2026年人工智能训练师(四级实操技能)考试题及答案

2026年人工智能训练师(四级实操技能)考试题及答案考试总时长150分钟，总分100分，60分及以上为合格，实操过程需全程记录操作步骤与判定依据，结果需符合人工智能训练师国家职业技能标准（2022年版）四级技能要求。第一模块数据标注与预处理（共40分，建议作答时长60分钟）1.政务咨询大模型语料语义标注实操（15分）题干：某省政务服务平台训练智能咨询大模型，需对采集的10条用户真实咨询语料完成三维度标注，标注规则如下：①意图分类标签体系包含5个互斥标签：政务办事咨询、政策条款咨询、投诉建议反馈、公共服务查询、无效/无关query；②实体抽取需识别语料中5类实体：办事事项、政策文件名称、行政区划、办理主体、诉求对象，实体边界以连续文本片段为准，不得拆分语义单元；③情感倾向标注分为正向、中性、负向三类，其中带明确不满、投诉表述的标注为负向，无情绪倾向的办事咨询标注为中性，带表扬、认可表述的标注为正向。待标注语料列表：（1）“你好，我户口在杭州市西湖区，想问问2025年出台的《浙江省灵活就业人员社保补贴实施细则》里，毕业2年内的高校毕业生申请补贴需要准备什么材料？”（2）“昨天我去拱墅区祥符街道便民服务中心办居住证，窗口工作人员态度特别差，排了3小时队到号了说材料不全也不一次性告知，我要投诉。”（3）“麻烦问下萧山区最近的24小时自助政务服务终端在哪里？我想打个人社保证明。”（4）“我想了解下2026年杭州市出台的《婴幼儿照护服务补贴发放办法》里，三孩家庭的补贴标准是多少？”（5）“你们这个平台能不能快点升级啊，每次点预约机动车年检都卡半天，体验太差了。”（6）“今天在余杭区仓前街道便民服务中心办营业执照，小姑娘全程耐心指导，10分钟就办好了，必须给个好评。”（7）“帮我查下明天宁波到杭州的高铁票多少钱？”（8）“临平区办理个体户营业执照的网上办理入口在哪里？需要上传经营场所证明吗？”（9）“哈哈哈哈今天天气真好啊适合出去玩。”（10）“我要反映上城区清波街道辖区里的小区消防通道被堵的问题，麻烦转给相关部门处理。”答题要求：逐一对每条语料完成三个维度的标注，标注结果需严格匹配给定标签体系，不得自行新增标签。评分标准：每条约1.5分，其中意图分类0.5分，实体抽取0.7分（漏标、错标1个实体扣0.2分，扣完为止），情感倾向0.3分，全对得15分。参考答案：（1）意图：政务办事咨询；实体：行政区划（杭州市西湖区）、政策文件名称（《浙江省灵活就业人员社保补贴实施细则》）、办事事项（灵活就业社保补贴申请）、诉求对象（毕业2年内的高校毕业生）；情感：中性（2）意图：投诉建议反馈；实体：行政区划（拱墅区）、办理主体（拱墅区祥符街道便民服务中心）、办事事项（居住证办理）、诉求对象（窗口工作人员）；情感：负向（3）意图：公共服务查询；实体：行政区划（萧山区）、办事事项（社保参保证明打印）、公共服务设施（24小时自助政务服务终端）；情感：中性（4）意图：政策条款咨询；实体：行政区划（杭州市）、政策文件名称（《婴幼儿照护服务补贴发放办法》）、诉求对象（三孩家庭）、办事事项（婴幼儿照护服务补贴申领）；情感：中性（5）意图：投诉建议反馈；实体：办事事项（机动车年检预约）、办理主体（政务服务平台）；情感：负向（6）意图：投诉建议反馈（表扬类）；实体：行政区划（余杭区）、办理主体（余杭区仓前街道便民服务中心）、办事事项（营业执照办理）、诉求对象（窗口工作人员）；情感：正向（7）意图：无效/无关query（不属于政务服务咨询范畴，属于交通出行商业查询）；实体：无；情感：中性（8）意图：政务办事咨询；实体：行政区划（临平区）、办事事项（个体户营业执照办理）、申请材料（经营场所证明）；情感：中性（9）意图：无效/无关query；实体：无；情感：中性（10）意图：投诉建议反馈；实体：行政区划（上城区）、办事事项（消防通道堵塞问题处置）、管理主体（清波街道）；情感：负向2.