2026年人工智能训练师三级理论(带答案)

2026年人工智能训练师三级理论(带答案)一、单项选择题（共40题，每题1分，共40分。每道题只有一个正确答案，错选、不选均不得分）1.根据《人工智能训练师国家职业技能标准（2021年版）》，三级（高级工）人工智能训练师应具备的核心能力不包含以下哪项（）A.制定垂域复杂场景数据标注规则B.独立开展全参数大模型的算法研发C.指导五级、四级训练师完成常规标注任务D.开展模型效果的多维度评估与偏差校正2.依据2025年修订实施的《生成式人工智能服务管理规定》，用于训练生成式AI的涉及个人信息的数据，需取得个人单独同意，以下不属于个人敏感信息的是（）A.公开的政务服务大厅办事记录中的依法公示姓名B.医疗就诊记录中的疾病诊断信息C.金融账户的交易流水信息D.生物识别中的人脸特征数据3.在开展多模态大模型训练数据标注时，针对自动驾驶场景的3D点云数据，核心标注对象不包含（）A.动态障碍物的三维boundingboxB.道路标识的语义类别C.点云对应的车载系统固件版本D.静态交通设施的几何边界4.采用RLHF（人类反馈强化学习）开展大模型对齐训练时，以下流程顺序正确的是（）A.奖励模型训练→监督微调→强化学习近端策略优化→人类偏好标注B.监督微调→人类偏好标注→奖励模型训练→强化学习近端策略优化C.人类偏好标注→监督微调→强化学习近端策略优化→奖励模型训练D.强化学习近端策略优化→奖励模型训练→人类偏好标注→监督微调5.采用LoRA（低秩适应）技术开展7B参数开源大模型的垂域微调时，若训练目标是在保证训练效率的前提下最大化垂域知识注入效果，以下秩（rank）值设置最合理的是（）A.1B.8C.1024D.40966.在开展文本标注任务的质量抽检时，若某批次标注总量为10000条，标注任务难度为中等（要求标注准确率≥96%），按照行业通用的质量管控标准，最低抽检比例应为（）A.1%B.5%C.30%D.50%7.以下标注一致性指标中，能够排除随机一致性干扰，最适合衡量多标注员对同一批复杂语义标注任务结果一致性的是（）A.简单准确率B.Cohen'sKappa系数C.召回率D.F1值8.针对文生视频大模型的训练数据标注，以下不属于跨模态对齐标注要求的是（）A.视频帧内容与对应文本描述的语义匹配度标注B.视频片段的时间节点与文本动作描述的对应关系标注C.视频文件的编码格式校验D.视频中违反公序良俗内容的风险标签标注9.根据《网络安全法》《数据安全法》要求，开展人工智能训练数据处理活动时，针对重要数据的出境活动，以下做法正确的是（）A.直接将标注完成的医疗影像数据传输至境外服务器存储B.完成数据安全评估并通过主管部门审批后依规出境C.对数据进行简单去标识化后即可出境D.委托第三方机构代为传输无需审批10.在开展智能客服大模型的意图识别标注时，当用户输入“我想查一下上个月买的商品为什么还没发货”，对应的意图类别标注正确的是（）A.商品咨询B.物流查询C.售后投诉D.订单修改11.构建通用大模型垂域训练数据集时，在无特殊场景要求的情况下，训练集、验证集、测试集的常规划分比例为（）A.3:3:4B.5:3:2C.7:2:1D.1:1:812.大模型训练过程中出现“灾难性遗忘”问题的核心表现是（）A.垂域知识掌握不牢，垂域任务准确率低B.在学习新知识后，原有通用能力出现大幅下降C.训练过程中损失函数震荡无法收敛D.模型推理速度大幅降低13.以下开源标注工具中，同时支持文本、图像、音频、3D点云多模态数据标注的是（）A.LabelStudioB.PhotoshopC.ExcelD.Premiere14.开展文本数据脱敏处理时，将用户的具体手机号“138XXXX1234”替换为“”的脱敏方法属于（）A.泛化法B.