2026年人工智能基础职业资格考试试题及答案

2026年人工智能基础职业资格考试试题及答案一、单项选择题（共20题，每题1分，每题的备选项中只有1个最符合题意）1.2025年我国工信部发布的《人工智能产业人才能力框架》中，将人工智能基础职业能力划分为4个核心维度，以下不属于该框架核心维度的是（）A.数据处理能力B.模型应用能力C.伦理合规能力D.核心算法研发能力答案：D解析：《人工智能产业人才能力框架》明确基础职业面向产业落地一线，核心维度为数据处理、模型应用、系统运维、伦理合规4类，核心算法研发属于中高级研发岗位能力要求，不属于基础职业范畴。2.按照GB/T4208-2022《人工智能术语》定义，以下关于弱人工智能的表述准确的是（）A.具备自主意识、可跨领域完成通用任务的人工智能系统B.仅能在特定预设场景下完成单一或有限任务的人工智能系统C.推理能力达到人类专家水平的人工智能系统D.可自主进化迭代、无需人类干预的人工智能系统答案：B解析：弱人工智能又称专用人工智能，是面向特定场景设计、仅能完成预设范围内任务的AI系统，当前产业落地的绝大多数AI应用均属于弱人工智能范畴；A、D选项为强人工智能的典型特征，C选项为专家系统的属性。3.结构化数据是AI数据处理环节的核心处理对象，以下属于结构化数据的是（）A.医院存储的CT影像文件B.电商平台用户的收货地址文本评价C.银行系统存储的用户月度交易金额数据表D.工厂车间设备运行的音频监测片段答案：C解析：结构化数据是指可通过二维表结构逻辑表达实现存储的数据，具备固定字段、统一格式；A为图像类非结构化数据，B为文本类非结构化数据，D为音频类非结构化数据，均不符合结构化数据定义。4.某企业训练客户流失预测模型时，因训练样本中92%为留存客户、8%为流失客户，导致模型将所有样本均判定为留存客户，这类问题属于数据质量问题中的（）A.数据缺失B.标签噪声C.类别不平衡D.数据重复答案：C解析：类别不平衡指分类任务中不同类别的样本数量差距悬殊，导致模型倾向于预测占比高的类别，忽略少数类的识别效果；数据缺失指样本字段值为空，标签噪声指标注错误，数据重复指样本冗余，均与题干场景不符。5.人工智能监督学习任务的核心特征是（）A.训练数据无对应标签，由模型自主挖掘数据内在规律B.训练数据带有明确标注标签，通过学习输入到输出的映射关系完成预测C.以“试错-奖励”机制迭代优化策略，适配序列决策场景D.借助已有领域的标注数据辅助目标领域的模型训练答案：B解析：监督学习的核心是使用带标注的数据训练映射模型；A选项为无监督学习特征，C选项为强化学习特征，D选项为迁移学习特征。6.某内容平台需要根据用户历史浏览、点赞数据为用户推送可能感兴趣的内容，这类任务最适合采用的AI任务类型是（）A.二分类任务B.回归任务C.推荐系统任务D.图像语义分割任务答案：C解析：推荐系统任务的核心是基于用户行为数据刻画用户偏好，匹配用户可能感兴趣的内容或服务；二分类任务输出0/1类别结果，回归任务输出连续数值结果，图像语义分割针对像素级分类场景，均不匹配。7.在卷积神经网络（CNN）的核心结构中，负责提取图像局部纹理、边缘等基础特征的层级是（）A.卷积层B.池化层C.全连接层D.激活层答案：A解析：卷积层通过滑动卷积核的方式提取输入图像的局部特征，浅层卷积层负责提取边缘、纹理等基础特征，深层卷积层负责提取语义特征；池化层负责特征降维、压缩参数量，全连接层负责将特征映射到分类输出空间，激活层负责引入非线性变换。8.以下Transformer架构组件中，负责让模型在处理当前位置词汇时关注上下文其他位置词汇关联关系的核心组件是（）A.位置编码B.自注意力机制C.残差连接D.层归一化答案：B解析：自注意力机制通过计算序列中每个位置与其他所有位置的关联权重，实现对全局上下文信息的聚合建模；位置编码负责为序列注入位置信息，残差连接解决深层网络梯度消失问题，层归一化用于稳定模型训练过程。9.AI模型训练过程中出现训练集准确率持续提升、但验证集准确率达到峰值后持续下降的现象，该现象被称为（）A.