2026年人工智能训练师(三级)理论真题及详细答案

2026年人工智能训练师(三级)理论真题及详细答案一、单项选择题（共20题，每题1分，总计20分。每道题只有1个正确答案，请将正确答案的序号填在括号内）1.根据《生成式人工智能服务管理暂行办法（2025修订版）》，人工智能训练师开展训练数据采集时应遵循的首要原则是（）A.最大化覆盖原则B.最小必要原则C.成本最优原则D.效率优先原则【答案】B【解析】2025年修订的《生成式人工智能服务管理暂行办法》明确要求，生成式AI训练数据采集需遵循最小必要原则，即仅采集训练所必需的数据，不得过度收集个人信息或无关数据，这是三级人工智能训练师必须掌握的合规基础要求。选项A最大化覆盖原则易导致过度采集，违反合规要求；选项C、D为业务运营原则，不得凌驾于合规原则之上。2.在多模态图文训练数据标注中，用于明确文本描述与图像区域对应关系的标注类型属于（）A.分类标注B.序列标注C.关联标注D.分割标注【答案】C【解析】关联标注是多模态数据标注的核心类型之一，用于建立不同模态数据之间的映射关系，图文对齐、音画同步等标注均属于关联标注范畴，是三级训练师开展多模态训练数据质量校验的核心内容之一。选项A分类标注是对单模态数据赋予类别标签；选项B序列标注用于文本、语音等序列数据的元素级标注；选项D分割标注是图像数据的像素级分类标注，均不涉及跨模态映射。3.以下哪种数据质量问题属于标注一致性问题（）A.数据集中存在100条完全重复的对话样本B.同一条客户投诉对话，两名标注员分别标注为“愤怒”和“不满”C.训练数据中缺少60岁以上老年用户的语音样本D.部分图像样本存在模糊、无法识别的情况【答案】B【解析】标注一致性是指不同标注员对同一标注对象的标注结果吻合程度，是衡量标注质量的核心指标之一，三级训练师需负责完成标注一致性校验（即IAA计算）。选项A属于数据冗余问题；选项C属于数据覆盖率不足问题；选项D属于数据原始质量问题，均不属于标注一致性范畴。4.在大模型参数高效微调方法中，LoRA技术的核心原理是（）A.在输入层添加可训练的提示向量，不修改模型原有参数B.冻结模型原有参数，仅训练注意力层的低秩分解矩阵C.对模型的全连接层进行剪枝，减少待训练参数数量D.将大模型蒸馏为小模型后再进行全参数微调【答案】B【解析】LoRA（Low-RankAdaptation）是当前主流的参数高效微调方法，核心思路是冻结预训练大模型的全部原有参数，在Transformer的注意力层插入低秩分解矩阵，仅训练这部分少量参数即可实现模型的领域适配，训练成本仅为全参数微调的1%-5%，是三级人工智能训练师需掌握的基础模型训练知识。选项A是PromptTuning的原理；选项C是模型剪枝的原理；选项D是知识蒸馏的原理。5.根据GB/T41818-2022《人工智能数据脱敏技术要求》，涉及敏感个人信息的训练数据脱敏后，抽检准确率应不低于（）A.95%B.98%C.99.5%D.100%【答案】C【解析】国家标准明确要求，敏感个人信息脱敏后的质量抽检准确率需达到99.5%以上，确保脱敏后数据无法被反向识别到特定自然人，三级训练师在开展数据脱敏质量校验时需严格执行该标准。选项A、B为一般业务数据的脱敏准确率要求；选项D为核心涉密数据的要求，不符合敏感个人信息的标准规定。6.以下哪种训练数据标注工具属于开源标注工具（）A.百度智能云数据标注平台B.阿里云标注服务C.LabelStudioD.腾讯云TI平台标注工具【答案】C【解析】LabelStudio是目前应用最广泛的开源多模态数据标注工具，支持文本、图像、音频、视频等多种类型数据的标注，可本地化部署，适合数据保密要求高的场景，三级训练师需掌握至少1款开源标注工具的基本操作。选项A、B、D均为商用云服务标注平台，不属于开源工具。7.在文本分类模型训练中，用于衡量模型对某一类别样本识别能力的指标“召回率”的计算公式是（）A.真正例/(真正例+假正例)B.真正例/(真正例+假负例)C.