掩码法C.加密法D.聚合分析法15.下列模型微调方法中，显存占用最低、训练成本最小的是（）A.全参数微调B.普通LoRA低秩适应微调C.增量预训练D.QLoRA量化低秩适应微调16.在Prompt工程中，为提升模型对复杂逻辑问题的解答准确率，引导模型逐步展示推理步骤的提示方法是（）A.零样本提示B.思维链提示C.角色设定提示D.格式限定提示17.图像标注中，需要对图像中每个像素点标注所属语义类别，且不需要区分同类不同个体的标注类型是（）A.目标检测标注B.语义分割标注C.实例分割标注D.图像分类标注18.根据行业质量管控规范，标注任务完成后，针对医疗诊断、自动驾驶等高风险场景的核心样本，抽检比例应不低于（）A.2%B.10%C.100%D.50%19.大模型的“幻觉”问题是指（）A.模型生成的内容事实性错误、编造不存在的信息B.模型对恶意提问给出拒绝回复C.模型推理延迟过高D.模型输出内容存在格式错误20.依据《个人信息保护法》，处理不满（）周岁未成年人个人信息的，应当取得未成年人的父母或者其他监护人的同意。A.14B.16C.18D.1021.开展语音合成（TTS）模型训练的音频数据标注时，以下不属于标注内容的是（）A.音素与文字的对应时间边界B.语音的情感风格C.音频中的韵律停顿位置D.音频文件的存储路径22.标注质量管控中的“三检制”不包含以下哪一环节（）A.标注员自检B.标注员交叉互检C.专职质检人员专检D.企业负责人抽检23.当大模型出现过拟合问题时，以下应对措施不合理的是（）A.增加训练数据量，提升数据多样性B.增加dropout等正则化手段C.增加训练轮次，让模型充分学习数据特征D.适当降低模型复杂度24.开展深度合成服务训练时，根据2025年实施的《深度合成服务标识管理规范》，深度合成内容需要添加的标识类型是（）A.仅需要添加可见的显式水印B.仅需要在元数据中添加隐式机读标识C.需要同时添加显式提示标识和隐式可机读标识D.只要用户无法识别是合成内容就无需添加标识25.以下不属于大模型公平性测试内容的是（）A.测试模型对不同性别的用户是否存在职业刻板印象B.测试模型对不同地域的用户是否存在地域歧视C.测试模型对不同年龄段用户的回复是否存在年龄偏见D.测试模型对专业问题的回复准确率是否达标26.智能客服对话标注中，需要完成指代消解标注，当对话为“用户：我昨天买的手机今天开不了机了。客服：您可以携带购机凭证到线下网点检测。用户：它是在更新系统后突然黑屏的”，其中“它”指代的是（）A.线下网点B.手机C.购机凭证D.系统27.数据清洗环节中，以下操作不属于常规清洗范围的是（）A.删除训练集中的重复样本B.过滤内容违规、质量低下的噪声样本C.修正存在明确错误的标注结果D.复制少量样本多次添加到训练集扩充数据量28.采用LoRA技术微调7B参数大模型时，以下学习率设置最合理的是（）A.2e-7B.2e-4C.2e-1D.229.模型鲁棒性测试的核心目的是（）A.验证模型在面对扰动输入、异常输入、边界输入时的输出稳定性B.验证模型的推理速度是否满足上线要求C.验证模型的事实准确性是否达标D.验证模型的输出是否符合合规要求30.开展自动驾驶场景视频数据标注时，针对高速行驶场景的视频，帧采样标注的最合理间隔是（）A.每10秒采样1帧B.每1秒采样1帧C.每0.1秒采样1帧D.每1分钟采样1帧31.训练数据版本管理的核心作用不包含（）A.追溯数据变更记录，保证训练实验可复现B.便于定位数据问题对模型效果的影响C.防止数据版本混乱导致的训练错误D.直接提升模型的推理准确率32.以下数据处理活动中，违反最小必要原则的是（）A.训练人脸识别门禁模型时，仅采集人脸特征数据，不采集用户的通讯录、位置等无关信息B.