.其次进行互检，同组标注员交叉检查30%的标注结果C.最后进行专检，由质检人员对所有标注结果进行100%的敏感内容检验D.普通内容的专检抽样比例不低于10%E.误差率超过5%的批次需要全部返工14.下列属于垂直领域大模型训练数据特点的有（）A.领域专业性强B.数据规模要求低于通用大模型C.标注规则复杂度高D.数据准确性要求更高E.数据来源更广泛15.针对语音识别训练数据的标注，需要标注的核心内容包括（）A.语音文本转写B.噪音类型标注C.说话人身份信息D.语音情感极性标注E.语音起止时间戳16.下列行为违反人工智能训练师职业道德的有（）A.泄露标注过程中接触的客户商业秘密B.伪造标注结果提升产能C.发现数据存在合规风险后自行处理D.主动优化标注流程提升效率E.将标注技能无偿传授给新入职的同事17.大模型训练数据质量评估的核心维度包括（）A.合规性B.准确性C.多样性D.规模E.时效性18.下列属于数据标注异常情况的有（）A.标注对象不明确B.标注结果存在歧义C.数据本身存在损坏D.标注规则未覆盖该场景E.标注人员操作失误19.下列关于小样本学习训练数据的要求，正确的有（）A.每个类别的样本量通常在5-50条之间B.类别间样本分布偏差不得超过10%C.样本需覆盖该类别下的典型场景D.不需要标注负样本E.样本难度需保持一致20.下列关于训练数据版权的描述，正确的有（）A.著作权人明确声明禁止用于AI训练的内容不得使用B.经过脱敏处理且无法识别到特定个人的公开数据可用于训练C.用于公益性质AI训练的内容可以不受版权限制D.标注人员对标注结果享有著作权E.客户委托采集的标注数据版权归客户所有三、判断题（共10题，每题1分，共10分。正确填“√”，错误填“×”）1.三级人工智能训练师可以独立负责10万条规模以下的单模态标注项目全流程管理。（）2.公开网络爬取的公众人物公开发言内容，可以直接用于商用大模型训练，不需要获得授权。（）3.标注结果的Fleiss’Kappa系数越高，说明标注员之间的一致性越好，标注质量越高。（）4.大模型预训练数据的去重比例越高越好，能够有效降低训练成本，避免过拟合。（）5.生成式AI训练数据中所有涉及个人信息的内容都需要完全删除，不得用于训练。（）6.指令微调数据中，同一个指令可以对应多个符合要求的回答内容。（）7.三级人工智能训练师需要掌握大模型预训练的核心参数调优技能，能够独立完成大模型的预训练全流程。（）8.标注规则制定完成后不能进行任何修改，否则会导致标注结果不一致。（）9.多模态训练数据的跨模态对齐要求不同模态的内容在语义上保持一致，时序、空间维度不需要对齐。（）10.数据标注项目中，敏感内容的质检要求100%全覆盖，不得采用抽样检验方式。（）四、简答题（共2题，每题5分，共10分）1.简述三级人工智能训练师在开展标注规则制定时的核心流程。2.简述大模型指令微调数据质量评估的5个核心指标及权重要求。五、实务操作题（共1题，10分）某电商企业计划训练面向售后客服场景的垂直大模型，当前已采集15万条历史售后客服对话数据，其中包含9.2万条用户咨询、5.8万条人工客服回复，经初步排查，数据中存在1.5%的无效对话（如乱码、广告内容）、0.7%的敏感内容（如用户手机号、地址等隐私信息）、2.1%的低质量回复（如人工客服敷衍、答非所问内容）。作为三级人工智能训练师，请设计该数据集的预处理及标注全流程方案，要求明确各环节核心操作、量化指标、工具选型、质检规则。参考答案及解析一、单项选择题1.答案：C。解析：《人工智能训练师国家职业技能标准（2022年版）》明确，五级为初级工、四级为中级工、三级为高级工、二级为技师、一级为高级技师。2.答案：B。解析：《生成式AI训练数据合规指引（2025）》规定，最小必要采集原则要求数据采集范围超出业务需求的比例不得高于10%。