2026年人工智能训练师(一级)理论高频考点试题

2026年人工智能训练师(一级)理论高频考点试题一、判断题（共20小题，每小题0.5分，共10分。请将判断结果填写在题后的括号内，正确的填“√”，错误的填“×”）1.生成式人工智能服务提供者应当对训练数据的合法性负责，不得使用未经授权的他人享有知识产权的数据作为模型训练数据。（）2.人工智能训练师（一级）可独立主导跨行业多模态大模型训练的全流程项目管理工作。（）3.在大模型指令微调训练中，使用的指令数据规模越大，模型的对齐效果一定越好。（）4.多模态模型训练中，不同模态数据的特征空间映射必须采用完全对称的网络结构。（）5.根据《中华人民共和国数据安全法》，核心数据一旦泄露可能导致国家安全遭受特别严重损害，人工智能训练项目涉及核心数据的需依法报请相关主管部门审批。（）6.在大模型的人类反馈强化学习（RLHF）阶段，奖励模型的训练数据仅需由普通标注员提供偏好标注即可，无需专业领域专家参与。（）7.训练数据的偏差仅会影响模型在特定群体上的表现，不会引发系统性的伦理风险。（）8.分布式训练中的数据并行策略，是指将模型参数拆分到不同计算节点上，每个节点负责部分参数的更新。（）9.人工智能训练师（一级）需具备对五级至二级人工智能训练师的技术指导与职业技能培训能力。（）10.在模型训练过程中，学习率设置过大容易导致模型收敛震荡甚至发散，因此学习率越小模型收敛效果越好。（）11.生成式AI模型的训练中，用于内容合规检测的训练样本仅需覆盖违法违规内容，无需覆盖低俗、虚假信息等灰色内容。（）12.小样本学习（Few-shotLearning）的核心是利用大量先验知识，使模型仅通过少量样本即可完成新任务的适配。（）13.训练数据标注质量评估中，一致性校验的Kappa系数取值范围为0到1，数值越高代表标注员之间的一致性越好。（）14.在多模态大模型训练中，模态缺失是常见的数据质量问题，处理方式仅能通过删除对应样本解决。（）15.人工智能训练项目的需求调研阶段，一级训练师需主导完成业务场景拆解、可行性论证及训练成本测算工作。（）16.模型的泛化能力是指模型在训练集上的表现能力，泛化能力越强则训练集准确率越高。（）17.根据《中华人民共和国个人信息保护法》，处理敏感个人信息用于AI训练的，应当取得个人的单独同意，法律、行政法规规定应当取得书面同意的，从其规定。（）18.大模型的参数高效微调（PEFT）方法仅调整模型的少量参数，相比全参数微调，其训练成本更低但效果一定更差。（）19.人工智能训练师在工作中获取的企业内部训练数据、模型参数等信息，离职后可自行留存或用于个人研究项目。（）20.在模型训练的故障排查中，若训练损失长时间不下降，可优先排查是否存在数据加载错误、学习率设置不合理等问题。（）二、单项选择题（共30小题，每小题1分，共30分。每小题只有一个正确答案，请将正确答案的字母填写在题后的括号内）1.以下哪项不属于人工智能训练师（一级）的核心职业能力要求？（）A.跨领域多模态大模型训练方案设计B.训练团队的绩效考核与技术梯队建设C.基础标注数据的批量清洗与标注操作D.AI训练伦理风险的系统性评估与管控2.根据《生成式人工智能服务管理办法（2025修订版）》，生成式AI模型训练数据的来源不需要符合以下哪项要求？（）A.不得侵犯他人知识产权B.不得含有侵害个人肖像权的内容C.必须全部来源于公开可免费获取的数据集D.不得含有煽动民族仇恨、民族歧视的内容3.在大模型的RLHF训练流程中，以下哪个是奖励模型训练的直接输入数据？（）A.原始预训练模型参数B.人类标注的偏好对比数据C.强化学习策略模型的输出结果D.指令微调后的基础模型4.以下哪种分布式训练策略属于模型并行的范畴？（）A.将训练数据集按样本拆分到不同GPU上训练B.将Transformer模型的不同层分配到不同计算节点C.每个计算节点保留完整模型参数，仅同步梯度D.采用数据增强方式提升单节点的数据多样性5.标注质量评估中，依据Landis-Koch分级标准，Kappa系数为0.72时，标注一致性属于以下哪个等级？