欠拟合B.过拟合C.梯度消失D.梯度爆炸答案：B解析：过拟合的典型表现是模型过度学习训练集的噪声和细节，在训练集表现优异但泛化能力差，验证集效果下降；欠拟合表现为训练集和验证集准确率均偏低，梯度消失、梯度爆炸是训练过程中梯度计算异常导致模型无法收敛的问题。10.模型推理环节中，在精度损失可控前提下将32位浮点数参数转换为8位整数参数，以降低模型体积、提升推理速度的技术是（）A.模型蒸馏B.模型量化C.模型剪枝D.模型集成答案：B解析：模型量化是通过降低参数位宽实现模型轻量化的技术；模型蒸馏是用大模型输出指导小模型训练以压缩模型，模型剪枝是移除模型中冗余的参数或结构，模型集成是融合多个模型的预测结果提升精度。11.按照《生成式人工智能服务管理暂行办法》要求，生成式AI服务提供者应当对生成内容进行审核，留存网络日志的时间不少于（）A.3个月B.6个月C.12个月D.24个月答案：B解析：《生成式人工智能服务管理暂行办法》明确要求服务提供者对生成内容进行审核，网络日志留存时间不少于6个月，落实内容安全主体责任。12.某企业使用AI系统进行简历筛选时，因训练数据存在历史招聘的性别偏好，导致系统自动降低女性应聘者的简历评分，这类风险属于AI伦理风险中的（）A.数据隐私泄露风险B.算法偏见风险C.知识产权侵权风险D.内容生成hallucination风险答案：B解析：算法偏见指算法因训练数据偏差、设计缺陷等原因，对特定群体产生不公平的歧视性结果；数据隐私风险指未经授权收集、泄露用户个人信息，知识产权风险指训练数据、生成内容侵犯他人著作权，hallucination指大模型生成不符合事实的虚假内容。13.在企业级AI系统部署架构中，负责完成数据采集、清洗、标注全流程管理的模块是（）A.模型训练模块B.数据治理模块C.推理服务模块D.监控运维模块答案：B解析：数据治理模块覆盖数据从接入到输出高质量数据集的全流程，包括数据接入、清洗、标注、质量校验、版本管理等功能；模型训练模块负责基于数据集完成模型迭代，推理服务模块负责对外提供模型预测接口，监控运维模块负责系统运行状态监测。14.AI系统上线后，以下运维指标中用于衡量模型预测结果与真实值偏差程度的核心指标是（）A.推理延迟B.服务可用性C.模型精度D.资源利用率答案：C解析：模型精度直接反映模型预测的准确程度，包括分类任务的准确率、召回率、F1值，回归任务的MAE、RMSE等；推理延迟衡量单次请求的响应时间，服务可用性衡量系统正常提供服务的时长占比，资源利用率反映GPU/CPU等硬件的使用效率。15.某智慧工厂要实现生产线产品表面缺陷的自动识别，检测人员需对相机采集的产品图像标注缺陷位置与类型，这类标注任务属于（）A.图像分类标注B.目标检测标注C.语义分割标注D.关键点标注答案：B解析：目标检测标注需要标注出图像中目标的boundingbox位置与对应类别，适配缺陷定位与识别场景；图像分类仅需标注整张图像的类别，语义分割需对每个像素标注类别，关键点标注针对人体、物体的关键点位标注，均不匹配需求。16.标注工具操作过程中，以下做法不符合数据标注质量管控要求的是（）A.标注前统一开展标注规则培训，明确各类边界场景的判定标准B.建立“标注-初审-复核”三级质检流程，抽检比例不低于10%C.为提升标注效率，允许标注人员根据个人理解调整标注规则D.对标注一致性低于90%的标注批次，退回重新标注答案：C解析：数据标注必须严格遵循统一的标注规范，不得随意调整规则，否则会导致标签噪声，影响模型训练效果；其余选项均为数据标注质量管控的标准流程要求。17.大语言模型应用中，通过给模型输入清晰的任务指令、相关背景知识、输出格式要求来引导模型生成符合预期结果的技术是（）A.微调（Fine-tuning）B.提示词工程（PromptEngineering）C.检索增强生成（RAG）D.对齐训练（RLHF）答案：B解析：提示词工程指通过优化输入给大模型的提示内容，无需调整模型参数即可提升输出质量；微调需要调整模型参数，RAG通过外挂知识库为模型补充外部知识，RLHF是基于人类反馈的强化学习对齐技术，均不符合题干描述。