2026年AI训练师三级专业技能考试题(含答案)

2026年AI训练师三级专业技能考试题(含答案)一、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，错选、不选均不得分）依据《人工智能训练师国家职业技能标准（2023年修订版）》，三级/中级工的核心工作内容不包括以下哪项？A.训练数据的质量管控与优化B.大模型基础微调的执行与效果初评C.大模型核心架构的设计与研发D.标注团队的日常管理与规则培训多模态大模型训练的“图文对标注”中，核心判定标准是？A.文本长度与图像像素的匹配度B.文本描述与图像核心语义的对应程度C.文本字体与图像风格的一致性D.文本生成时间与图像拍摄时间的接近度大模型预训练/微调数据的语义去重中，常用的判定依据是文本嵌入向量的余弦相似度，通常阈值设定为多少以上判定为重复数据？A.0.5B.0.7C.0.9D.1.0大模型时代，文本数据的特征提取主要采用以下哪种方式？A.词袋模型（BagofWords）B.TF-IDF特征C.预训练语言模型生成的语义嵌入（Embedding）D.One-Hot编码大模型微调技术中，“SFT”的全称是？A.自监督微调（Self-SupervisedFine-Tuning）B.监督微调（SupervisedFine-Tuning）C.半监督微调（Semi-SupervisedFine-Tuning）D.强化学习微调（ReinforcementLearningFine-Tuning）针对7B参数级别的开源垂直领域大模型，开展单任务监督微调时，高质量标注数据的最低有效量级通常为？A.10~50条B.500~2000条C.10万~50万条D.100万条以上评估大模型生成内容的事实准确性（即幻觉程度）的核心指标是？A.困惑度（PPL）B.BLEU值C.事实一致性得分（FactCC）D.ROUGE值Prompt工程中，“零样本提示（Zero-ShotPrompting）”的核心特点是？A.不提供任何任务描述，直接让模型生成结果B.仅提供任务描述，不提供具体示例C.提供1~5个示例，不提供任务描述D.提供大量示例及任务描述检索增强生成（RAG）系统中，向量数据库的核心作用是？A.存储大模型的全量参数B.存储并实现语义层面的文档片段快速检索C.生成最终的用户答案D.完成数据的标注与清洗根据2025年修订的《生成式人工智能服务管理规定》，训练数据涉及个人敏感信息的，应当满足以下哪项要求？A.只要是公开数据即可使用B.取得个人单独同意，或完成不可复原的匿名化处理C.只需进行模糊化处理即可D.无需任何手续，直接用于训练用于衡量不同标注员之间标注结果一致性的常用统计指标是？A.准确率B.召回率C.Cohen’sKappa系数D.F1值大模型训练数据的身份证号脱敏需符合国家数据安全标准，正确的脱敏规则是？A.全部替换为*号B.保留前6位和后4位，中间8位替换为*号C.只保留前3位，其余替换为*号D.只保留后2位，其余替换为*号大模型微调过程中，过拟合的典型表现是？A.训练集损失持续下降，验证集损失先下降后上升B.训练集损失持续上升，验证集损失持续下降C.训练集和验证集损失同步下降D.训练集和验证集损失同步上升以下工具中，不属于大模型微调专用工具的是？A.LLaMA-FactoryB.PEFTC.LabelStudioD.TransformersTrainerAI训练师在构建对话模型训练集时，以下哪种数据可以合规纳入？A.未经用户授权的私人聊天记录B.已获得公开授权的通用科普问答内容C.涉黄涉暴的违禁内容D.未脱敏的患者诊疗记录以下哪种微调方式的算力成本最高？A.LoRA微调B.全参数微调C.QLoRA微调D.前缀微调（PrefixTuning）直接偏好优化（DPO）属于大模型对齐技术的一种，其核心优势是？A.无需人类偏好数据即可完成对齐B.无需训练奖励模型，训练流程更简单、成本更低C.对齐效果一定优于RLHFD.仅需10条以内数据即可完成对齐以下哪种任务属于生成式任务的标注范畴？A.给新闻贴分类标签B.给图像打物体检测框C.撰写用户问题的标准应答文本D.标注语音的情感属性RAG系统中，为了提升检索准确率，以下哪种文档分块方式效果最优？A.固定长度分块（每块500字符）B.按段落语义边界分块C.按文件大小平均分块D.按页码分块AI训练师在工作中发现训练数据中存在大量违法违规内容，正确的处理流程是？A.直接删除违规内容，无需上报B.隐瞒不报，继续使用数据C.及时上报合规部门，按流程剔除违规内容并留存操作记录D.把违规内容分享给同事查看二、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、错选均不得分）三级AI训练师的核心工作范畴包括以下哪些选项？A.训练数据的预处理与质量优化B.大模型参数高效微调的执行与效果初评C.数据标注团队的日常管理与规则迭代D.大模型基础架构的研发与算法创新E.生成内容的合规校验与优化大模型监督微调（SFT）数据集的核心质量要求包括？A.标注一致性高B.任务场景覆盖全面C.无重复、无噪声数据D.数据量越大越好，无需考虑质量E.内容符合合规要求以下属于大模型生成内容评估维度的有？A.事实准确性B.逻辑连贯性C.内容合规性D.风格一致性E.存储容量大小检索增强生成（RAG）系统的核心组成模块包括？A.文档预处理模块B.向量存储与检索模块C.大模型生成模块D.全参数模型训练模块E.效果评估模块数据标注质量管控的常用方法包括？A.双标交叉校验B.抽检复核C.标注员岗前培训D.标注规则动态迭代E.随机赋值校验以下属于个人敏感信息的字段有？A.身份证号B.手机号码C.医疗健康记录D.家庭住址E.公开的企业工商信息Prompt工程的常用优化技巧包括？A.角色设定B.少样本提示C.思维链（ChainofThought）提示D.输出格式约束E.全参数微调LoRA（低秩适配）作为参数高效微调技术的核心优势包括？A.显存占用低B.训练速度快C.适配成本低D.效果一定优于全参数微调E.可插拔式适配，无需修改原模型参数多模态数据标注的常见类型包括？A.图像分类与检测标注B.语音转写与情感标注C.图文匹配度标注D.视频行为识别标注E.纯文本分类标注生成式AI服务的合规要求包括以下哪些选项？A.对AI生成的内容进行显著标识B.采取措施防范生成虚假不实信息C.严格保护用户个人信息与隐私D.禁止生成违反法律法规的内容E.可以随意使用他人享有版权的内容三、判断题（共10题，每题1分，共10分。正确打√，错误打×）大模型微调过程中，训练数据的质量优先级高于数据数量。RAG系统可以100%消除大模型的幻觉问题。标注一致性的Kappa系数为0.75时，说明标注质量达到优秀水平。零样本提示是指不给模型提供任何示例，仅通过任务描述让模型完成指定任务。所有公开在网络上的内容都可以免费用于大模型训练，无需获得版权授权。LoRA微调仅训练模型中的低秩矩阵参数，无需更新大模型的全量参数。语言模型的困惑度（PPL）数值越低，说明其语言建模能力越强。数据脱敏的核心是删除数据中的所有内容，仅保留数据编号。AI训练师可以将公司内部的训练数据私自下载到个人设备进行处理。思维链提示可以有效提升大模型解决数学计算、逻辑推理等复杂问题的能力。四、简答题（共3题，每题10分，共30分）请简述垂直领域大模型监督微调（SFT）的数据集构建流程及核心质量要求。请简述检索增强生成（RAG）系统的基本工作原理，并列出至少4种提升检索准确率的常用优化策略。请列出至少5种AI训练数据标注质量的评估指标，并说明其具体含义。五、实操题（共2题，每题10分，共20分）某企业AI训练团队需要构建客服领域大模型的SFT微调数据集，标注规则为：应答内容需满足事实准确、语气友好、无违规内容、能够完整解决用户问题4项要求，全部满足则判定为合格，否则为不合格。现有甲、乙2名标注员对同100条“用户咨询-客服应答”样本进行独立标注，已知两人都判定为合格的样本有52条，都判定为不合格的样本有30条，仅甲判定为合格的有10条，仅乙判定为合格的有8条。请完成以下计算与分析：（1）计算两名标注员的标注一致率；（2）计算两名标注员的Cohen’sKappa系数（保留两位小数）；（3）若该批次标注的达标要求为“一致率≥80%，Kappa系数≥0.7”，请判断该批次标注质量是否达标，并给出2条优化建议。