自动驾驶感知模型标注质检实操（15分）题干：某L2级自动驾驶感知模型训练项目中，外包团队完成了城市道路场景2Dboundingbox标注工作，标注要求为：①标注类别含行人、机动车、非机动车、交通标志、交通信号灯共5类；②标注框与目标实际边缘的像素偏差不得超过5像素；③属性标注需补充交通标志类型（禁令、警告、指示）、非机动车类型（电动自行车、自行车、三轮车）、机动车行驶状态（静止、行驶）；④所有画面中可见度超过30%的目标必须标注，不得漏标。现抽取20帧样本开展质检，已知样本中存在8处待核查点位，具体帧面信息如下：（1）帧号0012：画面右下角可见度60%的骑电动自行车戴头盔人员无对应标注框（2）帧号0037：路边设置的“禁止停车”禁令标志被标注为“指示标志”属性（3）帧号0052：前方同向行驶的白色轿车标注框右边缘距离车辆实际右边缘偏差12像素（4）帧号0079：路口的红色交通信号灯被标注为“交通标志”类别（5）帧号0103：路边停放的自行车被标注为“电动自行车”属性（6）帧号0127：前方横穿马路的行人标注框上边缘距离行人头顶实际位置偏差3像素（7）帧号0154：画面左下角被前车遮挡可见度20%的三轮车未标注（8）帧号0178：路边“注意行人”警告标志的标注框右边缘偏差4像素答题要求：逐帧判定是否存在标注错误，对存在错误的帧需明确错误类型（可选类型：漏标、错标、框体偏移超差、类别错配、属性标注错误），并写出具体修正方案。评分标准：每识别正确1处错误并给出合理修正方案得1.75分，误将合格标注判定为错误每处扣2分，扣完为止；其中错误类型判定占1分，修正方案占0.75分。参考答案：（1）帧号0012：错误类型为漏标；修正方案：补充标注该骑电动自行车人员，类别选择非机动车，属性标注为电动自行车，调整框体边缘与目标偏差不超过5像素。（2）帧号0037：错误类型为属性标注错误；修正方案：将该交通标志的属性从“指示标志”修改为“禁令标志”。（3）帧号0052：错误类型为框体偏移超差；修正方案：调整白色轿车标注框右边缘位置，将偏差控制在5像素以内，同步校验其余边缘贴合度。（4）帧号0079：错误类型为类别错配；修正方案：将目标标注类别从“交通标志”修改为“交通信号灯”，补充标注信号灯当前状态为红灯。（5）帧号0103：错误类型为属性标注错误；修正方案：将该非机动车属性从“电动自行车”修改为“自行车”。（6）帧号0127：标注合格，无错误，偏差3像素符合≤5像素的要求。（7）帧号0154：标注合格，无错误，目标可见度20%<30%，无需标注。（8）帧号0178：标注合格，无错误，偏差4像素符合要求。3.电商客服语料清洗实操（10分）题干：某电商智能客服训练数据集共12000条问答对，需完成数据清洗，清洗规则为：识别4类问题数据：①完全重复问答对（不同样本ID的query和answer文本完全一致）；②语义重复问答对（query表述不同但语义完全一致，answer核心信息无差异）；③含违规敏感内容问答对（文本含辱骂、色情、引导线下交易等违规内容）；④事实性错误问答对（answer内容与平台官方规则不一致）。以下为10条待清洗样本：（1）ID001：Q：退换货运费谁承担？A：个人原因退换货运费由消费者自行承担，订单有运费险的可自动抵扣首重运费。（2）ID002：Q：退货运费谁出？A：个人原因退货的话运费自己付，有运费险能报首重。（3）ID003：Q：你们客服是不是都死了，半天没人回？