18.以下关于人工智能安全防护的做法，错误的是（）A.对AI系统的训练数据集进行脱敏处理，移除个人身份证号、手机号等敏感信息B.在AI服务接口设置访问频率限制，防范恶意对抗样本攻击与爬虫爬取C.为提升模型训练效率，可直接使用来源不明的公开数据集和开源预训练模型D.定期对上线AI系统开展算法安全评估，排查算法偏见、漏洞等风险答案：C解析：来源不明的数据集和开源模型可能包含恶意代码、侵权内容、数据投毒等风险，必须经过安全校验后方可使用；其余选项均为AI安全防护的规范做法。19.某社区引入AI人脸识别系统作为门禁核验方式，根据《个人信息保护法》要求，以下做法符合规定的是（）A.强制要求所有居民必须录入人脸信息方可进入小区，不提供其他核验方式B.明确告知居民人脸信息的收集目的、存储期限、使用范围，取得居民单独同意C.将收集的人脸信息同步提供给社区周边的商业机构用于用户精准营销D.人脸信息存储在无访问权限控制的社区公共服务器中，无加密措施答案：B解析：《个人信息保护法》明确生物识别信息属于敏感个人信息，处理需取得个人单独同意，明确告知使用目的、范围、期限，且需提供替代核验方式，不得随意向第三方提供，需采取必要的安全存储措施；A、C、D选项均违反法规要求。20.人工智能基础职业从业人员的核心职业素养要求中，位于首要位置的是（）A.技术能力优先，可突破伦理边界实现效果最优B.遵守国家法律法规，恪守AI伦理准则，安全合规开展工作C.以企业商业利益为核心，无需考虑用户权益D.优先追求技术创新性，可忽略系统上线的风险评估答案：B解析：AI从业人员必须将合规性、伦理准则放在首位，遵守法律法规，保障用户权益，在安全可控的前提下开展技术应用。二、多项选择题（共10题，每题2分，每题的备选项中有2个或2个以上符合题意，错选、少选均不得分）1.数据清洗环节中，常见的脏数据类型包括（）A.缺失值B.重复值C.异常值D.格式不一致数据答案：ABCD解析：数据清洗的核心是处理各类脏数据，以上四类均为常见的脏数据类型，清洗过程需根据业务场景选择填充、删除、转换、修正等处理方式。2.以下属于无监督学习典型任务的有（）A.基于客户消费行为数据开展客户分群B.识别邮件是否为垃圾邮件C.对新闻文本按主题自动聚类D.预测二手房的交易价格答案：AC解析：客户分群、文本聚类均为无监督学习任务，无需带标注的数据即可挖掘数据的内在分组结构；B选项垃圾邮件识别为分类任务，属于监督学习；D选项房价预测为回归任务，属于监督学习。3.评估二分类模型效果的常用指标包括（）A.准确率（Accuracy）B.精确率（Precision）C.召回率（Recall）D.F1值（F1-Score）答案：ABCD解析：以上四类均为二分类任务的核心评估指标，其中准确率反映整体预测正确的样本占比，精确率反映预测为正类的样本中真实为正类的比例，召回率反映真实正类样本中被正确预测的比例，F1值是精确率和召回率的调和平均值。4.计算机视觉领域的常见落地场景包括（）A.园区安防的人脸核验与异常行为检测B.自动驾驶的路况识别与障碍物检测C.医疗领域的CT影像辅助诊断D.金融领域的智能客服问答答案：ABC解析：A、B、C选项均为计算机视觉技术的典型落地场景；D选项智能客服问答属于自然语言处理场景。5.自然语言处理领域的常见任务包括（）A.机器翻译B.文本情感分析C.语音识别D.智能问答答案：ABD解析：机器翻译、情感分析、智能问答均为自然语言处理领域的核心任务；语音识别属于语音信号处理领域，不属于自然语言处理范畴。6.根据《新一代人工智能伦理规范》，人工智能研发与应用应当遵循的伦理准则包括（）A.增进人类福祉B.促进公平公正C.保护隐私安全D.坚持可控可信答案：ABCD解析：《新一代人工智能伦理规范》明确了六项基本伦理准则，包括增进人类福祉、促进公平公正、保护隐私安全、确保可控可信、强化责任担当、提升伦理素养，以上选项均符合要求。7.AI系统运维过程中，需要持续监控的运行指标包括（）A.接口调用成功率B.