2.某中型企业需要搭建面向内部员工的“人事政策问答”RAG系统，核心需求是准确回答员工关于考勤、薪酬、福利、晋升的政策问题，最大程度降低幻觉，所有答案必须有政策依据。请你作为三级AI训练师，完成以下工作：（1）设计该场景下的文档分块规则，说明分块的核心依据与参数设置；（2）写出3条用于约束大模型生成答案的系统提示词（SystemPrompt）核心要求；（3）列出2种验证生成答案准确性的具体方法。参考答案一、单项选择题1.C2.B3.C4.C5.B6.B7.C8.B9.B10.B11.C12.B13.A14.C15.B16.B17.B18.C19.B20.C二、多项选择题1.ABCE2.ABCE3.ABCD4.ABCE5.ABCD6.ABCD7.ABCD8.ABCE9.ABCD10.ABCD三、判断题1.√2.×3.×4.√5.×6.√7.√8.×9.×10.√（解析：第2题RAG仅能显著降低幻觉概率，无法完全消除；第3题Kappa≥0.8为优秀，0.6~0.8为良好；第5题公开网络内容多数受著作权保护，需符合合理使用要求或获得授权；第8题数据脱敏是对敏感信息进行处理，保留数据可用价值，而非全部删除）四、简答题（1）构建流程（6分，每点1分）：①需求梳理：明确微调的目标任务、应用场景、输出规范与效果预期；②数据收集：从合规渠道采集原始数据，包括公开授权数据集、企业内部业务数据、第三方授权数据等，确保数据来源合法；③数据清洗：完成语义去重、噪声过滤、违规内容剔除、敏感信息脱敏等操作，提升数据纯净度；④数据标注：制定细化的标注规则与判定标准，开展标注员培训，按要求完成“输入-输出”样本对的标注；⑤质量校验：通过双标交叉、抽检复核、专家仲裁等方式验证标注准确性与一致性，剔除不合格样本；⑥数据集划分：按7:2:1或8:1:1的比例将合格数据划分为训练集、验证集、测试集，保证各集数据分布一致。（2）核心质量要求（4分，每点1分）：①合规性：数据来源合法，无侵权内容，敏感信息已完成脱敏或获得授权；②准确性：标注内容符合规则要求，事实准确无错误，输出格式统一；③一致性：标注员间的Kappa系数≥0.7，标注标准统一，无明显个体偏差；④多样性：覆盖不同场景、不同难度的样本，避免数据分布失衡导致模型偏科。（1）基本工作原理（4分）：RAG是结合信息检索技术与大模型生成能力的落地框架，核心逻辑为：用户提交问题后，系统首先从外部结构化/非结构化知识库中检索与问题语义高度相关的文档片段，再将检索到的权威参考内容与用户问题整合后输入大模型，引导大模型基于参考内容生成答案，从而弥补大模型知识更新滞后、易产生幻觉的缺陷，提升答案的准确性、时效性与可溯源性。（2）优化策略（6分，每点1.5分，答出4点即可满分）：①语义分块优化：摒弃固定长度分块，按章节、条款、段落等语义边界划分文档块，保证单块内容的完整性，同时设置10%~20%的块重叠，避免关键信息被截断；