(真正例+真负例)/总样本数D.2*精确率*召回率/(精确率+召回率)【答案】B【解析】召回率（Recall）又称查全率，指模型正确识别出的正例占所有实际正例的比例，计算公式为真正例/(真正例+假负例)，是三级训练师开展模型效果评估的核心指标之一。选项A为精确率（查准率）的计算公式；选项C为准确率的计算公式；选项D为F1值的计算公式。8.人工智能训练师在开展标注工作时，以下哪种行为符合职业伦理要求（）A.为提高标注效率，对难以判断的样本随机选择标签B.将工作中接触的患者病历数据私自导出到个人设备C.发现标注规则存在性别歧视倾向时，及时向上级反馈D.自行修改标注规则以加快自己的标注速度【答案】C【解析】三级人工智能训练师需遵守职业伦理规范，发现数据或标注规则存在偏见、合规风险时，有义务及时向上级管理人员反馈，不得隐瞒或私自修改规则。选项A属于工作失职，会降低标注数据质量；选项B违反数据安全规定，涉嫌侵犯公民个人信息；选项D违反工作流程，会导致标注标准不统一。9.在图像目标检测任务的标注中，用于标记目标物体位置和大小的标注格式是（）A.boundingbox（边界框）B.polygon（多边形）C.keypoint（关键点）D.mask（掩码）【答案】A【解析】边界框（bbox）是目标检测任务中最常用的标注格式，通过矩形框的左上角和右下角坐标标记目标的位置和大小，三级训练师需熟练掌握目标检测标注的格式要求和质量校验方法。选项B多边形用于不规则形状的分割标注；选项C关键点用于人体姿态、面部特征等点位标注；选项D掩码用于像素级分割标注。10.以下关于大模型训练中“过拟合”的描述，正确的是（）A.训练集损失上升，验证集损失下降B.训练集损失下降，验证集损失持续上升C.训练集和验证集损失都持续下降D.训练集和验证集损失都持续上升【答案】B【解析】过拟合是指模型过度学习训练数据中的噪声和细节，导致在训练集上表现优异，但在未见过的验证集/测试集上表现下降的现象，核心特征是训练集损失持续下降，验证集损失在达到一个拐点后持续上升或停滞不前。三级训练师需具备识别过拟合现象的能力，并能采取基础调优措施。选项A属于欠拟合的异常表现；选项C为模型正常收敛的表现；选项D为学习率过大或数据存在严重问题的表现。11.根据《人工智能训练师国家职业技能标准（2023年版）》，三级/高级工的技能要求中，数据处理模块的核心能力不包括（）A.开展训练数据的质量抽检与一致性校验B.设计复杂场景的标注规则与流程C.完成多模态数据的脱敏与清洗操作D.整理标注错误样本并提出规则优化建议【答案】B【解析】根据国家职业技能标准，三级人工智能训练师属于高级工层级，需掌握数据质量校验、多模态数据处理、错误样本整理等技能，但复杂场景标注规则设计属于二级/技师的技能要求，三级人员仅能参与规则验证，不负责规则设计。选项A、C、D均为三级训练师的必备技能。12.在语音识别训练数据标注中，以下哪种标注属于韵律标注（）A.标注语音对应的文本内容B.标注语音中的停顿、重音、语调变化C.标注说话人的性别、年龄D.标注语音中的背景噪音类型【答案】B【解析】韵律标注是语音标注的重要类型，用于标记语音的韵律特征，包括停顿位置、重音位置、语调升降、语速等，是生成式语音模型训练的核心数据之一，三级训练师需掌握语音标注的基本类型和质量要求。选项A为文本转写标注；选项C为说话人属性标注；选项D为噪音环境标注，均不属于韵律标注范畴。13.某批次共8000条标注数据，已知标注一致性系数（Kappa值）为0.72，根据标注质量等级划分，该批次标注质量属于（）A.不合格B.合格C.良好D.优秀【答案】C【解析】标注一致性Kappa值是衡量标注质量的核心指标，通常Kappa值<0.6为不合格，0.6-0.7为合格，0.7-0.85为良好，0.85以上为优秀。该批次Kappa值为0.72，属于良好等级，三级训练师需掌握Kappa值的计算方法和等级判定标准。14.以下哪种数据清洗操作可用于解决训练数据中的类别不平衡问题（）A.删除重复数据B.