平均推理响应时间C.模型预测结果的准确率漂移情况D.GPU/CPU内存资源占用率答案：ABCD解析：AI系统运维需覆盖服务可用性、性能、模型效果、资源使用多个维度，以上指标均为常规监控项，其中模型漂移是指数据分布变化导致模型精度下降，需持续监测并及时迭代模型。8.数据标注过程中，可能引发标注质量问题的因素有（）A.标注规则不清晰，边界场景判定标准不明确B.标注人员未经过系统培训，对规则理解存在偏差C.质检流程缺失，未对标注结果进行抽样校验D.标注任务量过大，标注人员为赶进度降低标注标准答案：ABCD解析：以上因素均会导致标注质量下降，需通过明确规则、加强培训、完善质检、合理排期等方式保障标注质量。9.以下属于生成式人工智能典型应用的有（）A.基于文本描述自动生成营销海报图像B.自动生成会议纪要并提炼核心待办事项C.根据产品参数自动生成产品宣传文案D.基于历史销售数据预测下季度产品销量答案：ABC解析：生成式AI的核心是生成全新的文本、图像、音频等内容，A为图像生成、B和C为文本生成，均属于生成式AI应用；D选项销量预测属于预测类判别式AI任务，不属于生成式应用。10.AI从业人员在工作中需严格遵守的数据安全要求包括（）A.不得私自复制、留存工作中接触的企业涉密数据与用户个人信息B.按照最小权限原则申请数据访问权限，不越权访问无关数据C.对外发布技术成果时，需对涉及的敏感数据进行脱敏处理D.经企业授权后的数据共享流程，需签订数据安全协议明确责任答案：ABCD解析：以上选项均为数据安全管理的规范要求，从业人员需严格遵守，防范数据泄露风险。三、判断题（共10题，每题1分，正确选√，错误选×）1.人工智能就是可以完全替代人类、具备自主意识的机器人系统。（）答案：×解析：当前落地的人工智能均为弱人工智能，不具备自主意识，是辅助人类完成特定任务的工具，无法完全替代人类，也不局限于机器人形态。2.数据质量是决定AI模型效果的核心因素之一，高质量数据集对模型效果的影响往往大于算法本身的优化。（）答案：√解析：人工智能领域有“垃圾进、垃圾出”的共识，低质量数据无法训练出高精度的模型，高质量标注数据是模型效果的核心基础。3.模型训练过程中，学习率设置越大，模型收敛速度越快，最终模型精度越高。（）答案：×解析：学习率过大会导致模型参数更新步长过大，无法收敛到最优解，甚至出现震荡发散的情况，需根据任务设置合适的学习率，而非越大越好。4.为了提升模型在测试集上的精度，可以将测试集数据加入训练集参与模型训练。（）答案：×解析：测试集是用于评估模型泛化能力的独立数据集，若参与训练会导致数据泄露，评估结果无法反映模型真实效果。5.生成式人工智能生成的内容不存在事实错误，可以直接作为权威信息使用。（）答案：×解析：生成式AI存在幻觉问题，可能生成不符合事实的虚假内容，使用前需进行事实核验，不能直接作为权威信息使用。6.AI系统上线后，由于数据分布会随时间发生变化，模型效果可能出现漂移，需要定期迭代更新。（）答案：√解析：概念漂移、数据分布漂移是AI系统落地后的常见问题，例如用户行为变化、场景变化都会导致模型精度下降，需定期监测并迭代模型。7.数据标注过程中，只要标注人员足够认真，不需要统一的标注规则也能得到高质量的标注结果。（）答案：×解析：统一的标注规则是保障标注一致性的核心前提，不同人员对同一样本的认知可能存在差异，无统一规则会导致标注标准混乱，标签噪声升高。8.只要技术上能够实现，就可以随意采集用户的人脸、指纹、行踪轨迹等敏感信息用于AI模型训练。（）答案：×解析：采集敏感个人信息必须符合《个人信息保护法》要求，遵循最小必要、知情同意原则，不得超范围采集用户信息。9.大语言模型的检索增强生成（RAG）技术可以通过引入外部权威知识库，有效降低模型幻觉问题，提升生成内容的准确性。（）答案：√解析：RAG技术在生成内容时会先检索外部知识库的相关权威内容，作为上下文输入给模型，有效减少模型无依据编造内容的幻觉问题，提升内容准确性。10.人工智能技术应用过程中，应当坚持“以人为本”，确保技术发展服务于人类社会福祉，不得损害公共利益与用户合法权益。