（）A.轻微一致B.中度一致C.高度一致D.几乎完全一致6.以下哪种参数高效微调（PEFT）方法是通过在Transformer的注意力层插入低秩矩阵来实现微调的？（）A.PrefixTuningB.LoRAC.PromptTuningD.AdapterTuning7.在多模态训练数据的质量校验中，以下哪项属于模态对齐问题？（）A.图像数据存在模糊、噪点B.文本描述与图像内容不匹配C.音频数据存在背景杂音D.视频数据的帧率低于15fps8.根据《中华人民共和国数据安全法》，国家对数据实行分类分级保护，以下哪类数据属于最高保护等级？（）A.重要数据B.核心数据C.敏感个人信息D.公共数据9.在大模型训练的过拟合问题排查中，以下哪种处理方式不适用？（）A.增加训练数据量B.提高正则化系数C.增加模型参数量D.引入数据增强策略10.人工智能训练师（一级）在主导行业大模型训练项目时，需求调研阶段的首要工作是？（）A.采购训练所需的算力资源B.明确业务场景的核心指标与约束条件C.招募数据标注团队D.选择基础预训练模型11.以下哪种训练技术主要用于缓解大模型的“幻觉”问题，提升输出的事实准确性？（）A.监督式微调（SFT）B.检索增强生成（RAG）C.对比学习D.自监督预训练12.在训练数据的隐私保护中，以下哪种技术属于“数据可用不可见”的隐私计算范畴？（）A.数据脱敏B.联邦学习C.数据加密存储D.访问权限控制13.以下哪项不属于生成式AI模型训练的伦理合规评估内容？（）A.训练数据的版权合规性B.模型输出的公平性C.模型的推理速度D.个人信息的保护程度14.在分布式训练中，以下哪种通信模式的特点是所有节点梯度聚合后再同步更新，且单节点通信量基本不随节点数量增加而上升？（）A.参数服务器模式B.环形全规约（RingAllReduce）C.点对点通信D.主从同步模式15.以下哪个指标最适合用于评估生成式大模型的文本生成质量？（）A.准确率（Accuracy）B.召回率（Recall）C.BLEU值D.F1值16.在AI训练项目的成本管控中，以下哪项不属于算力成本的优化方向？（）A.采用混合精度训练B.优化数据加载效率，减少GPU空闲时间C.使用参数高效微调方法D.增加标注人员数量17.以下哪种数据增强方法不适用于文本分类任务的训练数据扩充？（）A.同义词替换B.随机插入无关词汇C.回译D.语序调换18.根据《中华人民共和国个人信息保护法》，以下哪项不属于敏感个人信息？（）A.生物识别信息B.宗教信仰信息C.个人自行公开的普通姓名与手机号D.医疗健康信息19.在大模型的预训练阶段，通常采用的核心训练任务类型是？（）A.监督式分类任务B.自监督学习任务C.强化学习任务D.小样本学习任务20.人工智能训练师（一级）在开展内部技术培训时，以下哪种做法不符合职业规范？（）A.结合实际项目案例讲解核心技能B.将企业未公开的训练数据作为培训示例C.针对不同层级的训练师设计差异化培训内容D.同步讲解AI伦理与合规要求21.以下哪种技术是实现多模态大模型跨模态语义对齐的核心技术？（）A.批归一化B.跨模态注意力机制C.残差连接D.Dropout22.在模型训练的早停（EarlyStopping）策略中，通常依据哪个数据集的性能来决定是否停止训练？（）A.训练集B.验证集C.测试集D.增强数据集23.以下哪项不属于训练数据标注的规范要求？（）A.标注规则需明确、可执行B.标注结果需可追溯C.标注员可根据经验自行修改标注规则D.需设置质量抽检机制24.联邦学习中，以下哪种模式是指参与方拥有不同的特征空间、相同的样本空间？（）A.横向联邦学习B.纵向联邦学习C.联邦迁移学习D.混合联邦学习25.在大模型的指令微调中，以下哪种数据格式最有利于提升模型的指令跟随能力？（）A.纯文本无结构化数据B.指令-输入-输出三元组格式C.单轮对话格式D.网页爬取的HTML数据26.以下哪种正则化方法是通过在训练过程中随机失活部分神经元来防止过拟合的？