2026年人工智能训练师技能考试实操真题及答案

2026年人工智能训练师技能考试实操真题及答案2026年人工智能训练师（高级）技能考试实操部分总分100分，考试时长180分钟，共4道综合实操题，要求考生在配备GPU算力、大模型开发框架、数据标注工具的实验环境下完成所有操作，提交可运行代码、配置文档及结果报告。第一题多模态智能座舱数据集清洗与标注体系搭建（20分，建议完成时长35分钟）【真题题干】某新能源车企拟搭建新一代智能座舱多模态交互模型，需对采集的原始座舱数据进行清洗与标注，已知原始数据集包含三个独立子集：单模态车载语音片段1200条，其中环境信噪比低于15dB的噪声片段占比15%，时长不足0.8s或超过15s的无效语音占比12%（两类缺陷独立分布）；单模态驾驶员面部图像800张，其中人脸关键点检测置信度低于0.7的模糊图像占比20%，无有效正面人脸的非目标图像占比9%（两类缺陷独立分布）；跨模态“语音指令-驾驶员动作图像-文本指令”配对样本600组，该子集的单模态数据均已通过初筛（无单模态缺陷），仅存在18%的跨模态语义错配问题。

请完成以下三项任务：设计三类数据的清洗规则，明确无效数据判定标准，计算清洗后各模态有效数据量及有效配对样本量（需列出计算过程）。搭建适配智能座舱交互场景的三级标注体系，覆盖语音、图像、跨模态配对三个维度，明确各级标签的含义与取值范围。针对清洗后的全部有效数据设计分层抽样质检方案，要求质检置信度95%，整体误差范围≤3%，计算各层抽样样本量（按比例分配法，保留整数）。

【参考答案及评分标准】

1.数据清洗规则及有效数据量计算（8分）

（1）清洗规则（4分）①语音数据无效判定标准：a.环境信噪比＜15dB的强噪声片段，无法识别有效语义内容；b.语音时长＜0.8s（过短无有效语义）或＞15s（过长非单指令内容）；c.

语义与座舱交互场景无关（如背景闲聊、外接设备播放内容）。（1分）②图像数据无效判定标准：a.68点人脸关键点检测置信度＜0.7，图像模糊无法识别表情、视线等核心特征；b.驾驶员正面人脸占比＜10%，或存在口罩、墨镜遮挡面部关键区域超过30%；c.

图像中无驾驶员人脸，仅含车内景物、副驾人员等非目标内容。（1分）

③跨模态配对数据无效判定标准：a.配对样本中语音或图像数据存在单模态缺陷；b.语音指令语义与文本指令的语义相似度＜0.85，存在明显错配；c.

驾驶员动作图像与指令语义不匹配（如指令为“打开车窗”，图像为驾驶员操作中控屏动作）。（1分）（评分说明：规则覆盖完整性、合理性各占0.5分，三类数据规则完整得满分）（2）有效数据量计算（4分）已知各模态缺陷独立分布，因此：单模态语音有效数据量=1200×(1-15%)×(1-12%)=1200×0.85×0.88=897.6≈898条（1分）

