2026年人工智能训练师(三级)职业技能鉴定理论考试题库(含答案)

2026年人工智能训练师(三级)职业技能鉴定理论考试题库(含答案)一、单项选择题（共40题，每题1分，共计40分。每题的备选项中，只有1个最符合题意）1.依据2025年修订的《中华人民共和国职业分类大典》，人工智能训练师的职业编码为（）。A.4-04-05-01B.4-04-05-02C.4-04-05-03D.4-04-05-042.三级（中级）人工智能训练师的岗位核心职责不包括（）。A.独立完成文本、图像、音频等多模态数据的精细化标注B.协助开展数据清洗、数据增强等数据预处理工作C.独立设计人工智能算法的核心架构与损失函数D.辅助完成小样本场景下的模型微调与效果初评3.以下数据类型中，不属于多模态数据范畴的是（）。A.文本B.3D点云C.结构化表格D.音视频同步数据4.在文本数据标注任务中，“实体链接标注”的核心目标是（）。A.识别文本中的实体边界B.将识别出的实体链接到对应知识库的唯一实体条目C.给实体标注情感倾向D.给实体标注词性5.针对自动驾驶场景的3D点云数据标注，以下哪项不属于常用标注类型（）。A.3Dboundingbox标注B.点云语义分割标注C.车道线实例标注D.文本情感标注6.数据清洗环节中，“去重操作”的核心目的是（）。A.提升数据多样性B.减少冗余数据对模型训练的干扰C.增加数据量D.提升数据标注效率7.以下哪项不属于图像数据清洗的常规操作（）。A.移除模糊图像B.移除重复图像C.调整图像亮度至统一标准D.给图像添加分类标签8.2026年主流的大语言模型低成本微调技术中，不需要修改模型主干参数的是（）。A.全参数微调B.LoRA微调C.预训练D.强化学习从人类反馈中学习（RLHF）9.在监督学习的数据集划分中，用于模型训练过程中调整超参数、验证模型泛化能力的数据集是（）。A.训练集B.验证集C.测试集D.增强集10.人工智能训练师在进行数据标注时，以下哪种行为符合数据安全合规要求（）。A.将标注的人脸数据私自下载到个人设备B.未经授权将标注任务转介给第三方人员C.严格在指定的涉密/合规标注平台内完成操作D.在公开社交平台分享标注数据的截图11.以下哪款工具属于专业的视频数据标注工具（）。A.LabelImgB.CVATC.jiebaD.Pandas12.在情感标注任务中，“三分类情感标注”通常指的是（）。A.正面、负面、中性B.高兴、悲伤、愤怒C.肯定、否定、疑问D.主观、客观、中立13.数据增强是提升模型鲁棒性的常用手段，以下哪项属于文本数据增强操作（）。A.文本去重B.同义词替换C.去除特殊符号D.拼写纠错14.针对语音识别模型的训练数据标注，以下哪项属于核心标注内容（）。A.说话人的身高B.语音对应的文本转写内容C.语音的文件格式D.语音的录制设备15.三级人工智能训练师在进行模型微调时，通常不需要参与的工作是（）。A.整理微调所需的指令数据集B.配置微调的基础参数（如批量大小、学习率）C.设计模型的注意力机制架构D.记录微调过程中的损失值变化16.以下哪项指标是评估图像分类模型准确率的核心指标（）。A.精确率（Precision）B.召回率（Recall）C.Top-1准确率D.帧率（FPS）17.在数据标注过程中，“标注一致性”指的是（）。A.不同标注员对同一数据的标注结果符合统一的规则B.同一标注员每天的标注数量一致C.不同数据集的标注类型一致D.标注工具的操作界面一致18.以下哪项属于AIGC场景下的文本标注任务（）。A.新闻文本分类B.大模型指令微调的指令-回复对标注C.实体识别标注D.词性标注19.针对3D人脸数据标注，必须严格遵守的法律法规不包括（）。A.《中华人民共和国个人信息保护法》B.《中华人民共和国数据安全法》C.《中华人民共和国网络安全法》D.《中华人民共和国专利法》20.Pandas是Python中常用的数据处理工具，它的核心数据结构不包括（）。