2026年人工智能训练师(四级)理论真题及答案

2026年人工智能训练师(四级)理论真题及答案一、单项选择题（共25题，每题1分，共25分。每题的备选项中，只有1个最符合题意）1.依据《人工智能训练师国家职业技能标准（2025年修订版）》，四级/中级工的核心工作范畴不包括（）A.数据采集与标注B.模型基础训练辅助C.大模型全参数微调D.模型基础测试2.以下数据类型中，不属于多模态人工智能训练常用采集范畴的是（）A.文本数据B.图像数据C.音频数据D.工业控制程序数据3.实体标注任务中，衡量标注者间一致性的核心指标IOA（Inter-AnnotatorAgreement）的最低合格标准为（）A.0.5B.0.7C.0.8D.0.954.文本训练数据的语义近似去重场景中，最常用的算法是（）A.MD5哈希B.SimHashC.SHA-256哈希D.循环冗余校验（CRC）5.监督学习任务中，数据集常规划分为训练集、验证集、测试集的通用比例为（）A.5:3:2B.7:2:1C.6:2:2D.8:1:16.以下轻量化大模型微调方法中，属于参数高效微调（PEFT）范畴的是（）A.全参数微调B.预训练C.LoRA微调D.继续预训练7.批量梯度下降（BGD）算法的核心特点是（）A.每次迭代使用单个样本更新参数，速度快B.每次迭代使用全量训练数据更新参数，收敛稳定但速度慢C.每次迭代使用小批量样本更新参数，兼顾速度与稳定性D.无需计算梯度，适配无监督学习任务8.某图像分类模型训练过程中，训练集准确率达98.7%，验证集准确率仅为71.2%，该现象最可能属于（）A.欠拟合B.过拟合C.数据泄露D.模型收敛9.以下操作中，不属于图像数据增强范畴的是（）A.随机裁剪B.角度旋转C.语义分割D.亮度调整10.分类任务评估中，精确率（Precision）的计算公式为（）A.TP/(TP+FN)B.TP/(TP+FP)C.TN/(TN+FN)D.(TP+TN)/(TP+TN+FP+FN)11.依据《生成式人工智能服务管理规定（2025年修订）》，人工智能训练数据不得包含的内容不包括（）A.危害国家安全、泄露国家秘密的内容B.侵害他人知识产权的内容C.已公开的通用学科知识内容D.宣扬民族歧视、宗教极端思想的内容12.以下工具中，不属于数据标注专用工具的是（）A.LabelStudioB.LabelImgC.PyTorchD.VGGImageAnnotator（VIA）13.多模态大模型训练中，“模态对齐”的核心目标是（）A.让不同模态的数据格式完全统一B.将不同模态的特征映射到同一语义空间C.让所有模态的参数量保持一致D.提升单一模态的训练速度14.根据数据标注行业通用规范，常规标注任务的质量抽检比例最低不低于总标注量的（）A.1%B.5%C.15%D.20%15.以下个人信息处理方式中，属于不可逆脱敏操作的是（）A.身份证号中间8位用*号掩码B.手机号哈希加盐后存储C.地址信息泛化到省级行政区D.姓名替换为随机化名16.四级人工智能训练师需掌握的模型基础部署操作是（）A.将训练好的模型导出为ONNX通用格式B.设计分布式推理集群架构C.进行模型量化压缩与剪枝D.开发云原生模型部署服务17.横向联邦学习的适用场景是（）A.不同参与方拥有相同用户群体、不同特征维度的数据B.不同参与方拥有相同特征维度、不同用户群体的数据C.参与方之间的用户与特征维度均无重叠D.仅适用于图像单模态数据训练18.以下提示词设计方式中，属于少样本提示（Few-shotPrompting）的是（）A.直接给出任务要求，不提供任何示例B.给出3个同类任务的示例后，再提出具体任务要求C.要求模型按照指定格式输出结果D.拆分复杂任务为多个子任务逐步提示19.以下标注任务中，属于语义分割标注范畴的是（）A.用矩形框标注图像中的车辆位置B.为文本中的人物、地点实体添加标签C.为图像中每个像素分配“天空”“道路”“建筑”等类别标签D.将语音内容转录为对应文字20.模型训练过程中，学习率设置过大最可能导致的问题是（）A.模型震荡不收敛B.收敛速度过慢C.欠拟合D.训练成本降低21.人工智能训练师在工作中严禁泄露训练数据中的个人隐私与商业秘密，这符合的职业守则是（）A.爱岗敬业B.数据合规C.公平公正D.精益求精22.以下情况中，会导致训练数据集产生明显偏差的是（）A.训练集包含多场景下的样本B.某类目标样本占比仅为0.1%，远低于实际场景占比C.数据集经过严格去重清洗D.数据集划分遵循随机原则23.