单模态图像有效数据量=800×(1-20%)×(1-9%)=800×0.8×0.91=582.4≈582张（1分）

配对样本仅存在语义错配缺陷，单模态数据均有效，因此：有效配对样本量=600×(1-18%)=492组（1分）

清洗后总有效数据量=898+582+492=1972条/组（1分）2.三级标注体系搭建（8分）采用“模态维度-标注对象-标签取值”的三级结构，兼顾标注全面性与场景适配性，具体如下：（1）一级标签（模态维度）：分为语音数据、图像数据、跨模态配对3类，对应三个数据子集，用于区分不同模态的标注流程与质检标准。（1分）（2）二级标签（标注对象）：①语音维度下设置3类二级标签：语义分类（标注语音指令的业务类别）、情感属性（标注驾驶员的情绪状态）、噪声类型（标注语音中的背景噪声类别）。（1分）②图像维度下设置3类二级标签：人脸姿态（标注驾驶员头部的姿态角度）、视线方向（标注驾驶员的视线落点）、动作类型（标注驾驶员的手部/头部动作类别）。（1分）③跨模态配对维度下设置3类二级标签：语义一致性（标注语音与文本指令的语义匹配程度）、动作匹配度（标注图像动作与指令语义的匹配程度）、时序对齐度（标注语音、图像、文本的时间戳偏差）。（1分）（3）三级标签（取值范围）：①语音维度三级标签：语义分类包含座舱控制（车窗/空调/娱乐/导航等12个子类）、信息查询、闲聊/无效，共14个取值；情感属性包含平静、烦躁、愉悦、疲惫，共4个取值；噪声类型包含胎噪、风噪、路人声、音乐声、无噪声，共5个取值。（2分）②图像维度三级标签：人脸姿态包含正面（偏角＜15°）、左侧偏、右侧偏、仰头、低头，共5个取值；视线方向包含前方道路、中控屏、左后视镜、右后视镜、副驾，共5个取值；动作类型包含扶方向盘、操作中控、抬手、拿手机、喝水，共5个取值。（1分）③跨模态配对维度三级标签：语义一致性包含完全匹配（相似度≥0.9）、部分匹配（0.7≤相似度＜0.9）、不匹配（相似度＜0.7），共3个取值；动作匹配度包含高度匹配、一般匹配、不匹配，共3个取值；时序对齐度包含完全对齐（偏差＜0.2s）、可接受偏差（0.2s≤偏差＜0.5s）、不可接受偏差（偏差≥0.5s），共3个取值。（1分）3.分层抽样质检方案（4分）（1）分层依据：按三个有效数据子集（语音有效集、图像有效集、配对样本有效集）分层，不同模态的标注难度、误差概率存在差异，分层抽样可提升质检结果的代表性，降低抽样误差。（1分）（2）核心参数设置：置信度95%对应标准正态分布Z值为1.96，允许误差E=3%，总体标注合格率取保守值P=0.5（无历史合格率数据时的最保守估计，对应最大样本量需求），采用有限总体校正公式计算总样本量，按各层样本量占比分配抽样数量。（1分）

（3）计算过程：①无限总体下所需样本量：n0=Z2×P×(1−P语音层：条

图像层：张

配对样本层：组

（评分说明：公式正确得1分，计算结果全部正确得1分，结果偏差≤2%不扣分）

第二题垂直领域大模型参数高效微调实操（25分，建议完成时长45分钟）

【真题题干】

某法律科技公司拟基于开源通用大模型Llama-3-8B搭建劳动法咨询垂直大模型，解决通用大模型法律知识储备不足、幻觉率高的问题。现有实验资源：单张NVIDIAA10080GGPU、1万条标注完成的劳动法问答对样本（其中正样本8200条，负样本1800条，负样本为包含错误法条、非劳动法领域内容的问答对）。

请完成以下三项任务：n1=选择适配的参数高效微调（PEFT）方法，对比至少3种主流PEFT方法的参数增量、训练显存占用、微调效果、推理效率，说明本次选择的依据。设计微调数据预处理流程，明确指令微调的样本格式、数据集划分比例与划分方式，说明负样本的使用场景与作用。制定核心超参数配置方案，明确学习率、批次大小、训练轮次、优化器等关键参数，设定微调效果的量化评估指标（至少包含3类指标）。【参考答案及评分标准】1.PEFT方法选择与对比（10分）（1）主流PEFT方法对比（6分）选取LoRA（低秩适配，含QLoRA量化版）、AdapterTuning（适配器微调）、PrefixTuning（前缀微调）三种主流方法，基于Llama-3-8B模型的实测数据对比如下：

|对比维度|QLoRA（4bit量化+LoRA）|AdapterTuning|PrefixTuning|

|——————|————————|—————-|—————|

|参数增量占比|0.1%-0.5%（8M-40M）|1%-5%（80M-400M）|0.5%-2%（40M-160M）|

|训练显存占用|15G-20G（8B模型）|25G-30G|20G-25G|

|垂直领域微调效果|接近全量微调，适配性强，法条引用准确率比全量微调低1-2个百分点|略低于LoRA，小样本下易过拟合，准确率比LoRA低3-5个百分点|长文本场景效果较好，小样本下效果弱于LoRA，准确率比LoRA低5-7个百分点|