A.SeriesB.DataFrameC.TensorD.Panel21.以下哪项不属于图像标注中的细粒度标注内容（）。A.车辆的品牌、型号、颜色B.人物的年龄区间、性别、服饰类型C.图像的拍摄地点D.图像的文件存储路径22.在语音数据标注中，“音素标注”主要用于以下哪类模型训练（）。A.语音合成（TTS）模型B.语音唤醒模型C.声纹识别模型D.语音降噪模型23.数据集划分时，如果数据量较少（如小于1万条），以下哪种划分方式更合理（）。A.6:2:2划分训练、验证、测试集B.采用留一法交叉验证C.全部数据作为训练集，不需要测试集D.9:1划分训练和测试集，不需要验证集24.以下哪项属于数据标注中的“懒标注”问题（）。A.标注员严格按照规则标注每一条数据B.标注员为了凑量，随意选择标注结果C.标注员主动反馈规则问题D.标注员之间互相核对标注结果25.大语言模型微调中的“指令微调（InstructionTuning）”的核心目标是（）。A.提升模型的参数总量B.让模型更好地理解人类指令并输出符合要求的内容C.提升模型的训练速度D.降低模型的推理成本26.以下哪种数据属于结构化数据（）。A.图片B.音频C.关系型数据库中的表格数据D.自然语言文本27.三级人工智能训练师在使用标注工具时，以下哪种操作是正确的（）。A.随意修改工具的核心配置参数B.遇到工具故障时自行破解工具权限C.按照操作规范使用工具，遇到问题及时上报D.将工具安装到个人私人设备上28.以下哪项指标用于衡量语言模型的生成质量与流畅度（）。A.Top-1准确率B.困惑度（Perplexity）C.mAPD.交并比（IoU）29.在图像语义分割标注中，需要标注的内容是（）。A.图像中每个物体的边界框B.图像中每个像素所属的类别C.图像的整体分类标签D.图像中物体的关键点30.以下哪项不属于人工智能训练师的职业素养要求（）。A.严谨细致的工作态度B.良好的沟通反馈能力C.数据安全合规意识D.高超的算法研发能力31.针对医疗影像数据的标注，以下哪项要求是错误的（）。A.需要有专业医疗背景的人员参与标注或审核B.医疗数据属于敏感个人信息，需要严格保密C.可以随意将医疗数据用于其他商业项目D.标注规则需符合医疗行业的专业标准32.以下哪种数据增强方式常用于图像数据（）。A.同义词替换B.随机裁剪、翻转C.语序打乱D.文本回译33.标注项目中，“标注规则文档”的核心作用不包括（）。A.统一标注标准B.减少标注歧义C.提升标注一致性D.提高数据采集速度34.在强化学习从人类反馈（RLHF）流程中，人工智能训练师主要参与的环节是（）。A.设计奖励模型的算法架构B.对模型生成的内容进行排序或评分标注C.训练奖励模型D.微调强化学习策略模型35.以下哪项属于3D点云数据的特点（）。A.数据量小，处理简单B.能够准确反映空间三维结构信息C.只能通过相机采集D.不需要标注就可以直接用于模型训练36.数据标注项目的验收环节，核心验收指标不包括（）。A.标注准确率B.标注完成率C.标注数据的格式规范性D.标注工具的品牌37.以下哪款工具是Python中常用的图像处理工具（）。A.OpenCVB.NLTKC.Scikit-learnD.Flask38.三级人工智能训练师在进行标注质量自检时，以下哪种做法是错误的（）。A.对照标注规则逐一核对标注结果B.发现标注错误及时修正C.为了节省时间，只抽查1%的数据进行自检D.对不确定的标注结果提交审核人员确认39.以下关于大模型微调的说法，错误的是（）。A.微调是在预训练模型的基础上，用特定数据进一步训练，适配具体场景B.全参数微调的成本远高于LoRA微调C.微调后的模型效果一定比预训练模型差D.微调需要使用与目标场景相关的数据集40.人工智能训练师在工作中接触到的用户隐私数据，以下处理方式正确的是（）。A.工作结束后将数据保存在个人电脑中方便后续使用B.