2026年人工智能训练师（五级）实操考核评分标准及试题

2026年人工智能训练师（五级）实操考核评分标准及试题一、图像数据标注实操题（共30分）1.（10分）考生使用图像标注工具，对“2026-AI-0001.jpg”交通场景图片进行车辆目标检测标注。要求：框出所有的机动车（包括小轿车、公交车、卡车），并为每个目标选择正确的类别标签。图片中共有10个机动车目标。答案：应标注10个机动车目标。类别分布：小轿车5个、公交车2个、卡车3个。每个目标绘制最小外接矩形，框尽量贴合车辆边缘，类别标签选择准确。评分：每个目标框位置准确且类别正确得1分，类别错误或框位置明显偏移不得分，满分10分。解析：车辆目标检测标注要求检测框紧密贴合目标，类别标签需与实际车型一致。评分时采用目标框与标准框的吻合程度作为质量判据，避免出现漏标、错标或框选范围过大、过小的问题。2.（10分）对“2026-AI-0002.jpg”人脸图片进行关键点标注。需标注5个关键点：左眼中心、右眼中心、鼻尖、左嘴角、右嘴角。工具中每个关键点可独立标记。答案：5个关键点坐标位置应分别位于：•左眼中心：瞳孔中央或眼睑中心•右眼中心：瞳孔中央或眼睑中心•鼻尖：鼻头最凸出点•左嘴角：左侧口角末端•右嘴角：右侧口角末端评分：每个关键点标注位置与标准位置误差不超过2像素得2分，超过2像素或标错位置不得分，满分10分。解析：人脸关键点标注要求点位落在解剖学特征位置，误差阈值通常设为2像素，以保证后续人脸对齐、表情识别等任务的训练效果。标注时需要放大图片后精确定位，避免凭感觉粗略点击。3.（10分）对“2026-AI-0003.jpg”街景图片进行属性标注：需要标注“是否包含行人”（选择“是”或“否”），并标注行人数量。图片内容：画面中有3名行人在人行横道上行走。答案：属性标注结果：是否包含行人=是；行人数量=3。评分：属性判断正确得4分，行人数量正确得6分；若属性判断错误，本题得0分。解析：属性标注需要先判断是否存在目标，再统计数量。数量错误但属性判断正确时，可给部分分值，体现评分标准的区分度。该图需逐个人体目标进行框选式计数，避免漏掉远处或部分遮挡的行人。二、文本数据标注实操题（共30分）1.（15分）对以下5条商品评论进行情感倾向标注。每条评论需标注为“正向”“负向”或“中性”。评论内容如下：•A：“物流很快，包装完好，质量也很棒！”•B：“用了一周就坏了，太差了。”•C：“还行吧，没有太大惊喜也没有失望。”•D：“客服态度极差，申请退款还拖了三天。”•E：“东西一般，价格也不算便宜。”•A：正向•B：负向•C：中性•D：负向•E：中性评分：每条标注正确得3分，满分15分。解析：A含明显积极词“很快”“很棒”；B含负面词“坏了”“太差”；C语气平淡，无强烈情感倾向；D含强烈负面词“极差”“拖了三天”；E虽有“一般”“不算便宜”等偏负措辞，但整体语气属于无明显强烈情感，按中性处理。情感标注需结合整体语义与情感强度，不能仅凭单个词判断。2.（15分）对下方新闻片段进行命名实体标注。需标注人名、地名、组织机构名三类实体，并按文本顺序输出实体及类别。文本内容：“2026年3月，华为技术有限公司在深圳召开新品发布会，公司副总裁李明出席并介绍最新手机产品。”答案：应标注的实体如下：•华为技术有限公司：组织机构名•深圳：地名•李明：人名评分：每个实体识别正确得5分，类别错误或位置标注错误不得分，满分15分。若多标、漏标不得分。解析：“华为技术有限公司”属于企业，归为组织机构名；“深圳”是城市地名；“李明”为人物姓名。日期、职务、产品名等不属于本任务要求的三类实体。命名实体标注需严格限定在目标类别内，避免将普通名词或时间词误标。三、训练数据质量检查实操题（共20分）1.（10分）给定一份已标注的文本分类数据集，共10条样本。