2025年人工智能训练师三级考试题及答案

2025年人工智能训练师三级考试题及答案第一部分单项选择题（共20题，每题1分，共20分。每题只有1个正确答案，多选、错选、不选均不得分）1.2024年OpenAI发布的全球首个可生成长达60秒高清连贯视频的文本生成视频大模型名称是？A.DALL·E3B.GPT-4oC.SoraD.Gemini2.依据《生成式人工智能服务管理暂行办法》，生成式AI服务提供者对训练数据的合规要求不包括以下哪项？A.不得侵害他人知识产权B.需获得训练数据中个人信息的相应授权C.可自由使用网络公开的所有文本内容D.需对训练数据来源的合法性负责3.依据国家职业技能标准，人工智能训练师三级（中级）要求的图像分类标注准确率最低标准为？A.90%B.92%C.95%D.98%4.以下哪种标注类型属于典型的多模态数据标注范畴？A.文本实体抽取标注B.图像关键点标注C.图文语义匹配标注D.语音转写标注5.LoRA（低秩适配）微调技术的核心原理是？A.全参数更新大模型所有权重B.仅更新注意力层的低秩分解矩阵参数C.冻结所有模型参数仅调整偏置项D.直接替换模型的输出层结构6.数据标注项目中，标注者间一致性Kappa值达到以下哪个标准可判定三级训练师的标注质量合格？A.≥0.6B.≥0.7C.≥0.85D.≥0.957.以下哪种数据清洗操作不属于文本数据预处理范畴？A.重复内容去除B.噪声文本过滤C.分辨率调整D.敏感信息掩码8.以下哪种数据集类型最适合用于大模型的指令微调阶段？A.无标注原始网页文本B.指令-回复对结构化数据集C.图像分类标注数据集D.语音识别原始语料9.依据《中华人民共和国个人信息保护法》，处理不满多少周岁未成年人的个人信息，应当取得未成年人的父母或者其他监护人的同意？A.12B.14C.16D.1810.以下哪种工具属于开源通用数据标注平台？A.LabelStudioB.百度智能云数据标注平台C.阿里云数据标注服务D.腾讯云智服标注平台11.大模型训练数据的语义去重操作主要是为了避免以下哪种问题？A.模型过拟合B.模型欠拟合C.训练速度过慢D.显存占用过高12.以下哪种标注任务不属于语音数据标注范畴？A.语音转写标注B.发音人身份标注C.情感倾向标注D.3D点云标注13.人工智能模型训练流程中，以下哪个环节的输出直接作为模型训练的输入数据源？A.原始数据采集B.数据标注与质量校验C.模型效果评估D.模型部署上线14.以下关于大模型“幻觉”现象的描述，错误的是？A.幻觉是指模型生成不符合客观事实的虚假内容B.提升训练数据质量可有效减少幻觉发生概率C.幻觉可通过微调技术100%彻底消除D.检索增强生成（RAG）技术可显著缓解幻觉问题15.三级人工智能训练师在数据标注项目中的职责不包括以下哪项？A.独立完成复杂场景的标注任务B.对初级训练师的标注结果进行质检C.制定企业级项目的整体标注规范D.反馈标注过程中的疑难问题16.以下哪种数据格式不属于图像标注的常用输出格式？A.COCOB.VOCC.JSOND.WAV17.检索增强生成（RAG）技术的核心作用是？A.提升模型的训练速度B.增强模型的实时信息获取能力与事实准确性C.降低模型的部署成本D.提升模型的文本生成速度18.数据标注项目中，“金标数据”的定义是？A.由初级标注员完成的标注数据B.经过多次校验、准确率接近100%的基准真值数据C.从公开数据集下载的原始数据D.未经过标注的高质量原始数据19.以下哪种微调方法属于参数高效微调（PEFT）范畴？A.全参数微调B.LoRA微调C.预训练D.继续预训练20.