2026年人工智能应用工程师资格考试试卷及答案

2026年人工智能应用工程师资格考试试卷及答案一、单项选择题（共20题，每题1分，每题的备选项中，只有1个最符合题意）1.2025年发布的《生成式人工智能服务安全基本要求》（GB/T45628-2025）中，明确要求面向公众提供服务的生成式AI模型训练数据中侵权内容占比不得超过（）A.0.1%B.0.5%C.1%D.2%2.在多模态大模型部署优化中，针对Transformer结构的注意力层计算冗余问题，2024年工业界广泛落地的、可在精度损失小于1%的前提下将推理速度提升2-3倍的量化技术是（）A.8位对称量化B.4位GPTQ量化C.2位AWQ量化D.1位二值化量化3.下列AIAgent框架中，原生支持多智能体协作编排、具备可视化任务流拖拽配置能力，且为国内开源生态主导的是（）A.LangChainB.AutoGPTC.MetaGPTD.AgentScope4.某制造业场景需要对产线零件表面的微米级划痕进行实时检测，单张图像分辨率为8K，检测延迟要求不超过20ms，优先选择的模型部署硬件是（）A.通用CPUB.消费级GPUC.工业级FPGAD.边缘端NPU5.根据《人工智能应用工程师职业技能等级标准（2025年版）》，中级工程师需具备的核心能力不包括（）A.独立完成垂直场景AI需求拆解B.主导千亿参数大模型的预训练工作C.完成AI应用的端到端部署与性能调优D.排查AI系统上线后的常见故障6.在RAG（检索增强生成）系统优化中，针对用户query表述模糊、检索召回率低的问题，下列优化手段优先级最高的是（）A.扩大向量数据库存储规模B.引入query改写与多轮query理解模块C.更换更高维度的向量嵌入模型D.提升大模型的上下文窗口长度7.下列AI应用合规要求中，符合《个人信息保护法》关于敏感个人信息处理规定的是（）A.人脸识别门禁系统无需告知即可采集访客面部信息B.智能医疗辅助诊断系统可随意调取患者全部病历用于模型优化C.智能客服系统收集用户语音数据需取得单独同意D.个性化推荐系统可默认开启用户行为追踪且不提供关闭选项8.针对大模型微调过程中的灾难性遗忘问题，在垂直领域小样本场景下（领域标注数据量小于1000条），性价比最高的微调方案是（）A.全参数微调B.LoRA微调C.P-tuningv2D.提示词工程9.2025年国内工业级AI应用落地中，占比最高的落地场景是（）A.智能文案生成B.工业质检C.智能客服D.自动驾驶10.下列指标中，不属于AI系统可靠性评估核心指标的是（）A.平均无故障运行时间（MTBF）B.错误样本拒识率C.对抗样本防御成功率D.模型训练总耗时11.在智能问答系统中，为解决大模型“幻觉”问题，下列技术路径中落地成本最低、可解释性最强的是（）A.增大模型参数规模B.接入RAG模块并附带来源引用校验C.采用人类反馈强化学习（RLHF）全量对齐D.对模型输出做事实性二次预训练12.某智慧社区项目需要实现独居老人异常行为识别（如跌倒、长时间未活动），数据传输带宽有限且要求数据不出社区，优先选择的部署架构是（）A.公有云集中部署B.边缘端本地部署C.云边协同部署D.私有化集中部署13.下列向量数据库中，原生支持分布式部署、混合检索（向量+关键词+标量过滤）且在国内企业级市场占有率最高的是（）A.MilvusB.ChromaC.FAISSD.Pinecone14.AI应用做A/B测试时，为确保实验结果的统计显著性，下列做法正确的是（）A.实验组与对照组用户群体特征存在明显差异B.实验周期小于24小时即得出结论C.样本量满足统计功效≥0.8的要求D.实验过程中随意调整实验组算法逻辑15.针对AI模型的公平性问题，某信贷风控模型对特定地域用户的拒贷率显著高于其他群体，下列优化手段无效的是（）A.清洗训练数据中存在地域偏见的样本B.在模型损失函数中加入公平性约束项C.增大模型的参数规模D.对模型输出做公平性后处理校准16.2025年发布的端侧大模型标准中，明确要求端侧部署的7B参数模型在中端手机上的推理速度（token/s）不低于（）A.5B.15C.30D.5017.下列AI安全防护手段中，针对提示词注入攻击最有效的是（）A.对用户输入做内容过滤与意图识别，隔离系统提示词与用户输入B.提升模型的内容审核等级C.缩短模型的上下文窗口D.关闭模型的工具调用权限18.在AI项目需求分析阶段，下列需求属于可量化落地需求的是（）A.“提升客服服务体验”B.