A：非常抱歉给您带来不好的体验，现在为您提供咨询服务。（4）ID004：Q：订单什么时候发货？A：付款后48小时内发出，预售商品以详情页标注时间为准。（5）ID005：Q：退换货运费谁承担？A：个人原因退换货运费由消费者自行承担，订单有运费险的可自动抵扣首重运费。（6）ID006：Q：能不能加微信私下给我优惠点？A：可以的，您加我微信13xxxxxxxxx，给您打八折。（7）ID007：Q：发什么快递？A：我们默认发中通快递，新疆西藏等偏远地区发邮政EMS。（8）ID008：Q：发什么快递？A：我们所有订单都发顺丰快递，送货上门。（9）ID009：Q：支持7天无理由退货吗？A：不影响二次销售的情况下支持7天无理由退货，定制商品除外。（10）ID010：Q：7天无理由怎么退？A：您在订单页申请退货就行，定制商品也能无理由退。答题要求：标注每条样本的问题类型，对无问题的样本标注为“合格数据”，并给出对应处理方式。评分标准：每条1分，问题类型判定0.5分，处理方式0.5分，共10分。参考答案：（1）ID001：合格数据，纳入训练集。（2）ID002：语义重复数据，处理方式：保留核心语义表述更规范的ID001样本，删除ID002，或将ID002作为口语化query补充到ID001的相似问法集合中。（3）ID003：含违规敏感内容（query含辱骂性表述），处理方式：对query中的辱骂词汇做脱敏处理，保留核心诉求语义后纳入训练集。（4）ID004：合格数据，纳入训练集。（5）ID005：完全重复数据，处理方式：直接删除重复样本，仅保留1条即可。（6）ID006：含违规敏感内容（引导线下私下交易），处理方式：直接删除该样本，避免模型学习到违规规则。（7）ID007：合格数据，纳入训练集。（8）ID008：事实性错误数据（快递规则与官方实际规则不符），处理方式：以官方规则为准修正answer内容，或直接删除该错误样本。（9）ID009：合格数据，纳入训练集。（10）ID010：事实性错误数据（定制商品不支持7天无理由退货的规则被错误表述），处理方式：修正answer中的错误内容，补充定制商品的退货规则说明后纳入训练集。第二模块模型微调与效果校验（共30分，建议作答时长45分钟）1.社区卫生服务模型微调参数配置实操（12分）题干：需基于开源7B参数通用大模型，采用LoRA方式微调训练社区卫生服务咨询模型，训练数据为经标注的12000条社区常见病咨询、疫苗接种咨询、家庭医生签约服务问答语料，硬件环境为单卡24G显存A10GPU，训练框架为开源LLaMA-Factory。给定参数可选值：训练轮次（epoch：1、3、5、10）、单卡批次大小（batchsize：2、8、32、128）、学习率（1e-1、2e-4、1e-5、1e-3）、量化方式（FP16全精度、8bit量化、4bit量化、不量化）、最大序列长度（128、512、2048、8192）、LoRA秩值（8、64、256、1024）。答题要求：（1）从每个参数的可选值中选择最适配当前场景的配置值；（2）说明每个参数选择的理由；（3）写出训练过程中需监控的3个核心指标及异常调整方向。评分标准：参数选择共6分，每个参数1分；选择理由共3分，每个参数理由0.5分；核心指标与调整方向共3分，每个指标1分。参考答案：（1）参数配置选择：训练轮次选3、单卡批次大小选8、学习率选1e-5、量化方式选4bit量化、最大序列长度选2048、LoRA秩值选8。（2）选择理由：①训练轮次3：12000条小样本垂直领域数据集，1轮会出现欠拟合，模型未充分学习领域知识；轮次≥5容易出现过拟合，导致模型通用能力下降、回答刻板，3轮可实现拟合效果与泛化能力的平衡。