（）A.L1正则化B.L2正则化C.DropoutD.权重衰减27.人工智能训练师（一级）在处理训练数据的偏差问题时，以下哪种做法最不可取？（）A.扩充代表性不足群体的训练样本B.对偏差样本进行加权处理C.直接删除所有涉及敏感属性的样本D.引入公平性约束的训练目标28.以下哪个指标主要用于评估AI模型的公平性？（）A.不同群体间的准确率差异率B.模型参数量C.训练速度D.推理延迟29.在生成式AI模型的内容安全防护中，以下哪种方法属于事后防御范畴？（）A.在训练数据中加入安全对齐样本B.在RLHF阶段加入安全偏好标注C.在模型输出层加入内容安全过滤器D.在预训练阶段清洗违法违规数据30.根据《人工智能训练师国家职业技能标准（2022年版）》，人工智能训练师（一级/高级技师）的申报条件之一是：取得本职业或相关职业二级/技师职业资格证书（技能等级证书）后，累计从事本职业或相关职业工作满（）年。A.2B.3C.4D.5三、多项选择题（共15小题，每小题2分，共30分。每小题有2个或2个以上正确答案，多选、少选、错选均不得分，请将正确答案的字母填写在题后的括号内）1.人工智能训练师（一级）的核心工作内容包括以下哪些？（）A.复杂场景下AI训练需求分析与方案设计B.多模态大模型训练的全流程管控C.训练团队的技术指导与能力建设D.AI训练伦理与合规体系的搭建E.基础标注任务的日常执行2.根据《生成式人工智能服务管理办法》，生成式AI模型训练数据的合规要求包括以下哪些？（）A.训练数据来源合法，不得侵犯他人知识产权B.不得含有歧视性内容，不得侵害个人合法权益C.需对训练数据进行去标识化处理，保护个人信息D.必须全部使用国产开源数据集E.需建立训练数据审核机制3.以下属于大模型参数高效微调（PEFT）方法的有哪些？（）A.LoRAB.PrefixTuningC.全参数微调D.PromptTuningE.AdapterTuning4.多模态训练数据的质量问题主要包括以下哪些类型？（）A.模态缺失B.模态错位C.单模态数据质量缺陷D.模态语义不一致E.数据规模过大5.以下哪些属于人工智能训练师需要重点防控的AI伦理合规风险？（）A.训练数据偏差导致的算法歧视B.训练数据泄露引发的个人信息侵权C.模型幻觉生成虚假有害信息D.训练过程中违反知识产权规定E.模型推理延迟过高导致业务中断6.分布式训练的常见并行策略包括以下哪些？（）A.数据并行B.模型并行C.张量并行D.流水线并行E.单节点串行7.训练数据标注质量的评估方法包括以下哪些？（）A.一致性校验（Kappa系数法）B.准确率抽检法C.召回率评估法D.标注效率统计法E.疑难样本会审法8.以下哪些方法可以有效缓解大模型的过拟合问题？（）A.增加训练数据量B.引入Dropout正则化C.提高学习率D.采用数据增强技术E.增加模型参数量9.联邦学习的核心优势包括以下哪些？（）A.保护数据隐私，实现数据可用不可见B.降低数据集中存储的安全风险C.大幅提升模型的推理速度D.实现多方数据联合训练，扩充数据规模E.完全消除AI训练的合规风险10.大模型的人类反馈强化学习（RLHF）训练通常包含以下哪些核心步骤？（）A.收集人类偏好标注数据B.训练奖励模型（RM）C.使用强化学习算法微调策略模型D.预训练基础大模型E.模型部署上线11.以下哪些指标可用于评估生成式AI模型的文本生成质量？（）A.BLEU值B.ROUGE值C.分类准确率D.人类评估得分E.F1值12.人工智能训练师（一级）在主导AI训练项目时，风险管理的核心内容包括以下哪些？（）A.数据安全风险管控B.算力供给风险管控C.伦理合规风险管控D.项目进度风险管控E.产品营销风险管控13.以下属于多模态大模型典型应用场景的有哪些？（）A.文生图/图生文B.视频内容理解与摘要C.纯文本分类D.跨模态图文检索E.多传感器融合的自动驾驶感知14.以下属于AI训练中常用的隐私保护计算技术的有哪些？（）A.联邦学习B.差分隐私C.同态加密D.数据脱敏E.数据备份15.