“将质检环节漏检率降至0.1%以下，检测效率提升3倍”C.“实现智能化办公”D.“让系统更懂用户需求”19.下列关于大模型上下文窗口扩展技术的描述，错误的是（）A.NTK插值可在不微调模型的前提下扩展上下文长度B.注意力滑动窗口技术可降低长序列推理的显存占用C.上下文窗口扩展后模型在短文本任务上的精度不会出现任何下降D.检索增强可在不修改模型原生窗口的前提下支持长文本处理20.人工智能应用工程师在项目交付时，不需要向客户提供的交付物是（）A.模型部署文档与操作手册B.模型训练的全部原始未脱敏数据C.系统性能测试报告D.故障排查与运维指南二、多项选择题（共10题，每题2分，每题的备选项中，有2个或2个以上符合题意，至少有1个错项。错选，本题不得分；少选，所选的每个选项得0.5分）1.下列技术中，属于大模型推理优化常用技术的有（）A.KV缓存B.连续批处理（ContinuousBatching）C.模型张量并行D.投机解码E.全参数微调2.企业级AI应用的全生命周期流程包含下列哪些环节（）A.需求调研与可行性评估B.数据采集与标注治理C.模型选型与微调开发D.部署上线与监控运维E.迭代优化与版本管理3.下列场景中，适合采用小模型+规则引擎混合架构而非纯大模型方案的有（）A.银行交易反欺诈识别B.电商平台商品类目标准化匹配C.开放性创意文案生成D.工业设备振动异常预警E.自由对话式心理咨询4.AI系统上线后的监控维度包含下列哪些内容（）A.硬件资源占用率（GPU/CPU/内存）B.模型推理延迟与吞吐量C.模型输出准确率与badcase占比D.用户满意度与投诉率E.数据漂移与概念漂移程度5.下列符合AI伦理与合规要求的做法有（）A.深度合成内容添加显著标识B.为用户提供关闭个性化推荐的选项C.对AI决策的重要结果提供人工复核通道D.未经授权使用他人版权内容训练商用模型E.泄露模型训练过程中接触到的用户隐私数据6.下列关于LoRA微调技术的描述，正确的有（）A.仅微调模型注意力层的低秩矩阵，训练参数量仅为全参数的0.1%-1%B.训练显存占用仅为全参数微调的1/3-1/2C.微调后的模型可与基座模型解耦，支持多LoRA权重动态加载切换D.微调效果在所有场景下均优于全参数微调E.不需要任何标注数据即可完成微调7.多模态AI应用开发中，常用的跨模态对齐方案有（）A.对比语言-图像预训练（CLIP）架构B.统一多模态Transformer架构（如GPT-4o结构）C.跨模态注意力机制D.单模态模型单独训练不做融合E.文本与图像分别编码后做向量空间映射8.下列属于AI应用常见性能瓶颈的有（）A.数据预处理环节CPU占用过高导致整体延迟升高B.模型推理环节GPU显存不足导致吞吐量下降C.向量数据库检索环节未建索引导致召回耗时过长D.前后端接口传输带宽不足导致响应变慢E.模型训练过程中学习率设置过低导致收敛变慢9.智能体（Agent）的核心组成模块包含下列哪些部分（）A.感知模块B.记忆模块C.规划与推理模块D.工具调用模块E.行动执行模块10.AI项目做成本核算时，需要纳入核算范围的成本有（）A.数据采集与标注成本B.算力租赁与硬件采购成本C.算法开发与人力成本D.上线后的运维与迭代成本E.合规评估与安全审计成本三、案例分析题（共2题，每题20分，共40分）1.某省级政务服务中心计划开发智能政务咨询助手，需求如下：面向办事群众提供7*24小时政策咨询、办事流程引导、材料预审指导服务，要求回答准确率≥95%，单轮响应延迟≤2s，支持文字、语音、图片（材料拍照上传）多模态交互，所有政务数据不出政务专网，回答内容必须严格依据官方公开政策文件，不得出现编造内容，同时需支持政策更新后24小时内完成知识库同步。（1）请设计该智能咨询助手的整体技术架构，明确各核心模块的功能与技术选型（10分）（2）针对大模型幻觉问题，请提出至少4项可落地的优化措施，确保回答内容符合政策要求（6分）（3）请列出该系统上线前需要完成的合规与安全评估要点（4分）2.某汽车零部件生产企业计划在10条冲压产线部署AI表面缺陷检测系统，替代原有人工目检岗位。已知现状：人工目检的漏检率为2%，误检率为5%，单条产线每分钟产出120个零件，零件表面缺陷包含划痕、凹坑、压痕、镀层脱落4类，缺陷尺寸最小为0.2mm，产线现场光照存在波动，企业要求系统部署后漏检率≤0.1%，误检率≤3%，单零件检测延迟≤50ms，系统可对接现有产线的PLC控制系统，发现缺陷后自动触发剔除动作。