对少数类样本进行过采样C.过滤缺失值超过30%的样本D.修正标注错误的样本【答案】B【解析】类别不平衡是指训练数据中不同类别的样本数量差异过大，会导致模型偏向多数类，对少数类识别效果差。解决方法包括对少数类过采样、对多数类欠采样、生成合成样本（如SMOTE算法）等，三级训练师需掌握类别不平衡的基础处理方法。选项A用于解决数据冗余问题；选项C用于解决数据缺失问题；选项D用于解决标注质量问题，均与类别不平衡无关。15.在生成式AI训练中，以下哪种数据属于“违法违规数据”，不得纳入训练数据集（）A.已获得授权的公开学术论文B.用户公开发布但未明确授权的短视频内容C.含有宣扬邪教、恐怖主义内容的文本D.已脱敏的医疗健康数据【答案】C【解析】根据《生成式人工智能服务管理暂行办法》，含有宣扬邪教、恐怖主义、色情暴力、歧视等内容的数据属于违法违规数据，严禁纳入训练数据集。选项A为已授权的合法数据；选项B属于存在版权风险的数据，需获得授权后使用，但不属于违法违规数据；选项D为已脱敏的合规医疗数据，可用于训练。16.LoRA微调中，参数“r”（秩）的大小对模型的影响，以下描述正确的是（）A.r越大，待训练参数越少，训练速度越快B.r越小，模型拟合能力越强，越容易过拟合C.r越大，待训练参数越多，模型适配能力越强D.r大小与模型效果无关，可任意设置【答案】C【解析】LoRA的秩r决定了低秩矩阵的维度，r越大，待训练的参数数量越多，模型对领域数据的拟合适配能力越强，但训练成本越高，也越容易出现过拟合；r越小，待训练参数越少，训练速度越快，但拟合能力有限。三级训练师需根据数据集大小和任务难度合理设置r值，通常小样本场景下r设为4-16，大样本场景下设为16-64。17.以下关于训练数据“脱敏”和“匿名化”的区别，描述正确的是（）A.脱敏后的数据仍可通过技术手段复原，匿名化后无法复原B.匿名化后的数据仍可通过技术手段复原，脱敏后无法复原C.脱敏和匿名化是同一概念，没有区别D.脱敏仅适用于文本数据，匿名化仅适用于图像数据【答案】A【解析】根据《个人信息保护法》，脱敏（假名化）是指个人信息经过处理，使其在不借助额外信息的情况下无法识别特定自然人，但结合额外信息仍可复原的处理方式；匿名化是指个人信息经过处理无法识别特定自然人且不能复原的处理方式。二者有明确法律定义上的区别，且均适用于各类数据类型，三级训练师需准确区分，避免合规风险。18.在模型训练过程中，三级训练师的核心职责不包括（）A.监控训练过程中的损失变化、显存占用等指标B.当训练出现异常时，及时终止训练并上报问题C.设计模型的整体架构与核心算法D.整理训练日志，记录参数调整情况【答案】C【解析】三级人工智能训练师属于执行层，负责训练过程监控、异常上报、日志记录等实操性工作，模型架构设计与核心算法研发属于算法工程师的职责，不在三级训练师的技能要求范围内。选项A、B、D均为三级训练师在模型训练模块的核心职责。19.某图像分类训练数据集共10000张图像，其中猫的图像有8000张，狗的图像有1500张，鸟的图像有500张，以下哪种情况最可能由类别不平衡导致（）A.模型对猫的识别准确率只有60%B.模型对鸟的识别准确率只有30%C.模型整体准确率只有50%D.模型训练速度比预期慢2倍【答案】B【解析】类别不平衡会导致模型偏向样本数量多的类别，对样本数量少的类别识别效果差。该数据集中鸟的样本数量最少（仅占5%），最容易出现识别准确率低的问题。选项A猫的样本最多，通常准确率最高；选项C整体准确率低通常由数据质量差、模型参数设置错误等导致，与类别不平衡无直接关联；选项D训练速度慢通常与硬件性能、batch_size设置、数据量大小有关，与类别分布无关。20.根据职业伦理要求，人工智能训练师不得利用职务便利从事的行为不包括（）A.泄露训练数据中的商业秘密B.私自使用公司的大模型算力资源进行个人项目训练C.对训练数据中的偏见问题进行上报并提出改进建议D.