|推理效率|训练后可合并权重，无额外推理延迟|推理时需经过适配器层，延迟提升10%-15%|推理时需拼接前缀向量，延迟提升5%-10%|

（评分说明：每完整对比1种方法得2分，维度缺失或数据偏差较大酌情扣分）（2）方法选择及依据（4分）本次选择QLoRA（4bit量化+LoRA）作为微调方法，具体依据如下：①显存适配：单张A10080GGPU可完全满足4bit量化8B模型的微调需求，预留足够显存用于数据加载、验证与日志记录，无需多卡集群资源；②效果保障：QLoRA在法律垂直领域的微调效果接近全量微调，能够有效学习劳动法领域的专业知识与法条表述，相比其他PEFT方法的准确率更高，可将幻觉率降至更低水平；③推理高效：训练完成后可将LoRA权重直接合并到基础模型中，推理时无额外计算开销，适合后续上线为用户提供实时咨询服务，无需额外优化推理架构；④样本适配：本次拥有1万条标注样本，属于中等规模垂直数据集，LoRA对中等规模数据集的适配性优于PrefixTuning，不易出现欠拟合问题，且训练稳定性更高。2.数据预处理流程（8分）（1）指令微调样本格式（2分）统一适配Llama-3的官方对话模板，加入明确的系统提示词约束，样本格式如下：

<|begin_of_text|><|start_header_id|>system<|end_header_id|>

你是专业的劳动法咨询助手，必须严格依据现行劳动法、劳动合同法等相关法律法规回答用户问题，不得编造法条或超出劳动法范畴解答问题，若问题超出服务范围请明确告知用户。

<|eot_id|><|start_header_id|>user<|end_header_id|>

{用户问题}

<|eot_id|><|start_header_id|>assistant<|end_header_id|>

{标准答案/负样本对应回复}

<|eot_id|>（评分说明：格式符合模型要求、系统提示词有明确约束得满分）（2）数据集划分（3分）采用分层随机抽样方式划分训练集、验证集、测试集，比例为8:1:1，保证各数据集的正负样本比例与总样本一致（正样本占82%，负样本占18%），避免数据分布差异影响评估结果，具体数量：

①训练集：共8000条，其中正样本6560条，负样本1440条，用于模型微调训练；②验证集：共1000条，其中正样本820条，负样本180条，用于训练过程中的效果验证、早停机制触发与超参数调整；③测试集：共1000条，其中正样本820条，负样本180条，用于微调完成后的最终效果评估，全程不参与训练过程。（3）负样本使用方式与作用（3分）①训练阶段：将负样本的assistant回复设置为“该问题的解答不符合劳动法相关规定，请您核实问题后重新提问”，同时引入对比学习损失函数，让模型学习区分正确与错误的法律解答，强化模型对错误信息的识别能力，避免输出错误内容；②验证与测试阶段：负样本用于评估模型的幻觉率，即模型将错误信息判定为正确解答、编造法条、超出范畴解答的比例，是核心效果评估指标之一；③核心作用：通过负样本的针对性训练，可将模型幻觉率降低15-20个百分点，避免模型输出错误法律建议，提升垂直领域回答的准确性与合规性，降低企业服务风险。

3.超参数配置与评估指标（7分）

（1）核心超参数配置（4分）基于QLoRA微调框架，结合A10080G显卡的算力条件，核心超参数设置如下：①量化配置：采用4bitNormalFloat量化方式，量化计算数据类型为bfloat16，充分利用A100显卡的bf16算力，保证训练精度；②LoRA配置：秩r=8，缩放因子alpha=16，dropout=0.05，作用层为q_proj、v_proj、k_proj、o_proj（全部注意力投影层），提升模型的垂直领域适配效果；③学习率与调度器：初始学习率2e-4（比全量微调高2个数量级，适配PEFT的参数特性），采用余弦退火学习率调度器，warmup步数为100步（约占总训练步数的5%），避免训练初期梯度不稳定；

④批次大小与训练轮次：单卡训练批次大小per_device_train_batch_size=8，梯度累积步数gradient_accumulation_steps=4，全局批次大小为32，平衡训练效率与显存占用；训练轮次epoch=3，采用早停机制（验证集损失连续2轮不下降则停止训练），避免过拟合；⑤优化器：采用paged_adamw_8bit优化器，在保证优化效果的同时进一步降低显存占用。（评分说明：答出4类核心参数且设置合理得满分，参数不合理酌情扣分）（2）量化评估指标（3分）设置三类核心评估指标，全面衡量微调效果：①准确性指标：法条引用准确率（引用的法条编号、内容与现行法律一致的比例）≥90%，问题解答正确率（解答内容符合法律规定、匹配用户问题的比例）≥88%；