以下模型测试内容中，不属于功能性测试范畴的是（）A.分类准确率测试B.推理速度测试C.鲁棒性测试D.任务完成度测试24.结构化标注数据（如分类标签、标注人员信息等）最适合存储在（）A.关系型数据库（如MySQL）B.对象存储（如OSS）C.文档数据库（如MongoDB）D.缓存数据库（如Redis）25.LoRA参数高效微调的核心原理是（）A.修改大模型所有层的全部参数B.仅修改大模型的输出层参数C.在大模型注意力层插入低秩矩阵，仅训练新增的低秩参数D.删除大模型中冗余的层结构，降低参数量【单项选择题答案】1.C2.D3.C4.B5.B6.C7.B8.B9.C10.B11.C12.C13.B14.B15.B16.A17.B18.B19.C20.A21.B22.B23.B24.A25.C二、多项选择题（共15题，每题2分，共30分。每题的备选项中，有2个或2个以上符合题意，错选、少选、多选均不得分）1.依据《人工智能训练师国家职业技能标准（2025年修订版）》，四级/中级工的核心工作内容包括（）A.数据采集与清洗B.数据标注与质检C.大模型全参数微调D.基础模型测试E.模型架构设计2.以下操作中，属于文本数据清洗范畴的有（）A.去除特殊符号与乱码B.繁简转换与大小写统一C.停用词过滤D.图像去噪E.音频降噪3.数据标注质量的核心评估指标包括（）A.标注准确率B.标注一致性C.标注完成率D.模型准确率E.推理速度4.以下方法中，属于参数高效微调（PEFT）范畴的有（）A.LoRAB.QLoRAC.PrefixTuningD.全参数微调E.预训练5.解决模型过拟合的常用方法有（）A.增加训练数据量B.采用数据增强技术C.加入正则化约束D.大幅提高学习率E.使用早停（EarlyStopping）机制6.生成式人工智能训练数据的合规要求包括（）A.不得侵害他人知识产权B.不得包含违法违规内容C.涉及个人信息的需取得合法授权D.必须使用公开数据集E.可随意爬取网络公开内容用于训练7.多模态人工智能训练常用的数据类型包括（）A.文本B.图像C.音频D.视频E.工业控制指令8.以下工具/框架中，属于常用深度学习训练框架的有（）A.PyTorchB.TensorFlowC.LabelStudioD.HuggingFaceTransformersE.MySQL9.训练数据集划分的基本原则包括（）A.互斥性：各数据集无样本重叠B.分布一致性：数据分布与实际场景一致C.随机性：样本随机划分D.训练集占比越大越好E.测试集可参与训练过程10.人工智能训练师需遵守的职业伦理规范包括（）A.主动规避算法偏见B.严格保护数据隐私C.如实记录训练过程D.可修改测试结果提升性能指标E.随意使用未授权数据11.以下操作中，属于图像数据增强范畴的有（）A.随机水平翻转B.随机裁剪C.亮度与对比度调整D.文本同义词替换E.语音语速调整12.分类任务的常用评估指标包括（）A.精确率B.召回率C.F1值D.交并比（IoU）E.困惑度13.数据脱敏的常用操作方法有（）A.哈希加盐B.数据掩码C.泛化处理D.数据增强E.特征提取14.提示工程的基础实用技巧包括（）A.明确具体的任务指令B.提供参考示例C.拆分复杂任务为子任务D.使用模糊表述扩大模型输出范围E.添加大量无关前缀15.四级人工智能训练师需独立完成的模型基础测试工作包括（）A.基础准确率统计B.常见badcase分类整理C.分布式推理性能测试D.偏见风险初步排查E.模型量化压缩优化【多项选择题答案】1.ABD2.ABC3.ABC4.ABC5.ABCE6.ABC7.ABCD8.ABD9.ABC10.ABC11.ABC12.ABC13.ABC14.ABC15.ABD三、判断题（共20题，每题0.5分，共10分。正确的填“√”，错误的填“×”）1.四级人工智能训练师可独立完成大模型的架构设计与核心算法研发工作。2.数据标注规则一旦确定，在整个项目周期内不得进行任何调整。3.训练集与测试集存在样本重叠时，会导致模型评估结果偏高，无法真实反映泛化能力。4.LoRA微调的参数量仅为全参数微调的千分之一甚至更低，训练成本显著降低。5.标注者间一致性（IOA）越高，说明标注结果的可靠性越强。6.网络上的公开内容均可直接用于商业生成式AI模型训练，无需考虑版权问题。7.欠拟合是指模型在训练集上表现优异，但在测试集上表现较差的现象。8.多模态大模型的模态对齐是指将文本、图像等不同模态的特征映射到同一语义空间，实现跨模态语义关联。9.数据清洗仅需处理缺失值，无需处理重复值与噪声数据。