（）答案：√解析：这是我国人工智能发展与应用的核心原则，技术创新与落地必须始终将人类利益、公共利益放在首位。四、简答题（共4题，每题10分）1.请简述人工智能项目从需求落地到上线运维的标准流程，以及基础职业人员在各环节的核心职责。参考答案：人工智能项目的标准落地流程共分为6个核心环节，基础岗位人员的对应职责如下：（1）需求调研与场景评估环节：核心职责是对接业务端需求，评估需求是否具备AI落地的可行性，梳理场景的业务边界、效果指标、数据基础，避免为应用AI而应用AI的无效投入，形成可落地的需求方案。（2）数据治理环节：核心职责是完成数据接入、数据清洗、数据标注、质量校验全流程工作，按照标注规范完成数据集构建，排查数据缺失、噪声、不平衡、隐私风险等问题，形成高质量的训练、验证、测试数据集，完成数据版本管理。（3）模型开发与训练环节：基础岗位人员无需承担核心算法研发，核心职责是根据场景需求选择适配的开源模型或商用API，基于已有数据集完成模型调参、训练、效果评估，对比不同模型的精度、推理速度、资源占用，选择综合表现最优的模型方案。（4）模型轻量化与优化环节：核心职责是根据部署环境要求，通过量化、剪枝、蒸馏等技术完成模型轻量化优化，在精度损失可控的前提下降低模型体积、提升推理速度，满足线上服务的性能要求。（5）系统部署与测试环节：核心职责是配合开发人员完成模型部署上线，开展功能测试、性能测试、安全测试，验证模型效果、接口稳定性、响应延迟是否符合业务要求，排查部署过程中的兼容性问题。（6）监控运维与迭代环节：核心职责是持续监控系统运行状态、模型精度漂移情况、资源使用情况，及时响应线上故障，定期收集业务端反馈，新增标注数据迭代更新模型，保障系统长期稳定运行。2.请简述数据标注流程中三级质检机制的具体内容，以及标注质量不合格的常见处理方式。参考答案：三级质检机制是数据标注行业保障标注质量的标准流程，具体内容为：（1）一级自检：标注人员完成分配的标注任务后，首先对照标注规则自行检查标注结果，修正明显的漏标、错标问题，确认无误后提交初审。（2）二级初审：由质检人员对提交的标注批次进行全量或高比例抽检，重点检查标注框位置偏差、标签分类错误、漏标等问题，对标注错误标注清晰的修改意见，退回标注人员修正。（3）三级复核：由资深质检人员或项目负责人对初审通过的批次进行二次抽样复核，重点检查边界场景的判定一致性，计算标注员之间的一致性（IAA），一般要求一致性不低于90%方可通过验收。针对标注质量不合格的批次，常见处理方式包括：一是对错误率低于10%的批次，将错误样本退回标注员针对性修正后重新提交审核；二是对错误率在10%-30%的批次，要求标注员重新学习标注规则，完成规则考核后将整个批次退回重新标注；三是对错误率高于30%或多次修正仍不达标的批次，更换标注人员重新完成标注，同时追溯标注培训、规则传导环节的问题。3.请简述生成式人工智能应用中常见的安全合规风险，以及对应的基础防控措施。参考答案：生成式人工智能应用的常见安全合规风险与防控措施如下：（1）内容安全风险：包括生成暴力、色情、虚假信息、违法违规内容等问题。防控措施：部署内容安全审核接口，对输入提示词和输出内容进行双层审核，建立违规词库、敏感内容识别机制，对违规内容拦截并记录日志，定期更新审核规则。（2）算法偏见与歧视风险：模型因训练数据偏差生成歧视特定群体、不公平的内容。防控措施：对训练数据进行偏见排查，移除带有歧视性的训练样本，在提示词中加入公平性约束，定期开展算法偏见评估，对发现的偏见问题及时调整模型与规则。（3）知识产权风险：包括训练数据侵权、生成内容侵犯他人著作权、商标权等问题。防控措施：使用获得合法授权的训练数据，对生成的涉及知识产权的内容进行来源核验，明确生成内容的知识产权归属，提示用户使用生成内容时注意版权风险。（4）隐私泄露风险：模型可能在生成内容中泄露训练数据包含的个人敏感信息、商业秘密。防控措施：对训练数据进行脱敏处理，移除敏感信息，部署隐私检测接口拦截输出中的敏感信息，建立用