依据《深度合成服务管理规定》，深度合成服务提供者对生成的深度合成内容应当？A.无需添加任何标识B.仅对商业用途内容添加标识C.以显著方式添加标识D.仅对人物图像内容添加标识第二部分多项选择题（共10题，每题2分，共20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.以下属于2025年主流多模态大模型训练数据类型的有？A.文本数据B.图像数据C.音频数据D.视频数据E.结构化表格数据2.人工智能训练师三级需掌握的数据质检方法包括？A.抽样质检B.全量质检C.交叉质检D.自动质检工具辅助E.制定项目质检规范3.以下属于生成式AI训练数据合规要求的有？A.不得含有法律法规禁止的违法违规内容B.不得侵害他人的个人信息权益C.不得侵害他人的知识产权D.可随意使用网络爬虫获取的公开内容E.需保留训练数据来源的可追溯记录4.LoRA微调技术的核心优势包括？A.训练显存占用低B.微调时间成本低C.可实现小样本快速适配垂类场景D.效果一定优于全参数微调E.可基于同一基础模型适配多任务无需修改原权重5.以下属于文本数据标注类型的有？A.命名实体识别标注B.情感倾向标注C.关系抽取标注D.语义匹配标注E.关键点标注6.大模型训练数据预处理的核心环节包括？A.数据清洗B.数据去重C.数据脱敏D.数据格式统一E.模型效果评估7.以下哪些场景的数据标注属于三级人工智能训练师的常规工作范畴？A.复杂交通场景的多目标跟踪标注B.多轮对话的意图与槽位标注C.长文本的篇章级情感与主旨标注D.图文对的多模态语义匹配标注E.单类别图像的二分类标注8.以下关于数据标注质量影响因素的描述，正确的有？A.标注规范的清晰度直接影响标注质量B.标注员的专业水平与标注质量正相关C.标注工具的功能完备性会影响标注效率与质量D.数据本身的复杂度越高，标注质量越容易保证E.质检环节的严格程度与最终标注质量正相关9.以下属于RAG系统核心组成模块的有？A.检索模块B.知识库模块C.生成模块D.数据标注模块E.模型部署模块10.依据国家职业技能标准，人工智能训练师三级的技能要求包括？A.能够完成复杂场景的多类型数据标注B.能够开展初级标注人员的带教与指导C.能够独立完成大模型的全参数训练D.能够对标注结果进行质量校验与问题分析E.能够制定企业级AI训练项目的整体方案第三部分判断题（共10题，每题1分，共10分。正确打“√”，错误打“×”）1.生成式人工智能服务提供者应当对生成的内容进行审核，防止生成违法违规内容。2.大模型微调时，训练数据量越大，模型的下游任务效果一定越好。3.三级人工智能训练师可以独立负责中型标注项目的整体流程管理与规范制定。4.多模态数据标注需要同时处理两种及以上模态的数据并建立语义关联关系。5.数据脱敏操作的主要目的是提升模型的训练速度。6.标注者间一致性Kappa值越高，说明标注结果的可信度越高。7.LoRA微调只能应用于文本大模型，无法应用于多模态大模型与视频大模型。8.金标数据的主要作用是作为标注质量校验的基准与标注员培训的标准样本。9.检索增强生成（RAG）技术必须对大模型的参数进行调整才能生效。10.依据《个人信息保护法》，处理个人信息应当遵循最小必要原则，不得过度收集个人信息。第四部分简答题（共3题，每题10分，共30分）1.简述2025年主流多模态大模型训练数据预处理的核心流程及各环节的关键操作要求。2.简述三级人工智能训练师在数据标注项目中的核心职责与质量控制操作规范。3.简述参数高效微调（PEFT）中LoRA技术的基本原理、核心优势与适用场景。第五部分实操题（共2题，每题10分，共20分）1.