②混合检索模式：结合关键词检索（如BM25）与语义向量检索，兼顾字面匹配精度与语义匹配广度，提升多场景下的检索召回率；③嵌入模型适配：选用垂直领域训练的嵌入模型，或用领域内政策文档微调嵌入模型，提升语义向量的领域匹配度；④查询重写：对用户的模糊、口语化提问进行改写扩展，转化为更贴合知识库表述的标准查询，降低语义偏差；⑤重排序（Rerank）优化：对初筛的Top-N检索结果，用重排序模型进行二次语义排序，筛选最相关的Top-K片段输入大模型；⑥元数据过滤：为文档块添加发布部门、生效时间、适用人群等元数据标签，检索时先通过元数据过滤无关文档，缩小检索范围。（共10分，每点2分，答出5点即可满分）①标注准确率：指抽检样本中标注正确的样本数占总抽检样本数的比例，是衡量标注结果正确性的核心指标；②Cohen’sKappa系数：衡量不同标注员之间标注结果的一致性程度，排除随机一致的干扰，能客观反映标注标准的统一度，数值越接近1说明一致性越高；③召回率：指被正确标注的目标样本数占所有真实目标样本数的比例，常用于目标检测、实体抽取等任务，衡量标注的完整性；④精确率：指被正确标注的目标样本数占所有被标注为目标的样本数的比例，衡量标注结果的精准度，反映误标注情况；⑤标注漏检率：指未被标注的真实目标样本数占所有真实目标样本数的比例，是召回率的反向指标，反映标注的遗漏程度；⑥标注返工率：指需要重新修正的样本数占总标注样本数的比例，反映标注的整体质量与标注员的能力水平；⑦规则符合度：指标注结果符合既定标注规则的比例，衡量标注员对规则的理解与执行程度。五、实操题（1）标注一致率计算（2分）：一致样本数为两人判定结果相同的样本，即都合格+都不合格=52+30=82条一致率=82÷100×100%=82%

（2）Cohen’sKappa系数计算（5分）：Kappa系数公式：K=Po−Pe1−Pe，其中Po为观测一致率，Pe为随机一致率。

-观测一致率Po=82÷100=0.82

-计算随机一致率P（3）达标判断与优化建议（3分）：达标判断：一致率82%≥80%，符合要求；Kappa系数0.62<0.7，未达标，因此该批次标注质量整体未达标。（1分）优化建议（2分，答出2点即可）：①细化标注规则：针对“部分解决用户问题”“语气友好边界”等模糊场景制定明确的判定细则，配套正反案例说明，统一标注标准；②开展专项培训：组织标注员进行规则再学习与案例实操考核，考核通过后方可继续标注；③引入三标仲裁机制：对两名标注员不一致的样本，由资深标注员进行最终仲裁，同时将分歧样本纳入规则迭代库。（1）文档分块规则（4分）：核心依据：以政策条款的语义完整性为核心，避免单条政策被拆分，同时控制分块长度，减少无关信息干扰，兼顾检索精准度与召回率。（1分）具体规则（3分）：①分块边界优先匹配政策文件的章节、条款编号，每个分块对应一条独立的政策条款或一个完整的政策主题，确保语义独立完整；②单块字符数控制在200~500字，若单条