②批次大小8：单卡24G显存下，4bit量化7B模型的权重仅占约3.5G显存，配合LoRA训练时batchsize=8时显存占用约18G，留有充足冗余避免显存溢出；batchsize≥32时显存占用超过24G阈值，无法运行；batchsize=2时训练效率过低，梯度波动大。③学习率1e-5：LoRA微调通用大模型需采用较小学习率，避免更新幅度过大导致灾难性遗忘；学习率≥1e-4时训练步长过大，容易破坏原模型预训练知识；学习率过小会导致收敛速度过慢，训练效率低。④4bit量化：采用QLoRA4bit量化可在几乎不损失模型效果的前提下大幅降低显存占用，适配单卡24G硬件环境；8bit量化下显存占用约22G，留给激活值和梯度的冗余不足；FP16全精度训练需要至少40G显存，单卡24G无法支撑。⑤最大序列长度2048：社区卫生咨询场景的单轮问答平均长度约200-300字，最长多轮对话长度不超过1500字，2048的序列长度可覆盖99%以上的场景需求；8192长度会大幅增加显存占用、降低训练效率；128和512长度会导致长文本被截断，丢失核心信息。⑥LoRA秩值8：社区卫生服务场景知识边界清晰，小秩值即可覆盖领域增量知识的参数更新需求，秩值≥64会大幅增加可训练参数量，提升过拟合风险，同时降低训练效率。（3）核心监控指标与调整方向：①训练损失（trainloss）：若训练过程中损失持续不下降，说明学习率过低、批次过大，可适当提升学习率、减小批次大小；若损失下降过快出现震荡，说明学习率过高，需降低学习率。②验证损失（valloss）：若训练损失持续下降但验证损失上升，说明出现过拟合，需提前停止训练、降低训练轮次、加入dropout正则项、减小LoRA秩值。③验证集回答准确率：若训练后期准确率不再提升，说明训练数据覆盖不足或存在标注错误，需补充对应场景的训练样本、校验标注质量。2.模型推理效果校验实操（18分）题干：上述社区卫生服务模型完成微调后，抽取10条标注完成的测试样本开展效果校验，评分规则为：回答与标准答案核心信息完全一致得1分（完全符合），核心信息覆盖率≥60%但存在缺失得0.5分（部分符合），核心信息错误或未回应问题得0分（不符合）；badcase类型分为事实性错误（回答内容与官方医疗规范、服务规则不符）、答非所问（回答内容与用户问题无关）、内容冗余（回答夹带与问题无关的信息）。10条测试样本如下：（1）Q：8月龄宝宝可以接种麻腮风疫苗吗？标准答案：8月龄是麻腮风疫苗的常规接种月龄，无接种禁忌（如严重过敏、免疫缺陷、急性疾病发作期）的情况下可正常接种，接种后需留观30分钟，可能出现低热、局部红肿等轻微不良反应，一般1-2天可自行缓解。模型输出：8月龄宝宝可以接种麻腮风疫苗，接种后记得留观30分钟。（2）Q：家庭医生签约年缴费标准是多少？标准答案：本地常住居民签约家庭医生基础服务包，个人缴费30元/年，财政补贴90元/年；低保、特困、重度残疾等特殊困难群体个人缴费部分由财政全额承担，无需缴费。模型输出：家庭医生签约完全免费，直接带身份证去社区卫生服务中心签就可以。（3）Q：轻度咳嗽需要怎么处理？标准答案：轻度咳嗽无其他伴随症状的，可适当多喝温水、注意休息、保持室内通风，若咳嗽持续超过3天或伴随发热、咳痰等症状需及时就医。模型输出：轻度咳嗽可以多喝温水注意休息，如果加重及时就医。对了，我们中心下周有免费测血糖的活动，您有空可以来参加，平时可以多吃新鲜蔬菜补充维生素。（4）Q：高血压患者日常随访频率是多少？标准答案：原发性高血压患者血压控制稳定的，每3个月到社区卫生服务中心随访1次；血压控制不稳定的，每2-4周随访1次，根据情况调整用药方案。