项目前期已采集10万张无缺陷样本，仅收集到2000张带缺陷标注的样本，缺陷样本分布不均衡（压痕类缺陷占比达60%，镀层脱落类缺陷占比仅3%）。（1）针对样本量不足与类别不均衡问题，请设计可落地的数据解决方案（8分）（2）请设计该检测系统的算法方案与部署架构，说明硬件选型与性能优化手段，满足实时性要求（8分）（3）系统上线后发现，随着产线设备磨损、生产批次更换，系统误检率逐步上升至4%，请分析原因并提出迭代优化方案（4分）四、方案论述题（共1题，共20分）某中型零售企业拥有200家线下门店与线上小程序商城，累计注册用户500万，计划搭建企业级AI营销中台，实现三个核心目标：一是基于用户画像做个性化商品推荐，提升用户复购率；二是实现营销文案、海报素材的AIGC自动化生成，降低营销内容生产成本；三是搭建智能客户运营Agent，自动完成用户售后咨询、会员权益提醒、流失用户召回等全流程运营动作。企业现有IT系统包含用户行为数据系统、商品管理系统、订单交易系统、客服系统，数据分散在不同系统中，现有IT团队共15人，其中AI相关技术人员仅2人，年度AI项目预算为300万元。请结合企业实际情况，设计该AI营销中台的分阶段落地方案，包含阶段划分、各阶段核心目标、技术选型、投入成本测算、预期收益，同时说明项目落地过程中的风险点与应对措施。参考答案一、单项选择题1.B2.C3.D4.C5.B6.B7.C8.D9.B10.D11.B12.B13.A14.C15.C16.B17.A18.B19.C20.B二、多项选择题1.ABCD2.ABCDE3.ABD4.ABCDE5.ABC6.ABC7.ABCE8.ABCD9.ABCDE10.ABCDE三、案例分析题1.（1）整体技术架构分为五层：①基础设施层：采用政务专网内的国产化GPU服务器集群（如华为昇腾910B），满足数据不出网要求，搭配分布式存储集群存储政策文件与交互日志，资源做冗余备份确保可用性达到99.99%。②数据层：构建政务专属知识库，覆盖政策文件、办事指南、常见问题等结构化、半结构化、非结构化数据，搭配数据治理模块完成数据清洗、版本管理、更新同步，采用Milvus向量数据库+Elasticsearch全文检索引擎构建混合检索存储，支持政策更新后的增量索引构建，确保24小时内完成知识库同步。③能力层：核心包含多模态理解模块（语音采用Whisper微调的政务专属ASR模型，图片采用PP-OCRv5实现材料文字识别与要素提取）、RAG检索模块（采用query改写、多路召回、重排序的三级检索流程，召回Top10相关政策片段）、微调后的政务领域大模型（采用7B参数国产化开源基座模型，基于政务问答对做LoRA微调，部署时采用4位AWQ量化、连续批处理、KV缓存优化，确保单轮响应延迟≤2s）、内容安全审核模块（对输入输出做敏感内容校验、合规性校验）。④应用层：包含政策咨询、流程引导、材料预审三个核心功能模块，对接政务服务网、线下大厅自助终端、微信公众号等多渠道入口。⑤运维监控层：实现系统性能监控、回答准确率监控、badcase收集、日志审计全流程运维能力。（2）幻觉优化措施：①严格限制大模型回答的知识来源，仅允许模型基于RAG召回的政策片段生成回答，内置prompt约束“未检索到相关政策内容时，需明确告知用户暂未查询到相关信息，引导转人工服务，不得自行编造内容”；②建立回答来源溯源机制，所有回答必须标注引用的政策文件名称、文号、具体条目位置，方便用户核验；③增加事实一致性校验模块，采用NLI自然语言推理模型校验大模型输出内容与召回的政策片段的语义一致性，若一致性得分低于阈值则触发重生成或转人工；④建立政策知识库的版本管理机制，政策更新时及时同步更新知识库，定期清理失效政策内容，避免模型引用过期政策；⑤上线前基于10万条政务问答测试集做准确率验证，对回答错误的case做针对性优化，上线后建立badcase快速反馈通道，发现错误回答2小时内完成修正。（3）合规安全评估要点：①数据安全评估：所有用户交互数据、政务数据存储在政务专网内，建立数据分级分类机制，敏感个人信息做加密存储，严格设置数据访问权限，留存操作日志满足等保三级要求；②内容安全评估：建立全链路内容审核机制，避免生成违法违规、不符合政策要求的内容；③算法备案：按照《生成式人工智能服务管理暂行办法》要求完成算法备案，留存模型训练数据、微调记录、测试报告等备案材料；④个人信息保护评估：采集用户语音、图片等个人信息时履行告知义务，明确告知使用用途，不收集与服务无关的个人信息，为用户提供查询、删除个人信息的通道。