要求检查标注错误，找出至少2处错误，并说明正确标注。数据集如下：样本ID文本摘要标注类别1这款手机电池很耐用，用两天不用充电正向2快递太慢了，催了三次都没到负向3发货速度一般，包装还行中性4客服回复很快，问题解决了正向5用了不到一个月屏幕就出现裂纹负向6价格比别家贵，但质量确实好正向7总的来说还可以，没什么毛病中性8质量堪忧，刚收到就有异味正向9售后服务差，电话打不通中性10物流速度可以，东西也不错正向答案：存在的标注错误如下：•样本8：文本“质量堪忧，刚收到就有异味”明显为负面评价，标注“正向”错误，正确标注应为“负向”。•样本9：文本“售后服务差，电话打不通”为明显负面评价，标注“中性”错误，正确标注应为“负向”。评分：每正确找出一处错误并给出纠正结果得5分，满分10分。若仅找出错误但未纠正，每处扣2分。解析：检查标注质量需结合文本语义与类别定义。样本8“质量堪忧”“异味”均为负面信号，应为负向；样本9“售后服务差”“打不通”为明显负面，应为负向。其他样本中的情感词与标注类别基本一致，无需修改。标注质检时应重点排查语义与标签明显矛盾的样本。2.（10分）使用查重工具对100条图像样本进行重复检测，发现有5组重复样本，涉及样本ID分别为：IMG001与IMG023、IMG002与IMG088、IMG015与IMG056、IMG041与IMG042、IMG067与IMG099。请给出处理建议。答案：处理建议：对这5组重复样本，每组保留1条，删除其余重复样本。建议保留每组中图像质量较高、标注信息完整、无噪声的样本；若重复样本标注不一致，应人工核实后统一。删除后需更新数据集索引并记录删除日志。评分：能正确列出5组重复样本得4分；提出“保留一条、删除其余”得3分；说明保留标准与更新日志得3分，满分10分。解析：重复样本会导致模型训练过拟合或评估偏差。保留质量较高样本可保证数据集质量，标注不一致时需要人工复核以保证标签一致性。数据集清洗后应同步更新索引，确保训练时读取的是清洗后的数据。四、模型训练辅助实操题（共20分）1.（10分）在训练平台中为图像分类任务配置训练参数。已知数据集包含10个类别，训练集5000张，验证集1000张。要求写出学习率、批量大小、训练轮数（Epoch）三个参数的推荐设置值，并说明理由。答案：推荐设置：•学习率：0.001•批量大小：32•训练轮数：10理由：图像分类任务常用Adam优化器配合学习率0.001，可较快收敛且不易震荡；批量大小32在显存允许的情况下平衡训练速度与梯度稳定性；训练集5000张、批量32时，一个Epoch约157步，训练10轮可达到较好拟合，同时避免过拟合。评分：三个参数值各得2分，共6分；理由说明充分得4分，满分10分。解析：学习率过高易发散，过低收敛慢，0.001是常用默认值；批量大小过小梯度噪声大，过大可能内存不足，32或64较常见；Epoch过多容易过拟合，10轮在小型数据集上较为合适。参数配置需结合数据集规模和硬件资源综合判断。2.（10分）训练启动后，监控日志出现如下关键信息：•前3个Epoch训练loss从2.30下降到1.85，验证集准确率从0.55上升到0.68；•第4个Epoch开始训练loss不再下降，保持在1.85左右，验证集准确率停留在0.68；•第8个Epoch后验证集准确率降至0.61，训练loss仍为1.83。请判断训练是否正常，并说明应采取的处理措施。答案：训练出现异常，属于典型过拟合现象。判断依据：训练loss后期不下降，而验证集准确率在达到峰值0.68后出现下降，说明模型开始过度拟合训练数据，泛化能力下降。处理措施：1.停止当前训练，防止继续过拟合；2.采用早停法，保存在验证集准确率最高（0.68）时的模型权重；3.增加数据增强（如随机裁剪、翻转、色彩扰