伪造标注数据以提高工作效率【答案】C【解析】选项C是符合职业伦理的正确行为，三级训练师有义务发现并上报训练数据中的偏见问题，推动模型公平性提升。选项A违反保密义务；选项B侵占公司资源；选项D属于工作造假，均为违反职业伦理的行为。二、多项选择题（共10题，每题2分，总计20分。每道题有2个及以上正确答案，多选、少选、错选均不得分，请将正确答案的序号填在括号内）1.三级人工智能训练师开展训练数据质量校验的核心指标包括（）A.标注准确率B.标注一致性（Kappa值）C.数据冗余率D.数据覆盖率E.数据采集成本【答案】ABCD【解析】训练数据质量校验的核心指标包括数据完整性、准确性、一致性、覆盖率、冗余率、时效性等，三级训练师需掌握这些指标的计算方法和合格标准。选项E数据采集成本属于项目运营指标，不属于数据质量校验指标。2.以下属于多模态训练数据类型的有（）A.文本-图像配对数据B.语音-文本转写数据C.视频-字幕配对数据D.纯文本分类数据E.纯图像分割数据【答案】ABC【解析】多模态数据是指包含两种及以上模态的训练数据，文本-图像、语音-文本、视频-字幕均属于跨模态配对数据，是多模态大模型训练的核心数据。选项D、E均为单模态数据，不属于多模态数据范畴。3.在大模型微调过程中，可能导致过拟合的原因有（）A.训练数据量过小B.训练轮次过多C.学习率过高D.数据增强强度不足E.待训练参数过少【答案】ABCD【解析】过拟合的核心原因是模型学习了过多训练数据中的噪声，导致泛化能力下降。训练数据量小、训练轮次过多、学习率过高、数据增强不足都会增加过拟合风险。选项E待训练参数过少会导致模型拟合能力不足，更容易出现欠拟合，而非过拟合。4.根据《个人信息保护法》，以下属于敏感个人信息的有（）A.生物识别信息B.医疗健康信息C.金融账户信息D.行踪轨迹信息E.公开的姓名信息【答案】ABCD【解析】《个人信息保护法》明确规定，生物识别、宗教信仰、特定身份、医疗健康、金融账户、行踪轨迹等信息属于敏感个人信息，处理敏感个人信息需获得个人的单独同意。选项E公开的姓名信息属于一般个人信息，不属于敏感个人信息范畴。5.以下属于三级人工智能训练师在模型评估阶段的工作内容的有（）A.整理测试数据集，确保测试集覆盖所有应用场景B.运行模型评估脚本，计算精确率、召回率等核心指标C.分析模型错误样本，归纳错误类型并形成报告D.重新设计模型的损失函数以提升效果E.对比不同参数下的模型效果，给出参数优化建议【答案】ABCE【解析】三级训练师在模型评估阶段需承担测试集准备、指标计算、错误分析、效果对比等实操性工作，并形成评估报告供算法人员参考。选项D损失函数设计属于算法工程师的职责，不在三级训练师的技能范围内。6.标注工具的核心功能模块通常包括（）A.数据导入与管理模块B.标注作业模块C.质量校验模块D.模型训练模块E.数据导出模块【答案】ABCE【解析】主流数据标注工具的核心功能包括数据导入、标注作业、质量校验、数据导出等，部分商用工具会集成轻量训练功能，但模型训练不属于标注工具的核心必备模块。三级训练师需熟练掌握标注工具的核心功能操作。7.以下关于数据增强的描述，正确的有（）A.数据增强可以扩充训练数据集规模，降低过拟合风险B.文本数据增强可以采用回译、同义词替换、语序调整等方法C.图像数据增强可以采用翻转、裁剪、亮度调整等方法D.数据增强可以随意改变样本标签，提升数据多样性E.多模态数据增强需保持不同模态之间的对应关系不变【答案】ABCE【解析】数据增强是提升模型泛化能力的重要手段，通过不改变样本标签的前提下对原始数据进行变换，扩充数据多样性。文本、图像、语音、多模态数据均有对应的增强方法，其中多模态数据增强需保持跨模态的对应关系，避免出现标签错位。选项D错误，数据增强不得改变样本的原始标签，否则会导致标注错误。8.三级人工智能训练师需遵守的数据安全要求包括（）A.不得私自拷贝、传输、泄露训练数据B.工作数据需存储在公司指定的加密存储区域C.离开工位时需锁定电脑，避免数据泄露D.可以将标注任务转包给外部人员以提高效率E.