2.（1）数据解决方案：①针对缺陷样本量不足问题，第一，在产线数据采集环节调整采样策略，连续1个月在不同光照、不同生产批次下采集样本，重点收集带缺陷的样本；第二，采用数据增强手段，针对现有缺陷样本做几何变换（旋转、平移、缩放、翻转）、光照变换（亮度调整、对比度调整、加噪声）、缺陷生成（基于生成式模型如StableDiffusion在无缺陷样本上合成符合真实特征的缺陷，经工艺人员校验后加入数据集），将缺陷样本扩充至2万张以上；第三，采用半监督学习方案，利用大量无缺陷样本做自监督预训练，提升模型对零件正常特征的感知能力。②针对类别不均衡问题，第一，对镀层脱落等少数类缺陷做过采样，针对性增加该类缺陷的增强次数；第二，在模型损失函数中采用类别权重加权，提升少数类缺陷的损失权重，避免模型偏向多数类；第三，采用FocalLoss损失函数，降低易分样本的权重，提升难分样本（如小尺寸缺陷、少数类缺陷）的学习权重；第四，训练后采用混淆矩阵做模型效果验证，单独评估每一类缺陷的召回率，确保少数类缺陷的召回率满足要求。（2）算法方案与部署架构：①算法选型：采用YOLOv10工业检测模型做基础模型，针对小尺寸缺陷做结构优化，增加小目标检测头，引入注意力机制提升对微小缺陷的特征提取能力；模型训练时采用迁移学习方案，基于公开工业质检数据集预训练权重微调，训练后做INT8量化压缩，在精度损失小于0.5%的前提下压缩模型体积。②部署架构：采用边缘端部署方案，每条产线配备1台工业级边缘计算盒子（内置16TOPS算力的NPU，如英伟达JetsonOrinNX），搭配工业相机与光源系统（采用环形光源加偏振片，降低光照波动影响），相机采集的图像直接传输到边缘盒子做推理，不需要上传云端，满足实时性要求。③性能优化：推理时采用TensorRT加速，对模型做算子融合、内存优化，单张图像推理耗时控制在30ms以内，加上图像采集、后处理、信号传输总耗时不超过50ms；系统对接产线PLC，推理判定为缺陷的零件位置信息实时传输给PLC，触发剔除机构动作。（3）原因与优化方案：①原因：系统上线后随着产线设备磨损、生产批次更换，零件的表面特征（如材质、光泽度、正常纹理）发生变化，训练数据分布与实际生产数据分布出现差异，发生了数据漂移，导致模型误判正常零件为缺陷，误检率上升。②优化方案：第一，建立漂移监控机制，实时统计检测到的缺陷类别分布、图像特征分布，当分布与训练集分布差异超过阈值时触发预警；第二，建立在线学习机制，系统上线后将误检、漏检的样本经质检人员标注后加入增量数据集，每周对模型做一次LoRA式的轻量微调，适配新的生产数据特征，微调后做灰度验证，确保精度满足要求后再全量更新；第三，针对光照波动问题，在检测工位增加自动光照补偿模块，根据环境光亮度自动调整光源亮度，降低输入数据的波动。四、方案论述题该项目分三个阶段落地，周期共12个月，总预算控制在300万元以内：第一阶段：基础能力搭建期（1-3个月，投入80万元），核心目标是打通现有各系统数据，落地高频场景的AI能力，快速验证价值。技术选型：①数据层：搭建统一的用户标签体系，基于现有用户行为、订单、商品数据做数据治理，打通数据孤岛，采用开源DataWorks做数据集成，投入10万元做数据治理与标签开发；②优先落地AIGC营销内容生成模块，调用成熟的公有云大模型API（如文心一言、通义千问的企业版API），搭配营销prompt模板库，实现商品文案、海报初稿的自动化生成，不需要做模型自研，API年投入预计20万元；③个性化推荐模块先采用规则引擎+协同过滤的轻量推荐方案，基于用户历史购买记录做关联商品推荐，快速上线小程序端的推荐位，开发投入40万元；④配套搭建简单的AI应用监控模块，统计内容生成效率、推荐点击率等核心指标，投入10万元。预期收益：营销内容生产效率提升50%，人工文案成本降低30%，推荐位点击率提升10%以上。第二阶段：能力深化期（4-9个月，投入150万元），核心目标是深化AI能力，落地智能客户运营Agent，提升业务效果。技术选型：①采购1台国产化GPU服务器（搭载2张昇腾910B卡，硬件投入60万元），部署开源7B参数零售领域大模型，基于企业私有数据做LoRA微调，实现敏感数据不出域，降低长期API调用成本；②升级个性化推荐模块，引入多模态大模型做用户兴趣理解与商品特征匹配，结合实时用户行为做实时推荐，开发投入40万元；③搭建智能客户运营Agent，对接客服系统、会员系统、消息推送系统，具备用户