10.学习率设置越小，模型收敛速度越快。11.人工智能训练师需对自己负责处理的训练数据质量承担直接责任。12.联邦学习可在不共享原始数据的前提下完成多主体联合训练，有效保护数据隐私。13.语义分割标注与目标检测标注的输出形式与精度要求完全一致。14.公开数据集无需审查授权协议即可直接用于商业模型训练。15.零样本提示（Zero-shotPrompting）是指不给模型提供任何示例，直接给出任务要求的提示方式。16.模型测试阶段，测试集数据可以参与训练过程，提升模型性能。17.标注质量抽检比例越高，质量管控效果越好，但对应的人力与时间成本也越高。18.困惑度（Perplexity）是评估语言模型性能的核心指标之一，困惑度越低，说明模型的语言建模能力越强。19.四级人工智能训练师只需掌握技术操作，无需了解AI伦理与数据合规相关法规。20.ONNX是一种通用的神经网络模型格式，可实现不同深度学习框架之间的模型转换与部署。【判断题答案】1.×2.×3.√4.√5.√6.×7.×8.√9.×10.×11.√12.√13.×14.×15.√16.×17.√18.√19.×20.√四、简答题（共4题，每题5分，共20分）1.简述四级人工智能训练师在数据标注环节的主要工作内容。2.简述数据清洗的核心目标及4种常用的文本数据清洗操作。3.简述模型过拟合的典型表现及3种以上常用解决方法。4.简述人工智能训练师在工作中需遵守的数据合规基本要求。【简答题参考答案及评分标准】1.（1）按照标注规则完成文本、图像、音频等单模态或基础多模态数据的标注操作（1分）；（2）配合项目负责人完成标注规则的初步验证，及时反馈标注过程中遇到的歧义问题（1分）；（3）对自身完成的标注数据进行自审，修正明显的标注错误（1分）；（4）配合质检人员完成标注质量抽检，按要求整改不合格标注（1分）；（5）记录标注过程中的数据特征与问题，为数据集优化提供基础参考（1分）。2.核心目标：消除数据中的错误、冗余、偏差与不一致问题，提升数据的规范性、准确性和可用性，为模型训练提供高质量输入基础（2分）。常用操作：①噪声清除：去除特殊符号、乱码、无关广告等无效内容（1分）；②去重处理：通过精确匹配或SimHash等方法去除重复样本（1分）；③缺失值处理：对缺失关键信息的样本进行补全或剔除（0.5分）；④格式统一：完成繁简转换、大小写统一、全角半角转换等格式规范化操作（0.5分）。3.典型表现：模型在训练集上的准确率、损失值等指标表现优异，但在验证集、测试集上的性能明显下降，模型泛化能力差（2分）。常用解决方法：①数据层面：扩充训练数据量，或通过数据增强提升样本多样性（1分）；②模型层面：降低模型复杂度，或使用Dropout、权重衰减等正则化方法（1分）；③训练层面：采用早停机制、调整学习率策略，或加入L1/L2正则化约束（1分）。4.（1）数据来源合规：训练数据需具有合法来源，不得使用未授权的受版权保护内容、非法获取的个人信息等（1分）；（2）隐私保护合规：涉及个人可识别信息（PII）的数据需进行脱敏处理，或取得数据主体的明确授权（1分）；（3）内容质量合规：训练数据不得包含危害国家安全、宣扬暴力恐怖、歧视性等违法违规内容（1分）；（4）使用范围合规：严格按照授权范围使用数据，不得超出约定用途传播、泄露训练数据（1分）；（5）合规记录留存：妥善保存数据来源、授权证明、合规审查记录等材料，配合监管检查（1分）。五、综合应用题（共1题，共15分）某教育科技企业计划训练一款面向中小学学科答疑的生成式AI助手，目前已通过公开题库、合作学校授权等渠道采集了10万条中小学学科题目与解答的原始文本数据。根据项目安排，由四级人工智能训练师牵头负责数据集预处理与标注质量管控工作。请结合四级训练师的职业能力范畴，回答以下问题：（1）该数据集在正式标注前需要完成哪些核心清洗工作？请列出至少6项并说明对应目的（8分）（2）为保障标注质量，应采取哪些具体管控措施？请列出至少4项并说明其作用（7分）【综合应用题参考答案及评分标准】（1）核心清洗工作及目的（共8分，答出任意8项得满分，不足6项每项扣1分）：①无效内容剔除：删除与中小学学科答疑无关的广告、灌水、非学科类文本，保障数据集的内容相关性（1分）；②重复数据去重：通过精确匹配或SimHash语义去重删除重复题目与解答样本，避免模型训练出现过拟合（1分）；③乱码与格式清洗：去除文本中的特殊符号、乱码、无关排版标记，统一公式、符号的格式规范（如LaTeX公式格式）