定期参加数据安全培训，考核合格后方可上岗【答案】ABCE【解析】三级训练师作为直接接触训练数据的岗位，需严格遵守数据安全规定，包括数据存储、传输、使用的全流程安全要求，定期参加安全培训。选项D错误，标注任务转包需经过公司审批，且需确保承接方具备数据安全资质，个人不得私自转包。9.以下属于生成式AI训练数据常见的版权风险的有（）A.使用未获得授权的网络文学作品训练大模型B.使用已进入公共领域的古典文学作品训练大模型C.使用摄影师未明确授权的公开发布的摄影作品训练图像生成模型D.使用公司自行采集并获得授权的用户数据训练模型E.使用已获得作者授权的音乐作品训练音频生成模型【答案】AC【解析】生成式AI训练数据的版权风险主要来自使用未获得版权方授权的受著作权保护的作品。选项A、C中的作品均受著作权保护，且未获得授权，存在版权风险。选项B公共领域的作品无版权限制；选项D、E均为已获得授权的合法数据，不存在版权风险。三级训练师需具备基础的版权合规意识，在数据清洗阶段剔除无授权的侵权数据。10.在工业缺陷检测模型的训练中，三级训练师可采取的提升模型效果的措施有（）A.对缺陷样本进行数据增强，扩充样本数量B.复核难例样本的标注，修正标注错误C.调整LoRA秩、学习率等参数进行对比实验D.重新设计模型的骨干网络结构E.增加缺陷场景的样本覆盖率，减少场景遗漏【答案】ABCE【解析】三级训练师可从数据质量、参数调优、样本覆盖等层面提升模型效果，包括数据增强、标注修正、参数对比实验、样本补充等。选项D骨干网络设计属于算法研发人员的职责，超出三级训练师的技能范围。三、判断题（共10题，每题1分，总计10分。正确的打“√”，错误的打“×”，请将答案填在括号内）1.人工智能训练师在标注涉及个人信息的数据时，可采用用户授权协议中的概括授权替代单独同意。（）【答案】×【解析】根据《个人信息保护法》，处理敏感个人信息需获得数据主体的单独同意，概括授权无法替代单独同意，三级训练师需严格遵守该合规要求，不得使用未获得单独同意的敏感个人信息进行训练数据标注。2.LoRA微调仅需调整大模型的少量参数，训练成本远低于全参数微调，且效果可接近全参数微调。（）【答案】√【解析】LoRA作为参数高效微调方法，仅训练注意力层的低秩矩阵，待训练参数量仅为全参数的0.1%-1%，训练成本大幅降低，且在多数领域适配任务中效果可接近全参数微调，是目前三级训练师需掌握的主流微调方法。3.标注一致性Kappa值越高，说明标注结果的准确性越高。（）【答案】×【解析】Kappa值衡量的是不同标注员之间的标注一致性，即标注结果的吻合程度，而非准确性。若所有标注员都犯同样的错误，Kappa值可能很高，但标注准确率很低，三级训练师需同时考核标注一致性和标注准确率两个指标。4.开源大模型可以随意用于商业化训练，无需遵守开源协议的要求。（）【答案】×【解析】开源大模型受开源协议约束，不同开源协议对商业化使用、衍生作品开源等有不同要求，例如GPL协议要求衍生作品也需开源，商用需谨慎。三级训练师在使用开源模型或开源数据时，需确认开源协议的适用范围，避免合规风险。5.三级人工智能训练师可以独立负责复杂多模态标注项目的整体流程设计与人员管理。（）【答案】×【解析】根据国家职业技能标准，三级/高级工主要负责具体执行层面的工作，复杂项目的流程设计与人员管理属于二级/技师的技能要求，三级训练师可参与项目执行，协助开展质量管控，但不得独立负责复杂项目的整体管理。6.在模型训练过程中，若出现显存溢出的情况，可通过减小batch_size的方式解决。（）【答案】√【解析】显存溢出通常是因为批次大小（batch_size）过大，导致单次加载的数据和模型参数超出显存容量。减小batch_size是最直接有效的解决方法，此外还可采用梯度累积、混合精度训练等方式降低显存占用，三级训练师需掌握显存溢出的基础排查和解决方法。7.生成式AI训练数据中的“有害内容”仅指含有色情暴力、恐怖主义的内容，不包括歧视性内容。