模型输出：高血压患者血压稳定的话每3个月随访一次，不稳定的话2-4周来一次，我们会根据情况调药。（5）Q：65岁以上老人免费体检项目有哪些？标准答案：65岁以上常住居民每年可享受1次免费健康体检，项目包含一般体格检查、血常规、尿常规、肝功能、肾功能、空腹血糖、血脂、心电图、腹部B超。模型输出：65岁以上老人每年可以免费体检，具体项目您来中心就知道了。（6）Q：被猫抓伤出血要打狂犬疫苗吗？标准答案：被猫抓伤出血属于III级暴露，需要立即用肥皂水冲洗伤口15分钟以上，碘伏消毒，并按程序全程接种狂犬疫苗，必要时注射狂犬病免疫球蛋白。模型输出：被猫抓伤出血要打狂犬疫苗，记得先冲伤口再去接种点。（7）Q：儿童入园前需要查验什么接种证明？标准答案：儿童入园前需提供预防接种证，由接种点完成国家免疫规划疫苗接种情况查验，漏种疫苗需及时补种后再办理入园手续。模型输出：儿童入园要带出生证明就行，不用带别的材料。（8）Q：糖尿病患者日常饮食要注意什么？标准答案：糖尿病患者需控制每日总热量摄入，减少精制糖、高油高盐食物摄入，主食搭配杂粮，多吃新鲜蔬菜，定时定量进餐，配合规律运动。模型输出：糖尿病患者要少吃甜的，多运动，您要是想开降糖药可以来我们中心找全科医生开。（9）Q：流感疫苗最佳接种时间是什么时候？标准答案：流感疫苗建议在每年流感流行季前接种，也就是9-10月份接种最佳，整个流行季内也可以接种。模型输出：流感疫苗最好每年9-10月份打，流行期间打也有用。（10）Q：家里老人突发心梗要怎么处理？标准答案：立即让老人平卧休息，不要随意搬动，马上拨打120急救电话，如果有硝酸甘油可让老人舌下含服，保持呼吸道通畅。模型输出：老人突发心梗要马上扶着坐起来，喝杯热水，再慢慢扶去医院。答题要求：（1）计算本次测试的模型回答准确率（总得分/总分）；（2）识别所有典型badcase，标注所属类型；（3）针对每类badcase给出1条可落地的优化建议。评分标准：准确率计算3分，badcase识别9分（每个1分），优化建议6分（每类2分），共18分。参考答案：（1）准确率计算：逐条评分：样本1得0.5分，样本2得0分，样本3得0.5分，样本4得1分，样本5得0.5分，样本6得0.5分，样本7得0分，样本8得0.5分，样本9得1分，样本10得0分。总得分=0.5+0+0.5+1+0.5+0.5+0+0.5+1+0=5分，准确率=5/10=50%。（2）Badcase识别：①事实性错误：样本2（签约费用表述错误）、样本7（入园查验材料表述错误）、样本10（心梗急救处理方式完全错误，存在误导风险）；②内容冗余：样本3（回答夹带无关的测血糖活动宣传内容）、样本8（回答夹带开降糖药的无关引导内容）；③信息缺失类问题：样本1、样本5、样本6均存在核心信息覆盖不全问题，但无错误或无关内容，属于效果待优化点，不属于典型badcase。（3）优化建议：①针对事实性错误：全面梳理训练集中涉及医疗规范、服务规则的问答对，联合社区卫生服务中心的专业医师完成内容校验，替换所有错误答案，补充缺失的核心知识点，对涉及医疗安全的急救、用药类内容建立“双审”机制，标注准确率要求达到100%。②针对内容冗余：在训练数据中增加拒绝无关输出的偏好样本，明确回答需紧扣用户问题，不得夹带无关的活动宣传、服务引导内容；推理时将温度系数调整为0.2，降低输出随机性，设置与问题语义相似度的输出校验阈值，低于阈值的无关内容自动裁剪。③针对信息缺失问题：梳理所有知识点的标准答案要素清单，标注时要求所有核心要素必须完整，训练后测试时设置核心要素覆盖率校验规则，覆盖率低于80%的回答触发重新生成。第三模块问题排查与迭代优化（共30分，建议作答时长45分钟）1.