根据《人工智能训练师国家职业技能标准（2022年版）》，人工智能训练师（一级）需具备的指导与培训能力包括以下哪些？（）A.编写职业技能培训教材B.对五级至二级训练师进行技能培训C.指导开展复杂场景的AI训练项目D.参与职业技能等级认定的考评工作E.独立开发AI模型的底层算法框架四、简答题（共3小题，每小题6分，共18分）1.请简述大模型训练中检索增强生成（RAG）技术的核心原理及主要作用。2.请简述人工智能训练师（一级）在主导多模态大模型训练项目时，训练数据质量管控的核心流程。3.请简述大模型参数高效微调（PEFT）相比全参数微调的核心优势及适用场景。五、综合应用题（共1题，共12分）某商业银行计划搭建面向客户服务的金融领域多模态大模型，用于处理图文类客户咨询、票据信息识别与解答、智能投顾图文解读等业务。该项目由人工智能训练师（一级）担任训练负责人，已知项目约束如下：①训练数据包含银行内部10万条历史客户咨询图文对、5万张票据扫描件及对应结构化信息，另有公开金融领域数据集200G；②算力资源为8张A10080GGPU组成的集群；③项目周期为3个月，要求模型输出符合金融行业监管要求，且客户咨询准确率不低于95%，票据识别准确率不低于98%。请结合上述背景，回答以下问题：（1）请列出该项目训练阶段的核心风险点及对应防控措施（6分）（2）请设计该模型的训练全流程方案（6分）参考答案及解析一、判断题（10分）1.√解析：根据《生成式人工智能服务管理办法》，服务提供者需对训练数据合法性负责，不得侵犯他人知识产权。2.√解析：人工智能训练师（一级/高级技师）具备主导复杂AI训练项目的能力，可独立承担跨行业多模态大模型训练全流程管理。3.×解析：指令微调的效果受数据质量、数据多样性等多因素影响，数据规模过大且质量不佳时反而会降低对齐效果，存在边际效应。4.×解析：多模态训练的特征空间映射可采用不对称网络结构，如CLIP的图像编码器与文本编码器结构不同，仍可实现跨模态对齐。5.√解析：《数据安全法》明确核心数据实行最严格的保护制度，涉及核心数据的处理活动需依法报请审批。6.×解析：针对金融、医疗等专业领域的RLHF训练，奖励模型需专业领域专家参与偏好标注，确保标注结果的专业性与准确性。7.×解析：训练数据偏差会导致模型在决策中系统性偏向特定群体，引发算法歧视等系统性伦理风险，如招聘、信贷场景的性别/种族歧视。8.×解析：数据并行是将训练数据拆分到不同节点，每个节点保留完整模型参数；模型并行才是将模型参数拆分到不同节点。9.√解析：根据职业技能标准，一级训练师需具备对低级别训练师的技术指导与培训能力。10.×解析：学习率过小会导致模型收敛速度慢，且容易陷入局部最优，并非越小越好，需根据训练阶段动态调整。11.×解析：生成式AI训练的内容安全样本需覆盖违法违规、低俗、虚假信息、误导性内容等全类型不良内容，确保输出合规。12.√解析：小样本学习的核心是依托预训练获得的先验知识，仅需少量标注样本即可完成新任务适配。13.×解析：Kappa系数的取值范围为-1到1，数值越高代表一致性越好，负数代表一致性低于随机水平。14.×解析：模态缺失的处理方式包括模态补全、单模态特征增强、缺失模态掩码训练等，并非只能删除样本。15.√解析：一级训练师需主导需求调研阶段的核心工作，包括场景拆解、可行性论证、成本测算等。16.×解析：泛化能力是指模型在未知测试数据上的表现能力，训练集上的表现为拟合能力。17.√解析：《个人信息保护法》明确处理敏感个人信息需取得个人单独同意，法律、行政法规有更严格规定的从其规定。18.×解析：PEFT方法在小样本场景下的效果通常接近甚至优于全参数微调，且过拟合风险更低，并非效果一定更差。19.×解析：人工智能训练师需遵守保密义务，离职后不得擅自留存或使用企业涉密的训练数据、模型参数等信息。20.√解析：训练损失不下降的常见原因包括数据加载错误、学习率设置不合理、梯度消失等，需优先排查高频问题。二、单项选择题（30分）1.C解析：基础数据清洗与标注是五级/初级工的核心工作，不属于一级高级技师的核心能力要求。