（）【答案】×【解析】根据《生成式人工智能服务管理暂行办法》，生成式AI训练数据不得含有民族、种族、性别、年龄、职业、宗教、地域等歧视性内容，歧视性内容也属于有害内容范畴，三级训练师需在数据清洗阶段将此类内容剔除。8.数据脱敏后的数据不再属于个人信息，可以随意使用。（）【答案】×【解析】脱敏（假名化）后的数据仍属于个人信息范畴，只是降低了识别风险，仍需按照个人信息保护的相关规定进行管理和使用，只有经过匿名化处理、无法识别特定自然人且不能复原的数据才不属于个人信息，三级训练师需准确区分二者的合规要求。9.在图像分割标注中，掩码标注的精度要求高于边界框标注。（）【答案】√【解析】边界框是矩形的粗略标注，仅标记目标的大致位置和大小；掩码标注是像素级的精确标注，需勾勒出目标的完整轮廓，精度要求更高，标注难度也更大，三级训练师需掌握不同标注类型的精度要求。10.三级人工智能训练师无需掌握模型评估的相关知识，仅需完成数据标注工作即可。（）【答案】×【解析】根据国家职业技能标准，三级人工智能训练师需掌握基础的模型评估知识，能够协助开展模型效果测试、错误样本分析等工作，模型评估能力是三级训练师区别于四级/中级工的核心技能之一。四、简答题（共3题，每题10分，总计30分）1.简述三级人工智能训练师开展生成式AI训练数据脱敏工作的核心操作流程及关键校验点。【答案】三级人工智能训练师开展数据脱敏工作需严格遵循《个人信息保护法》《生成式AI训练数据安全规范》等要求，核心操作流程及关键校验点如下：（1）核心操作流程（6分）①数据分类分级：首先对训练数据进行分类分级，识别数据中的一般个人信息、敏感个人信息、商业秘密数据、公开数据等不同级别，明确需脱敏的对象（2分）；②脱敏规则匹配：根据数据级别匹配对应的脱敏规则，例如对身份证号、手机号等个人标识信息采用掩码脱敏，对医疗健康、金融账户等敏感信息采用泛化或假名化处理，对公开数据无需脱敏（2分）；③脱敏操作执行：优先使用标注平台内置的自动化脱敏工具进行批量处理，对自动化工具无法识别的特殊敏感信息进行手动脱敏处理，操作过程全程留痕（1分）；④质量抽检复核：按规定比例对脱敏后的数据进行抽检，校验脱敏效果，对不合格样本进行重新脱敏，直至达标（1分）；⑤脱敏日志留存：记录脱敏操作的人员、时间、数据范围、脱敏规则、抽检结果等信息，日志留存期限不少于6个月，满足合规审计要求。（2）关键校验点（4分）①可识别性校验：脱敏后的数据不得直接或通过结合公开信息反向识别到特定自然人或特定主体，敏感信息脱敏准确率需达到99.5%以上（2分）；②数据可用性校验：脱敏操作不得破坏训练数据的核心特征，例如文本脱敏后需保留语义完整性，图像脱敏后不得影响目标特征的识别（1分）；③合规性校验：脱敏规则需符合现行法律法规及行业标准要求，不得使用不符合规定的脱敏方式（1分）。2.简述小样本学习场景下，三级人工智能训练师开展数据增强的常用方法及适用任务范围。【答案】小样本学习场景下，数据增强是扩充训练数据规模、提升模型泛化能力的核心手段，三级训练师需根据不同数据类型和任务选择合适的增强方法，具体如下：（1）文本类数据增强方法（3分）常用方法包括：回译（将文本翻译为其他语言再译回原语言）、同义词替换（替换文本中不重要的词汇为同义词）、语序调整（打乱非核心成分的语序）、随机插入/删除（随机插入或删除少量不影响语义的词汇）。适用任务：文本分类、意图识别、情感分析、问答匹配等NLP任务（1.5分）。（2）图像类数据增强方法（3分）常用方法包括：几何变换（翻转、旋转、裁剪、缩放）、颜色变换（亮度调整、对比度调整、饱和度调整、加噪声）、遮挡增强（随机遮挡部分图像区域）、风格迁移（将图像转换为不同艺术风格）。适用任务：图像分类、目标检测、图像分割、缺陷检测等CV任务（1.5分）。（3）多模态数据增强方法（1分）常用方法包括：文本描述改写、图像局部变换后保留对应文本、跨模态样本配对重组（需保证语义一致性）。适用任务：图文匹配、多模态分类、视觉问答等多模态任务（1分）。3.