经上级审批后，在合规范围内使用数据，用后按要求销毁C.将数据分享给同行业的朋友参考D.直接将数据上传到公开云盘存储二、多项选择题（共10题，每题2分，共计20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）1.三级人工智能训练师应掌握的标注技能包括（）。A.多模态数据精细化标注B.标注规则解读与疑问反馈C.标注质量自检D.算法架构设计2.以下属于数据预处理阶段核心工作的有（）。A.脏数据清洗B.数据格式统一C.数据分类标注D.重复数据删除3.以下属于大语言模型微调常见应用场景的有（）。A.垂直领域问答适配B.特定风格文案生成C.图像分类识别D.企业内部知识库问答4.评估数据标注质量的核心指标包括（）。A.标注准确率B.标注一致性C.标注完成率D.标注工具版本5.以下哪些行为违反了人工智能训练师的职业伦理规范（）。A.泄露标注过程中接触的涉密数据B.为了提高效率随意更改标注结果C.主动反馈标注规则中的不合理之处D.私自拷贝工作相关的训练数据6.以下属于多模态大模型训练所需数据类型的有（）。A.文本数据B.图像数据C.音频数据D.视频数据7.针对目标检测模型的效果评估，常用的指标包括（）。A.mAP（平均精度均值）B.召回率C.精确率D.困惑度（Perplexity）8.三级人工智能训练师在辅助模型训练时，需要关注的训练过程指标包括（）。A.训练损失（TrainingLoss）B.验证损失（ValidationLoss）C.模型参数总量D.训练轮次（Epoch）9.以下属于文本数据标注类型的有（）。A.实体识别标注B.关系抽取标注C.语义分割标注D.情感倾向标注10.人工智能训练师在使用开源大模型进行微调时，需要注意的合规要求包括（）。A.确认开源模型的授权许可范围B.训练数据不得侵犯他人知识产权C.生成内容需符合内容安全规范D.可以随意将微调后的模型商用三、判断题（共20题，每题0.5分，共计10分。判断结果正确填“√”，错误填“×”）1.三级人工智能训练师可以独立完成复杂多模态数据的标注与质量自检工作。2.数据标注环节不需要遵循数据安全合规要求，只有模型训练环节需要。3.LoRA微调技术的优势是训练成本低、占用显存少，适合小样本场景下的大模型适配。4.数据集中训练集、验证集、测试集的划分可以是任意比例，无需结合数据量与任务类型调整。5.实体识别标注的核心是给文本中的每个词标注词性。6.3D点云数据标注仅适用于自动驾驶场景，无法应用于医疗、机器人等其他领域。7.人工智能训练师在标注过程中遇到规则不明确的问题，应自行按照主观判断标注，无需向上级反馈。8.数据增强的核心目的是增加数据多样性，提升模型的泛化能力与鲁棒性。9.大模型指令微调的数据集质量不会对最终模型的适配效果产生明显影响。10.标注一致性是衡量标注团队工作质量的重要指标，通常用Kappa系数进行量化评估。11.语音数据标注中的“情感标注”属于语音识别任务的必要标注内容。12.三级人工智能训练师需要掌握从0到1预训练千亿参数大模型的核心技术。13.图像数据的像素归一化操作属于数据预处理环节的工作内容。14.测试集可以在模型训练过程中反复使用，用于调整模型超参数。15.人工智能训练师的职业伦理仅涉及数据安全保护，不涵盖算法公平性、内容合规性等内容。16.LabelStudio是一款支持文本、图像、音频、视频等多模态数据标注的开源工具。17.文本去重操作属于数据增强的常用实现方式之一。18.mAP（平均精度均值）是评估目标检测模型性能的核心指标之一。19.《中华人民共和国个人信息保护法》规定，处理敏感个人信息应当取得个人的单独同意。20.三级人工智能训练师无需参与模型效果初评工作，该环节完全由算法工程师负责。四、简答题（共3题，每题6分，共计18分）1.请简述三级（中级）人工智能训练师的核心岗位职责。2.请简述数据标注质量控制的主要措施（至少列出6项）。3.