2.C解析：生成式AI训练数据可使用合法授权的付费数据、企业自有数据等，并非必须全部来源于公开免费数据集。3.B解析：奖励模型的训练输入是人类标注的“同一prompt下不同输出的偏好对比数据”，用于学习人类的评价标准。4.B解析：模型并行是将模型的不同部分（如不同层、不同张量块）拆分到不同计算节点，A、C属于数据并行，D属于数据增强策略。5.C解析：依据Landis-Koch分级标准，Kappa系数0.6-0.8为高度一致，0.8-1.0为几乎完全一致，0.4-0.6为中度一致。6.B解析：LoRA（低秩适配）通过在Transformer注意力层的权重矩阵旁插入低秩矩阵，仅训练低秩参数实现微调。7.B解析：模态对齐问题指不同模态数据的语义对应关系错误，如文本与图像内容不匹配；A、C、D均属于单模态数据质量问题。8.B解析：我国数据分类分级保护体系中，核心数据是最高保护等级，重要数据次之，敏感个人信息属于个人信息的分级范畴。9.C解析：增加模型参数量会提升模型的拟合能力，加重过拟合问题，不适用于缓解过拟合。10.B解析：需求调研阶段的首要工作是明确业务目标与约束，后续的算力采购、团队招募、模型选型都需围绕需求开展。11.B解析：RAG通过检索外部知识库的事实性信息，将其作为上下文输入大模型，有效减少幻觉，提升输出准确性。12.B解析：联邦学习属于隐私计算技术，可实现多方在不共享原始数据的前提下联合训练模型，即“数据可用不可见”。13.C解析：模型推理速度属于性能评估指标，与伦理合规无关。14.B解析：RingAllReduce通过环形结构实现梯度的分布式聚合，单节点通信量约为2倍模型参数大小，基本不随节点数增加而上升；参数服务器模式的通信量随节点数线性增长。15.C解析：BLEU值是文本生成、机器翻译任务的常用质量评估指标，A、B、D主要用于分类任务评估。16.D解析：增加标注人员属于人力成本投入，不属于算力成本优化方向。17.B解析：随机插入无关词汇会破坏文本语义，降低数据质量，不属于有效的文本数据增强方法。18.C解析：敏感个人信息是指一旦泄露或非法使用易导致人格尊严受损或人身财产安全受危害的信息，普通公开的姓名与手机号不属于敏感个人信息。19.B解析：大模型预训练阶段主要采用自监督学习任务，如掩码语言模型、nexttokenprediction等，无需人工标注数据。20.B解析：将企业未公开的训练数据作为培训示例违反保密义务与职业规范。21.B解析：跨模态注意力机制是实现不同模态特征交互、语义对齐的核心技术。22.B解析：早停策略依据验证集的性能变化决定是否停止训练，防止过拟合；测试集仅用于最终模型效果评估，不得参与训练过程决策。23.C解析：标注员需严格按照标注规则开展工作，不得自行修改标注规则，规则调整需由项目负责人统一组织。24.B解析：纵向联邦学习适用于参与方样本重叠多、特征重叠少的场景；横向联邦学习适用于特征重叠多、样本重叠少的场景。25.B解析：指令-输入-输出三元组是指令微调的标准数据格式，可有效提升模型的指令跟随能力。26.C解析：Dropout通过随机失活部分神经元，减少神经元之间的共适应关系，从而防止过拟合。27.C解析：直接删除所有涉及敏感属性的样本会损失大量有效信息，且可能引发新的偏差，不属于合理的偏差处理方式。28.A解析：公平性评估的核心是衡量模型在不同群体（如不同性别、年龄、地域群体）上的表现差异，准确率差异率是常用指标。29.C解析：输出层的内容安全过滤器属于模型部署后的事后防御；A、B、D均属于训练阶段的事前防御。30.C解析：根据《人工智能训练师国家职业技能标准（2022年版）》，一级高级技师申报需取得二级技师证书后累计从事本职业或相关职业工作满4年。三、多项选择题（30分）1.ABCD解析：基础标注任务执行是五级/初级工的工作内容，一级训练师负责高阶的方案设计、流程管控、团队管理、合规体系搭建等工作。2.ABCE解析：生成式AI训练数据无强制要求必须全部使用国产开源数据集，只要来源合法、合规即可。