简述三级人工智能训练师在“避免算法偏见”方面的具体职业职责。【答案】算法偏见主要源于训练数据的样本偏差、标注规则的主观倾向等，三级人工智能训练师作为数据处理的直接执行者，需在工作中主动防范算法偏见，具体职责如下：（1）数据采样阶段：协助开展训练数据的采样校验，重点核查样本在性别、年龄、地域、民族、身体状况等维度的分布均衡性，若发现某一群体样本占比过高或过低，及时向上级反馈，避免样本倾斜导致的算法偏见（3分）；（2）标注执行阶段：严格遵守标注规范，不得在标注过程中加入个人主观偏见，例如不得因性别、地域等因素对同一类行为给出不同的标注标签，确保标注结果的客观性（2分）；（3）质量校验阶段：在标注质量抽检中，重点关注涉及弱势群体、敏感群体的标注结果，若发现标注规则存在歧视性倾向（如对某一地域的用户对话统一标注为“低质量”），需立即停止执行并向上级管理人员反馈，提交书面的问题说明（3分）；（4）模型评估阶段：参与模型公平性评估，测试模型在不同群体、不同场景下的表现差异，记录模型对弱势群体的识别误差数据，形成评估报告供算法人员优化参考（2分）。五、综合应用题（共2题，每题10分，总计20分）1.某互联网公司拟训练一个面向政务服务领域的生成式大模型微调模型，用于自动解答群众的政务咨询问题。三级训练师张某负责该项目训练数据的质量管控工作，已知当前已完成15万条政务咨询对话数据的标注，标注团队共25人，标注周期为20天，标注内容包括咨询场景分类、用户情绪标签、标准答复配对三个维度。请结合上述材料，回答以下问题：（1）请设计该批次标注数据的质量抽检方案，需明确抽检比例、样本分层方法、合格判定标准。（2）若抽检中发现场景分类标注错误率为3.2%，情绪标注错误率为1.8%，标准答复配对错误率为2.5%，请分析可能的原因，并给出三级训练师可执行的整改措施。【答案】（1）质量抽检方案（5分）①抽检比例：政务服务数据属于重要民生领域数据，标注质量要求较高，按照三级训练师质量管控规范，抽检比例设定为5%，即抽取15万×5%=7500条样本进行质量校验（1分）。②样本分层方法：采用三层抽样法，确保抽检样本的代表性：a.按标注人员分层：每个标注员抽取同等比例的样本（每人抽取300条），避免漏检个别标注员的系统性错误（1分）；b.按标注维度分层：场景分类、情绪标签、标准答复配对三个维度按标注内容占比均衡抽取，覆盖所有标注类型（0.5分）；c.按咨询场景分层：社保、医保、户籍、公积金、不动产等高频场景按样本占比抽取，低频场景（如退役军人服务、残疾人补贴）至少抽取20条样本，保证所有场景全覆盖（0.5分）。③合格判定标准：a.整体标注准确率≥98%为批次合格，低于98%为不合格（1分）；b.单维度标注准确率：场景分类≥97%、情绪标注≥98%、标准答复配对≥97.5%，任意单维度不达标需扩大抽检比例至10%，若仍不达标则该维度标注需返工（1分）。（2）原因分析及整改措施（5分）原因分析（2分）：①场景分类错误率最高，可能是因为政务服务场景边界模糊，例如“社保缴费查询”和“社保缴费证明开具”的交叉场景没有明确的标注规则；或者标注人员对政务服务术语不熟悉，培训不到位；②标准答复配对错误可能是因为同一问题对应多个答复的场景没有明确的优先级规则，标注人员选择随意；③情绪标注错误率最低，说明情绪标注规则相对清晰，但仍存在边界案例判定不一致的问题。整改措施（3分，答出3点及以上即可得分）：①整理场景分类和答复配对的错误样本，提交给标注规则制定人员，建议细化场景边界判定标准，补充交叉场景的标注示例，明确同一问题对应多个答复的优先级规则；②组织标注人员开展为期1天的针对性培训，重点讲解政务服务术语、场景边界规则和答复配对标准，培训后进行闭卷考核，考核分数低于90分的标注员需补考，合格后方可继续作业；③对场景分类错误率排名前3的标注员的已标注数据进行全量复检，其他标注员的场景分类样本扩大抽检比例至10%，确保错误样本被全部筛查；④在标注工具中添加关键词联想提示功能，例如当对话中出现“社保缴费证