②幻觉率指标：编造法条比例、答非所问比例、超出范畴解答比例合计≤5%，相比通用大模型（幻觉率约28%）下降至少23个百分点；

③文本质量与效率指标：ROUGE-L值≥0.75，BLEU-4值≥0.65，回答条理清晰、逻辑通顺；单条推理时间≤2s（基于A100显卡），满足实时咨询需求。第三题政务服务RAG系统搭建与优化（25分，建议完成时长45分钟）【真题题干】某地级市政务服务中心拟搭建政务办事指南智能问答系统，为避免大模型幻觉、保证回答合规，决定采用检索增强生成（RAG）架构实现。现有资源：1200份政务办事指南PDF文档（涵盖社保、医保、户籍、不动产等8大类，单份文档5-20页，每页约800汉字）、开源向量数据库Milvus、开源中文嵌入模型bge-large-zh-v1.5（最大输入长度512token，中文单字约对应1token）、通用大模型API接口。

请完成以下三项任务：设计政务文档分块策略，明确分块粒度、重叠长度的设定依据，计算总分块数量的预估范围（需列出计算过程）。设计至少2种检索优化方案，说明实现逻辑与应用场景，提升检索召回的准确率与召回率。设计生成阶段的系统提示词方案，明确核心约束规则，制定回答质量的量化评估维度（至少4类）。【参考答案及评分标准】1.政务文档分块策略（8分）（1）分块策略设计（4分）针对政务办事指南结构化强、条款清晰、用户查询指向性明确的特点，采用“语义优先+长度控制”的分层分块策略，具体规则：①一级分块（语义级分块）：通过Unstructured文档解析工具提取PDF的标题层级结构，按办事指南的一级章节（办理条件、办理材料、办理流程、办理时限、收费标准、办理地点等）进行分块，优先保证单块内容的语义完整性，避免拆分同一办事环节的相关内容；②二级分块（长度控制分块）：若单个语义章节的token数超过450（预留62token的缓冲空间，适配bge-large-zh-v1.5的512token最大输入限制），则按句号、分号等完整句子边界进行二级切分，每块token数控制在300-450之间，避免切断完整语义表述；

③重叠长度设置：设置为50-100token（约1-2个完整句子），重点覆盖跨章节的关联内容（如办理流程与办理材料的衔接部分、办理条件与收费标准的关联内容），避免分块导致的语义断裂，提升检索的完整性。

设定依据：政务办事指南的用户查询多为具体办事环节的明确问题，分块粒度过大会导致检索到大量无关内容，降低生成阶段的信噪比；粒度过小会破坏语义完整性，导致检索结果无法支撑完整回答；300-450token的块长可覆盖1-2个办事环节的完整信息，平衡检索精度与语义完整性。

（2）分块数量预估（4分）首先计算总文档token量：单份文档平均页数为(5+20)/2=①最小分块数（块长最大、重叠最小场景）：单块450token，重叠50token，有效块长=450-50=400token，总分块数≈12,000,000/400=30,000块；（1分）

②最大分块数（块长最小、重叠最大场景）：单块300token，重叠100token，有效块长=300-100=200token，总分块数≈12,000,000/200=60,000块；（1分）

因此总分块数量预估范围为3万-6万块。2.检索优化方案（10分，每种方案5分）设计“混合检索+重排序”两级优化方案，从召回率和准确率两个维度同步提升检索质量：（1）方案一：BM25关键词检索+向量语义检索的混合检索方案实现逻辑：①构建双路索引：对所有文档块同时构建倒排索引（用于BM25关键词检索）和向量索引（存入Milvus向量库，用于语义检索），倒排索引针对政务专有名词做分词优化，加入办事事项同义词词典；②双路召回：用户输入查询后，一方面用BM25算法进行关键词精确匹配，召回Top20的相关块，适配用户查询中包含明确专有名词的场景（如“新生儿上户口需要哪些材料”中的“新生儿上户口”）；另一方面用bge嵌入模型将查询转换为向量，在Milvus中进行余弦相似度检索，召回Top20的相关块，适配用户语义转述的场景（如“我家刚生了孩子，怎么上户口”与“新生儿落户”的语义匹配）；③结果合并：将两路召回的结果按文档ID去重，得到Top30的候选块，合并后召回率可提升15-20个百分点，避免单一检索方式的漏检问题。

应用场景：适用于所有用户查询的召回阶段，尤其适配政务场景中用户表述不规范、专有名词多、口语化程度高的特点，解决传统关键词检索无法匹配语义转述、向量检索无法匹配精确专有名词的问题。（2）方案二：基于交叉编码器的重排序优化方案实现逻辑：①引入bge-reranker-large重排序模型（交叉编码器架构），对混合检索召回的Top30候选块进行逐对相关性打分，即同时输入查询和候选块内容，模型直接输出0-1之间的相关性得分；