多模态数据标注实操考核内容：给定50组图文对数据（包含自然图像、生成图像及对应描述文本），要求完成两项标注任务：（1）图文匹配度标注，分为“完全匹配、基本匹配、不匹配”三个等级；（2）违规内容判定，标注图文对中是否含有色情、暴力、虚假信息、侵权等违法违规内容。考核要求：（1）严格依据给定的《多模态图文标注规范》完成标注；（2）标注准确率不低于95%；（3）标注输出符合指定JSON格式；（4）完成时间不超过30分钟。2.大模型指令微调数据集构建实操考核内容：给定100条原始电商客服领域对话文本数据，要求完成指令微调数据集的构建，具体操作包括：（1）数据清洗：去除重复、无效、含敏感内容的对话；（2）格式转换：将原始对话转换为“指令-输入-输出”的标准指令微调格式；（3）质量校验：抽取20%的转换后数据进行自查，确保格式正确、内容匹配。考核要求：（1）清洗后数据无重复、无敏感内容、无无效对话；（2）格式完全符合指令微调数据集规范；（3）数据内容对应准确，指令清晰、输入明确、输出合规；（4）完成时间不超过45分钟。参考答案第一部分单项选择题1.C2.C3.C4.C5.B6.C7.C8.B9.B10.A11.A12.D13.B14.C15.C16.D17.B18.B19.B20.C第二部分多项选择题1.ABCD2.ABCD3.ABCE4.ABCE5.ABCD6.ABCD7.ABCD8.ABCE9.ABC10.ABD第三部分判断题1.√2.×3.×4.√5.×6.√7.×8.√9.×10.√第四部分简答题1.参考答案：2025年主流多模态大模型训练数据预处理核心流程分为8个关键环节，各环节操作要求如下：（1）原始数据归集与分类（1分）：将采集到的文本、图像、音频、视频等多模态原始数据按模态类型、数据来源、内容领域分类归档，建立数据索引。操作要求：数据分类准确率100%，同步记录数据来源与获取时间，满足合规追溯要求。（2）数据清洗（2分）：针对不同模态特性过滤低质、噪声、损坏的无效数据。文本需去除乱码、重复片段、广告、无意义符号；图像需删除模糊、过曝过暗、分辨率低于256×256的样本；音频需过滤静音、杂音、采样率不达标的片段；视频需剔除花屏、音画不同步、时长不足1秒的样本。操作要求：清洗后无效数据占比低于0.5%，避免误删有效数据。（3）数据去重（1.5分）：采用算法去除重复或高度相似数据，避免模型过拟合。文本采用SimHash、MinHash算法语义去重；图像采用感知哈希（pHash）、特征向量匹配去重；视频采用关键帧特征匹配去重。操作要求：去重后数据重复率低于1%，避免误删语义不同的相似数据。（4）数据脱敏与合规校验（1.5分）：对个人信息、敏感信息脱敏处理，校验数据合法性。文本需掩码身份证号、手机号、住址等信息；图像、视频需对人脸、车牌等隐私信息打码；音频需对隐私片段剪辑或变声。操作要求：敏感信息检出率100%，无合规风险数据流入后续环节。（5）多模态对齐（2分）：建立不同模态数据的语义关联，是多模态预处理核心环节。图文数据需验证语义一致性，建立一一对应关系；音视频数据需完成语音与字幕、画面与文本的时间戳对齐；多轮对话需完成上下文语境关联。操作要求：模态对齐准确率不低于98%，避免错配、漏配。（6）数据格式统一（1分）：将多模态数据转换为模型训练支持的统一格式。文本统一为UTF-8编码的TXT/JSON格式；图像统一为JPG/PNG格式；音频统一为WAV/MP3格式；视频统一为MP4格式。操作要求：格式转换后数据损坏率低于0.1%。