智能客服运行故障排查（12分）题干：某电商智能客服上线后，运营人员反馈三类异常问题：①用户发送“我要改下收货地址”，模型固定返回兜底话术“请您说明需要咨询的具体问题”；②用户发送方言转写文本“俺昨儿个拍的那褂子啥时候能发啊”，模型返回“抱歉无法理解您的问题”；③用户咨询“你们发什么快递”，模型有时返回“默认发中通，偏远发邮政”，有时返回“所有订单发顺丰”，回答前后矛盾。答题要求：针对每类异常，分析至少2种可能原因，写出对应的排查步骤与解决方法。评分标准：每类异常4分，其中原因分析2分，排查步骤与解决方法2分，共12分。参考答案：（1）异常1（改地址触发兜底）：可能原因：①意图识别模块训练数据中，“修改收货地址”意图的口语化表达样本覆盖不足，模型未将该query识别为对应意图；②意图识别置信度阈值设置过高（如设置为0.85），模型识别到该query的意图置信度低于阈值，触发兜底回复。排查步骤：导出该次会话的后台日志，查看模型对该query的意图判定结果与置信度数值；检索训练集，统计“修改收货地址”意图的样本量与口语化表达覆盖情况。解决方法：补充“改地址、换收货地址、改下收货位置”等口语化表达样本到对应意图下，重新微调意图分类头；根据验证集的F1值最优结果，将意图置信度阈值调整为0.6，平衡误识别与兜底率。（2）异常2（方言query无法理解）：可能原因：①训练语料以标准书面语为主，未覆盖北方方言中的高频口语词汇（俺、昨儿个、褂子），模型词表或语义表示未学习到对应语义；②前置语音转写模块未适配方言场景，转写结果存在错误，导致输入文本语义偏差。排查步骤：查看语音转写模块输出的原始文本，确认转写准确率；检索模型训练集，确认方言口语词汇的覆盖比例，验证模型对该类词汇的语义识别效果。解决方法：采集高频方言口语表达的语料，通过同义词映射将方言词汇对应到标准语义（褂子→衣服/上衣，昨儿个→昨天，俺→我），补充到训练集中微调；优化语音转写模型的方言识别能力，针对电商场景的高频方言词汇做定制化优化。（3）异常3（同一问题回答矛盾）：可能原因：①训练数据中存在多来源的冲突语料，不同时期的快递规则问答对未做统一清洗，模型同时学习到了矛盾的答案；②推理阶段温度系数设置过高（如设置为1.0），输出随机性过大，导致同一问题生成不同答案。排查步骤：检索训练集中所有与快递发货相关的问答对，排查是否存在规则冲突的内容；查看模型推理配置文件中的温度系数、top_p等随机性参数设置。解决方法：统一梳理平台最新的快递发货规则，删除训练集中所有过期、冲突的语料，将标准答案更新为最新规则；将确定性问题（如快递、发货时间、退换货规则）的推理温度系数调整为0.1-0.3，降低输出随机性，对高频确定性问题建立标准答案模板库，匹配到对应意图时优先调用模板回复。2.交通咨询AI助手迭代方案设计（18分）题干：某城市大脑交通出行咨询AI助手上线3个月后，用户满意度为72%，低于90%的目标值，后台统计未解决会话TOP3类型为：①临时交通管制信息查询，未解决率42%；②定制公交路线申请，未解决率37%；③交通事故快处流程咨询，未解决率29%。答题要求：制定为期1个月的训练数据迭代优化方案，需包含数据采集来源与渠道、数据标注规范要点、数据集划分规则、效果验收指标四个核心部分，内容需符合四级AI训练师的职责边界，可落地执行。评分标准：数据采集部分5分，标注规范部分5分，数据集划分部分4分，验收指标部分4分，共18分。参考答案：（1）数据采集来源与渠道（周期前10天完成采集）：①历史会话日志采集：导出近3个月三类问题的所有用户真实会话记录，去重、过滤无效内容后，整理得到原始语料约2700条，其中临时管制类1200条、定制公交类800条、事故快处类700条，覆盖用户真实提问的口