请简述LoRA微调技术的核心特点与适用场景。五、综合分析题（共1题，共计12分）某电商企业计划基于开源7B参数大语言模型，搭建智能客服系统，实现商品咨询、订单查询、售后处理等场景的自动回复。该项目需三级人工智能训练师参与数据准备、微调辅助与效果初评等工作。结合岗位要求与项目背景，回答以下问题：（1）该项目需准备至少3类标注数据，请分别说明数据类型与对应用途。（6分）（2）在数据处理与模型微调辅助过程中，需遵循哪些合规要求与质量管控标准？（6分）参考答案一、单项选择题1.A2.C3.C4.B5.D6.B7.D8.B9.B10.C11.B12.A13.B14.B15.C16.C17.A18.B19.D20.C21.D22.A23.B24.B25.B26.C27.C28.B29.B30.D31.C32.B33.D34.B35.B36.D37.A38.C39.C40.B二、多项选择题1.ABC2.ABD3.ABD4.ABC5.ABD6.ABCD7.ABC8.ABD9.ABD10.ABC三、判断题1.√2.×3.√4.×5.×6.×7.×8.√9.×10.√11.×12.×13.√14.×15.×16.√17.×18.√19.√20.×四、简答题1.三级（中级）人工智能训练师核心岗位职责包括：（1）数据处理：独立完成文本、图像、音频、3D点云等多模态数据的精细化标注，开展数据清洗、数据增强、格式转换等数据预处理工作，完成标注数据的自检与互检；（2分）（2）模型训练辅助：协助整理模型微调所需的场景化数据集，按照规范配置微调基础参数（如批量大小、学习率、训练轮次），监控训练过程中的损失值、准确率等指标并做好记录；（2分）（3）效果评估辅助：协助搭建测试数据集，计算精确率、召回率、准确率等基础评估指标，初步分析模型效果问题并反馈给算法团队；（1分）（4）合规与安全：严格遵守数据安全、个人信息保护相关法律法规与职业伦理规范，按要求操作标注与训练工具，防止数据泄露。（1分）2.数据标注质量控制的主要措施包括：（1）制定完善的标注规则文档，明确标注标准、边界定义，附典型正例、反例与疑难场景说明，减少标注歧义；（1分）（2）开展标注前的专项培训与考核，确保标注人员充分理解规则，考核通过后方可上岗；（1分）（3）建立标注员自检机制，要求标注人员完成单批次任务后，按不低于10%的比例自查，及时修正明显错误；（1分）（4）配置专职审核人员，按项目要求比例（通常为20%-100%）进行抽检或全检，建立错误反馈闭环，督促标注人员整改；（1分）（5）定期开展标注一致性评估，通过计算Kappa系数等方式衡量不同标注人员的结果一致性，及时统一标注标准；（1分）（6）建立疑问快速反馈机制，收集标注过程中的规则模糊问题，由规则制定方及时更新文档并同步给所有标注人员；（1分）（7）搭建质量与绩效挂钩的考核机制，对标注准确率高、一致性好的人员给予奖励，对质量不达标的人员进行再培训或淘汰。（答出任意6项即可得满分）3.LoRA（低秩适配）微调技术的核心特点与适用场景如下：核心特点：（1）参数高效：仅训练注入预训练模型的低秩旁路矩阵，不修改模型主干参数，可训练参数量仅为全参数微调的0.1%-1%；（1分）（2）成本低廉：训练显存占用低，单张消费级显卡即可完成百亿参数模型的微调，训练速度快；（1分）（3）可插拔性强：不同场景的LoRA权重可独立存储，推理时加载对应权重即可切换场景，无需存储多个完整大模型；（1分）适用场景：（1）小样本场景的垂直领域适配：如企业客服、医疗问答、法律文书生成等数据量有限的场景；（1分）（2）算力资源有限的微调场景：无大规模算力集群的中小型企业或团队，可通过LoRA快速实现大模型落地；（1分）（3）多场景快速迭代场景：需针对不同业务线快速适配专属模型的场景，可基于同一基础模型训练多套LoRA权重，降低迭代成本。（1分）五、综合分析题（1）项目所需标注数据类型及用途：①指令-回复对标注数据：针