②按相关性得分从高到低对候选块排序，选取Top5的块作为最终上下文送入大模型生成回答；③相比嵌入模型的双塔结构（仅分别编码查询和块再计算相似度），交叉编码器可深度融合查询与候选块的语义信息，相关性判断准确率高8-10个百分点，可有效过滤无关块、低相关块，减少进入生成阶段的噪声信息。

应用场景：适用于召回后的精排阶段，提升检索结果的准确率，降低大模型生成阶段的干扰信息，从源头上减少幻觉，同时控制送入大模型的上下文长度，降低推理成本。3.提示词方案与质量评估（7分）（1）系统提示词核心约束（3分）针对政务服务场景的强合规性要求，提示词设置四类核心约束，确保回答准确、合规、友好：①身份约束：明确“你是某市政务服务中心的官方智能助手，仅负责解答本市行政区域内的政务办事指南相关问题”，超出政务办事范畴的问题统一回复“抱歉，我仅能为您提供本市政务办事指南相关咨询，请您描述具体办事事项，或拨打政务服务热线12345咨询。”②依据约束：严格遵循“仅基于提供的上下文内容回答”的核心原则，若上下文中未查询到相关信息，统一回复“抱歉，暂时未查询到该事项的相关信息，请您前往政务服务中心窗口或拨打12345热线咨询。”，严禁编造任何办事规则、材料要求、办理时限等信息。③格式约束：回答需按用户问题的核心需求分点呈现，关键信息（如办理时限、收费标准、办理地点、咨询电话）需加粗标注，确保清晰易读；若用户问题涉及完整办事流程，需按“办理条件→所需材料→办理流程→办理时限→办理地点”的逻辑顺序呈现。④合规约束：不得泄露任何个人隐私信息，不得给出违反政务服务规定的建议，对于表述模糊的问题需引导用户补充具体信息（如“请问您咨询的是本市户籍还是外地户籍的办理事项？”），不得随意猜测用户需求。（2）质量评估维度（4分，每类1分，答出4类得满分）设置五类量化评估维度，全面衡量回答质量：①准确率：回答内容与官方办事指南完全一致的比例，要求≥98%，是核心合规指标，由标注团队人工抽检评估；

②幻觉率：编造信息、答非所问、超出上下文回答的比例，要求≤1%，确保回答的安全性与可靠性；

③完整性：回答覆盖用户问题所需核心信息的比例，要求≥95%，避免信息缺失导致用户多次咨询或跑空窗口；

④响应效率：单轮问答的端到端响应时间≤2秒，满足线下大厅自助终端、线上公众号的实时交互需求；⑤用户满意度：通过用户抽样调研的满意度评分衡量，要求≥90分（百分制），验证实际使用体验。第四题线下零售智能导购系统落地与迭代（30分，建议完成时长55分钟）【真题题干】某连锁零售企业拟在旗下200家线下门店部署智能导购系统，基于多模态大模型实现三大核心功能：①商品识别（用户拍摄商品图片自动识别品名、价格、规格）；②智能推荐（根据用户偏好推荐关联商品）；③语音导购（语音问答商品信息、促销活动）。现有资源：10万条商品多模态数据（商品图、品名、规格、价格、详情）、2万条用户历史交互数据（浏览、购买、咨询记录）、多模态大模型API、单台算力16TOPS的边缘计算设备（每店部署1台）。请完成以下三项任务：设计系统的端云协同部署架构，明确边缘端与云端的功能划分，说明该架构的核心优势（至少4项）。设计系统上线前的A/B测试方案，明确测试核心指标、样本量计算（以核心业务指标为基准）、分组方式、统计显著性判断方法。制定系统上线后的迭代优化闭环流程，明确各环节核心动作，给出前3次版本迭代的核心优化方向与预期量化效果。【参考答案及评分标准】1.端云协同部署架构（10分）（1）功能划分（5分）采用“边缘端负责实时推理与隐私处理，云端负责复杂计算与全局管理”的端云协同架构，充分发挥边缘端低延迟、隐私性强与云端算力充足、全局统筹的优势，具体功能划分：①门店边缘端（16TOPS算力设备）：实时性功能：本地商品图像特征提取与Top2000热门商品识别、语音唤醒与本地常用指令识别、热门商品数据与促销信息缓存，保证高频需求的低延迟响应；隐私数据处理：用户拍摄的图像、语音数据在边缘端进行脱敏处理（提取特征向量后立即删除原始数据），仅上传特征向量、交互日志等结构化数据，不传输用户原始音视频数据；本地容灾：门店网络中断时，可独立提供基础商品识别、热门咨询解答服务，保障业务连续性，网络恢复后自动同步数据。（评分说明：边缘端功能完整得2分，缺失核心功能酌情扣分）②云端平台：复杂模型推理：长尾商品识别、个性化推荐、复杂语音问答等计算量大的任务，调用云端多模态大模型API完成，保证复杂场景的效果；数据与模型管理：全量商品向量库、用户全局画像、交互日志的存储，模型微调、向量库更新、版本迭代的统一管理与下发；全局监控与运维：所有门店系统的运行状态监控、故障告警、数据统计分析，统一推送促销活动、商品更新、价格调整等内容，确保全门店数据一致性。（评分说明：云端功能完整得3分，缺失核心功能酌情扣分）（2）核心架构优势（5分，每点1分，答出4点以上得满分）①低延迟体验：热门商品识别、常用语音指令的响应在边缘端完成，响应时间≤500ms，相比纯云端部署降低70%以上，满足线下门店用户即时查询的需求，提升使用体验；