3.答案：A。解析：文本情感极性标注属于单模态文本标注范畴，其余选项均涉及多模态数据标注。4.答案：B。解析：128位SimHash在千万级数据规模下的误判率低于0.01%，64位误判率约为0.1%，256位及以上误判率更低但会增加计算成本。5.答案：D。解析：指令微调数据的多样性余弦相似度指标要求不得低于0.7，低于该值说明指令重复度高，训练效果差。6.答案：A。解析：LabelStudio是目前应用最广的开源多模态标注工具，支持跨模态对齐标注；Prodigy主要用于文本标注，CVAT、LabelMe主要用于计算机视觉标注。7.答案：C。解析：《网络安全法（2024修订版）》规定，泄露个人敏感信息违法所得不足100万元的，处100万元以上1000万元以下罚款。8.答案：C。解析：垂直领域业务标注数据主要用于微调阶段，预训练阶段采用通用公开数据源。9.答案：B。解析：标注结果一致性检验中，Fleiss’Kappa系数≥0.6即认为一致性合格，≥0.8为优秀。10.答案：C。解析：小样本学习要求样本难度梯度覆盖易、中、难三个层级，每个类别样本量通常为5-20条，类别间偏差不得超过10%，正负样本比例需符合业务需求。11.答案：B。解析：RLHF反馈标注的核心是对模型的多个输出结果按照质量进行排序，作为奖励模型的训练数据。12.答案：B。解析：知识图谱实体校验能够将文本中的实体与知识图谱中的权威信息比对，识别事实错误；其余方法仅能处理格式类、长度类问题。13.答案：B。解析：国家职业技能标准要求三级人工智能训练师可独立承接10万条规模以下的单模态标注项目，多模态项目不超过5万条。14.答案：D。解析：语音情感极性标注属于情感识别任务的标注内容，通用语音识别训练仅需要转写文本、噪音、说话人基础属性标注。15.答案：D。解析：去重比例根据数据重复情况确定，无10%的上限要求，只要保留的数据多样性符合训练要求即可。16.答案：C。解析：2026年国内标注行业单人日均合格产能标准中，文本实体标注为2000-3000条，文本分类标注为3000-5000条。17.答案：C。解析：A类有害内容为严重违法违规内容，包括宣扬恐怖主义、分裂国家、泄露国家秘密等，要求100%检出；其余选项属于B、C类有害内容。18.答案：D。解析：标注规则仅需要明确标注操作的相关标准，不需要涉及标注工具的底层代码逻辑。19.答案：B。解析：交通信号灯状态直接影响自动驾驶的行驶决策，标注优先级最高。20.答案：C。解析：同一个指令可以对应多个符合要求的回答，只要内容准确、符合逻辑即可，没有唯一标准答案的限制。21.答案：D。解析：A类敏感内容要求100%全量质检，不得抽样。22.答案：C。解析：聚类算法主要用于数据分类、去重，不用于自动质检；规则匹配、小样本分类、大模型校验均是自动质检的常用方法。23.答案：C。解析：其余选项均违反职业道德与合规要求，发现敏感内容第一时间上报并隔离是正确操作。24.答案：B。解析：数据丰富度核心看覆盖的领域、场景、话题数量，不是总条数、长度或采集时间。25.答案：C。解析：3Dboundingbox标注需要标注物体的三维坐标、尺寸、朝向等信息，不是仅二维坐标。26.答案：B。解析：样本失衡会导致模型偏向于学习多数类样本的特征，少数类样本识别准确率下降。27.答案：D。解析：难度较高的测试样本属于有效样本，不属于噪声数据。28.答案：D。解析：大模型预训练参数调优属于二级及以上人工智能训练师的技能要求，三级不需要掌握。29.答案：B。解析：题库数据的知识点标签是训练教育大模型的核心元数据，其余内容非必须。30.答案：C。解析：著作权人明确禁止用于AI训练的内容不得使用，其余选项均不符合合规要求。二、多项选择题1.答案：ABCE。解析：大模型全流程预训练管控是二级技师的工作范畴，其余均为三级人工智能训练师的核心工作内容。