3.ABDE解析：全参数微调是调整模型所有参数，不属于参数高效微调方法；PEFT仅调整少量参数，包含LoRA、PrefixTuning、PromptTuning、AdapterTuning等。4.ABCD解析：数据规模过大不属于质量问题，是数据规模层面的特征。5.ABCD解析：模型推理延迟过高属于性能问题，不属于伦理合规风险范畴。6.ABCD解析：单节点串行不属于并行策略，分布式并行策略包括数据并行、模型并行（含张量并行、流水线并行等）。7.ABCE解析：标注效率是产能评估指标，不属于质量评估方法。8.ABD解析：提高学习率可能导致模型震荡发散，增加模型参数量会加重过拟合，均不适用。9.ABD解析：联邦学习无法直接提升推理速度，也不能完全消除合规风险，仍需符合数据安全相关规定。10.ABC解析：预训练基础模型是RLHF的前置环节，模型部署上线是训练完成后的环节，均不属于RLHF的核心步骤。11.ABD解析：分类准确率、F1值主要用于分类任务评估，不适用于生成式文本质量评估。12.ABCD解析：产品营销风险不属于训练师的风险管理范畴，训练师主要负责训练相关的技术、合规、进度、算力等风险管理。13.ABDE解析：纯文本分类属于单模态文本任务，不属于多模态应用场景。14.ABCD解析：数据备份属于数据容灾安全措施，不属于隐私保护计算技术。15.ABCD解析：开发AI模型底层算法框架不属于人工智能训练师的职业范畴，训练师主要负责模型训练、数据处理、优化等工作。四、简答题（18分）1.参考答案：核心原理：检索增强生成（RAG）是将检索系统与生成模型深度结合的技术框架，在模型生成回答前，先根据用户查询（Query）从外部知识库中检索高度相关的文档片段，将检索到的事实性信息作为上下文输入给大模型，辅助生成准确的回答（2分）。主要作用：①有效减少大模型的“幻觉”问题，提升输出内容的事实准确性与可靠性（1.5分）；②无需对模型进行全参数微调即可更新知识体系，大幅降低知识更新的成本与周期，适合知识迭代快的场景（1.5分）；③可对接企业私有知识库，实现专属领域的问答服务，避免内部敏感数据外泄，保护数据隐私（1分）。2.参考答案：一级训练师主导多模态训练数据质量管控的核心流程分为5个阶段：①需求定义阶段：结合业务场景明确多模态数据的模态类型、来源要求、标注规则、质量阈值，制定完整的数据质量管控方案与责任分工（1.2分）；②数据采集阶段：对原始数据进行合规性校验、去重、格式标准化，剔除违法违规、严重低质量的样本，建立数据溯源机制（1.2分）；③标注过程管控阶段：组织标注员开展专业培训与试标注，通过动态抽检、交叉校验、一致性评估（Kappa系数）等方式监控标注质量，及时纠正偏差（1.2分）；④数据验收阶段：采用定量评估（标注准确率、召回率、一致性系数）与定性评估（疑难样本专家会审）结合的方式开展验收，不合格数据返回标注团队返工（1.2分）；⑤上线前终检阶段：对最终训练集开展模态对齐校验、偏差检测、隐私合规终检，确认符合训练要求后方可投入使用（1.2分）。3.参考答案：核心优势：①训练成本低：仅需调整模型0.1%-10%的参数，显存占用、算力消耗远低于全参数微调，可大幅降低训练成本（2分）；②部署效率高：每个任务仅需存储少量微调参数，无需存储完整模型，多任务部署的存储成本极低，可快速切换任务（1.5分）；③泛化能力好：小样本场景下不易过拟合，在垂直领域任务适配中效果通常接近甚至优于全参数微调（1分）。适用场景：①标注样本量少的垂直领域任务适配场景（0.5分）；②多任务快速迭代、算力或部署资源有限的场景（1分）。五、综合应用题（12分）参考答案：（1）核心风险点及防控措施（6分，答出3点即可满分，每点风险点1分，防控措施1分）①数据合规与隐私风险（1分）：银行内部数据包含大量客户个人信息、金融敏感数据，存在数据泄露、违规使用的合规风险。防控措施：对内部数据进行去标识化、脱敏处理，采用数据沙箱模式开展训练，建立分级数据访问权限机制，所有数据操作留痕，确保符合《个人信息保护法》《数据安全法》及金融行业数据监管要求（1