②隐私合规保障：用户原始图像、语音数据不离开门店，符合《个人信息保护法》对线下场景个人信息采集的最小必要原则，避免隐私数据泄露风险，降低企业合规成本；③带宽成本降低：仅传输特征向量、交互日志等结构化数据，无需上传大量音视频文件，单店每月带宽成本相比纯云端部署降低80%以上，200家门店年带宽成本可节省约120万元；

④系统可靠性提升：网络中断时边缘端可独立提供基础服务，不影响门店正常运营，系统整体可用性提升至99.9%，避免因网络故障导致的服务中断；

⑤算力成本优化：将高频、低复杂度的计算放在边缘端，仅将低频、高复杂度的计算放在云端，可大幅降低云端API调用成本，预计整体算力成本降低40%以上。

2.A/B测试方案（12分）

（1）核心测试指标（3分）分为业务指标和模型指标两类，核心指标与辅助指标结合，全面验证系统效果：①核心业务指标：商品咨询转化率（用户咨询商品后24小时内产生购买的比例），直接反映系统对销售的带动作用；②辅助业务指标：客单价提升率、用户交互率（使用智能导购的用户占到店用户的比例）、用户满意度评分；③核心模型指标：商品识别Top1准确率，辅助模型指标包括语音识别字错率（CER）、推荐点击率（CTR）。（评分说明：明确核心业务指标得1分，辅助指标覆盖业务与模型得2分）（2）样本量计算（4分）以核心业务指标“商品咨询转化率”为基准计算所需样本量，已知基线数据：当前门店商品咨询后转化率约为15%，预期智能导购系统可将转化率提升至20%，设定置信度95%（双侧检验，Zα/2=

其中p1=0.15（基线转化率），p2=分子部分=1.96×2×0.175×0.825+0.84×0.15×0.85+0.2×0.8

=1.96×0.28875+0.84×0.2875

≈采用分层随机分组法，消除门店基线差异对测试结果的影响：①首先将备选的30家试点门店按门店类型（社区店、商圈店）、月销售额、日均客流三个维度进行分层，确保每层内门店的基线转化率、客单价等指标无显著差异（p＞0.05）；②再将每层内的门店随机分配到实验组和对照组，其中实验组10家部署智能导购系统，保留原有导购人员；对照组10家保留传统导购牌、人工导购模式，不部署智能导购系统；③测试期间所有门店保持统一的促销活动、商品价格，避免外部因素干扰测试结果。（4）统计显著性判断（3分）根据指标类型选择不同的统计检验方法，当p值＜0.05时，认为两组指标差异具有统计显著性，即智能导购系统带来的效果是真实存在的，而非随机波动：①连续型指标（如客单价、满意度评分）采用独立样本t检验，验证两组均值的差异显著性；②比例型指标（如咨询转化率、识别准确率、推荐点击率）采用卡方检验，验证两组比例的差异显著性；③若存在客流波动、临时促销等协变量影响，采用协方差分析（ANCOVA）控制协变量影响，进一步提升检验精度，确保结果可信。