（7）质量抽检（0.5分）：采用分层抽样校验预处理效果，抽样比例不低于总数据量的1%，不合格率高于2%时需重新全量处理。（8）数据集划分（0.5分）：按训练集、验证集、测试集7:2:1比例划分，确保各数据集类别分布均匀无交叉。2.参考答案：一、核心职责（4分）（1）复杂标注任务执行：独立完成复杂场景下的多类型标注，包括多模态图文匹配、长文本篇章级标注、3D点云多目标标注、多轮对话语义标注等，质量符合项目要求。（2）初级人员带教：对初级训练师进行标注操作指导、规范解读与问题答疑，协助提升其标注效率与质量。（3）标注质量校验：承担初级人员标注结果的质检工作，包括抽样、交叉质检与返工指导，确保最终质量达标。（4）问题反馈优化：收集标注中的疑难样本、规范歧义等问题，向项目负责人反馈并提出优化建议。（5）规范落地执行：严格执行项目标注规范，确保自身及带教人员的操作符合标准，不随意变更标注规则。二、质量控制操作规范（6分）（1）前置培训要求：参与新项目标注培训，完成试标注且准确率达95%以上方可正式上岗。（2）过程自查规范：每完成20%任务量进行一次自我抽检，抽检比例不低于5%，发现问题及时整改。（3）质检操作规范：对初级人员标注结果的抽样比例不低于15%，高复杂度任务抽样比例不低于30%；采用双盲交叉质检避免主观偏差；标注者间一致性Kappa值达0.85以上判定为合格，低于标准需返回返工并重新抽检。（4）疑难问题处理：遇到规范未覆盖的疑难样本不得自行判定，需提交项目负责人明确标准后再标注；疑难问题建立台账，累计10条以上需反馈优化规范。（5）返工整改规范：质检不合格的标注需在规定时间内整改，二次质检仍不合格的需重新参加规范培训。（6）数据安全规范：严格遵守数据保密要求，不得泄露、复制、传播标注数据，项目结束后配合清理本地数据。3.参考答案：LoRA（Low-RankAdaptation，低秩适配）是参数高效微调的主流技术之一，相关内容如下：一、基本原理（3分）大模型的权重参数具有低秩特性，即模型适配下游任务时的权重更新量可分解为两个低秩矩阵的乘积。LoRA的核心思路是：在大模型的注意力模块（通常为Q、K、V投影层，可扩展至全连接层）旁新增两个低秩矩阵A（d×r维）和B（r×d维，d为原权重维度，r为秩，远小于d）；训练时冻结基础模型全部参数，仅更新低秩矩阵A、B的参数；推理时将低秩矩阵的乘积与原权重相加，得到适配下游任务的有效权重，无需修改基础模型原始参数。二、核心优势（4分）（1）算力成本低：仅训练占基础模型参数量0.1%-1%的低秩矩阵，训练显存占用仅为全参数微调的1/10-1/5，无需高端算力集群即可完成。（2）训练效率高：参数量少使得训练速度大幅提升，全参数微调需数天的任务，LoRA仅需数小时即可完成，可快速响应业务需求。（3）任务切换灵活：基础模型参数冻结，不同任务的LoRA权重可独立存储，推理时加载对应权重即可切换任务，无需为每个任务存储完整模型。（4）小样本适配效果好：小样本场景下可在避免过拟合的前提下快速适配垂类需求，效果优于零样本、少样本提示工程。（5）无推理延迟：推理时可将LoRA权重与基础模型权重合并，不会增加额外计算量，无推理延迟。三、适用场景（3分）（1）垂类领域小样本微调：仅有少量垂类数据（如法律、医疗、电商客服）时，可快速适配领域需求，无需大量标注数据。（2）多任务快速定制：针对多客户、多场景的模型定制需求，可基于同一基础模型快速生成多个定制化版本，降低开发成本。（3）算力资源有限场景：仅有单卡或少量算力资源时，可通过LoRA完成大模型微调。（4）个性化模型定制：针对个人助理、定制化数字人等需适配用户习惯的应用，可基于少量用户数据