2.答案：ABD。解析：虚假医疗科普、低俗色情属于B类有害内容，其余选项为A类严重违法违规内容，要求100%检出。3.答案：ABDE。解析：样本混淆注入会降低数据质量，不属于合法的数据增强方法，其余均为常用的指令微调数据增强手段。4.答案：ABD。解析：CVAT、LabelMe主要用于计算机视觉类数据标注，其余工具均支持文本标注。5.答案：ABDE。解析：个人公开社交平台发言若未明确禁止商用，可在合规范围内使用，不需要单独授权，其余均属于敏感个人信息，需要单独授权。6.答案：AB。解析：Cohen’sKappa用于2名标注员的一致性检验，Fleiss’Kappa用于3名及以上标注员的一致性检验，其余为标注质量评估指标，不是一致性指标。7.答案：ABCDE。解析：所有选项均为大模型预训练数据清洗的核心操作。8.答案：ABC。解析：跨模态对齐核心要求时序、语义、空间三个维度对齐，格式、长度不属于强制要求。9.答案：ABCDE。解析：所有选项均为标注规则制定需要遵循的核心原则。10.答案：ABCD。解析：RLHF标注不需要涉及模型训练参数的评估，其余均为核心标注内容。11.答案：ABCDE。解析：所有选项均属于训练数据的元数据范畴，用于数据溯源与质量评估。12.答案：ABCDE。解析：所有选项均为数据标注项目的常见风险点。13.答案：BCDE。解析：自检要求标注员对自己标注的内容100%检查，不是10%，其余选项均符合质检流程要求。14.答案：ABCD。解析：垂直领域大模型训练数据来源集中在垂直领域，比通用大模型数据来源更窄，其余选项均为垂直领域数据的特点。15.答案：ABE。解析：语音识别训练不需要标注说话人身份信息、情感极性，仅在特定任务中需要标注，其余为核心标注内容。16.答案：ABC。解析：其余选项均符合职业道德要求，前三项属于违反职业道德的行为。17.答案：ABCDE。解析：所有选项均为大模型训练数据质量评估的核心维度。18.答案：ABCDE。解析：所有选项均属于数据标注过程中的异常情况，需要按照规则上报处理。19.答案：ABC。解析：小样本学习需要标注负样本，样本难度需要覆盖不同层级，其余选项均正确。20.答案：ABE。解析：公益性质AI训练也需要遵守版权要求，标注人员仅享有标注结果的使用权，版权归委托方所有，其余选项正确。三、判断题1.答案：√。解析：符合国家职业技能标准对三级人工智能训练师的能力要求。2.答案：×。解析：公众人物的发言内容仍享有著作权，商用训练需要获得授权，除非明确声明可免费用于AI训练。3.答案：√。解析：Fleiss’Kappa系数是衡量多标注员一致性的核心指标，系数越高一致性越好。4.答案：×。解析：过度去重会导致数据多样性下降，影响模型泛化能力，去重比例需要结合数据实际情况确定，并非越高越好。5.答案：×。解析：经过用户授权或脱敏处理无法识别到特定个人的个人信息，可以在合规范围内用于训练。6.答案：√。解析：同一个指令可以对应多个符合事实、逻辑通顺的回答，没有唯一标准答案的限制。7.答案：×。解析：大模型预训练参数调优属于二级及以上人工智能训练师的技能要求，三级不需要掌握。8.答案：×。解析：标注规则可以根据实际标注过程中遇到的问题进行动态优化，只要同步所有标注员并做好版本管控即可，不会导致标注结果不一致。9.答案：×。解析：多模态跨模态对齐要求时序、空间、语义三个维度都对齐，仅语义对齐不符合要求。10.答案：√。解析：敏感内容漏检会导致严重的合规风险，要求100%全量质检，不得抽样。四、简答题1.参考答案：标注规则制定核心流程分为5步：①需求调研（1分）：与需求方对接，明确标注目标、场景、交付要求；②规则初稿制定（1分）：明确标注对象定义、标注操作步骤、结果格式、异常情况处理标准；③规则试标注（1