训练智能客服模型时，收集用户与客服的所有历史对话内容，包括用户提供的身份证号、银行卡号等与咨询问题无关的隐私信息C.训练语音识别模型时，仅采集用户的语音内容，不采集用户的相册、文件等无关数据D.训练推荐模型时，仅收集用户的内容浏览记录，不收集用户的敏感身份信息33.RLHF训练过程中，奖励模型的训练数据来源是（）A.算法人员自动生成的随机打分数据B.人类标注员对模型不同输出的偏好排序标注数据C.从互联网上爬取的公开评论数据D.模型自动生成的自我评估数据34.3D点云标注中，因点云数据稀疏导致目标边界模糊时，最合理的处理方式是（）A.随意划定边界完成标注B.跳过该样本不标注C.结合同步采集的相机图像、雷达数据做交叉验证，确定目标边界D.标注为其他类别35.下列关于标注规则迭代的说法，正确的是（）A.标注规则一旦制定就不能修改，必须严格执行B.标注过程中发现共性模糊问题时，应及时更新规则并同步全体标注员，保留版本记录C.标注规则可以由每个标注员根据自己的理解随意调整D.标注规则只需要在项目启动时制定一次，后续无需更新36.大模型微调时，若训练集准确率达到98%，但验证集准确率仅为72%，最可能出现的问题是（）A.模型过拟合B.模型欠拟合C.学习率过低D.训练数据量过大37.以下著作权使用场景中，符合《著作权法》要求、可合法用于生成式AI训练的是（）A.未经授权批量爬取付费网络小说全文用于训练B.使用已进入公有领域的文学作品用于训练C.未经授权将他人拍摄的摄影作品数据集用于商业模型训练D.破解正版软件的数据库获取内容用于训练38.开展多轮对话系统训练时，对话状态标注的核心内容是（）A.对话过程中用户的需求变化、关键实体信息、意图转移过程B.用户使用的手机型号C.对话时的网络环境D.客服的工号信息39.人工智能训练师在开展模型上线前的合规审核时，不需要重点核查的内容是（）A.模型是否存在生成违法违规内容的风险B.模型是否存在歧视性、偏见性输出C.模型训练数据是否来源合法、合规D.模型的代码编写语言是否为最新版本40.针对垂域医疗大模型的训练，以下标注人员配置最合理的是（）A.全部由没有医学基础的兼职人员完成标注，无需专业人员参与B.由经过医学知识培训的标注员完成基础标注，由执业医师完成高风险样本的复核与规则制定C.全部由算法工程师完成标注D.由刚入职的行政人员完成标注二、多项选择题（共20题，每题1.5分，共30分。每道题有2个及以上正确答案，错选、少选、多选均不得分）1.人工智能训练师开展垂域大模型训练数据标注规则制定时，需包含的核心内容有（）A.标注任务的适用场景与目标B.各类标注对象的定义与边界判定标准C.典型正例、反例与模糊场景的判定指引D.标注质量的考核与校验标准2.以下属于RLHF训练环节中人工智能训练师核心工作内容的有（）A.制定人类偏好标注的维度与评分标准B.开展偏好数据标注的一致性培训C.对奖励模型的输出偏差进行人工校准D.编写强化学习算法的损失函数代码3.开展多模态训练数据的合规处理时，以下属于合法合规操作的有（）A.对训练数据中包含的个人敏感信息采用掩码、替换等方式脱敏B.使用公开爬取的他人享有著作权的文学作品全集训练模型且未取得授权C.对涉及未成年人的数据取得监护人单独同意后再用于训练D.建立训练数据来源台账，留存数据授权证明材料4.大模型微调过程中，若模型出现明显的灾难性遗忘问题（即通用能力大幅下降），可能的解决措施有（）A.在垂域训练数据中混入5%-10%的通用能力训练数据B.适当降低LoRA的秩值，减少可训练参数量C.增大训练轮次，让模型充分学习垂域知识D.调整学习率，避免参数更新幅度过大5.以下属于多模态数据标注类型的有（）A.图像语义分割标注B.3D点云目标检测标注C.跨模态图文匹配度标注D.视频动作时序标注6.标注质量管控环节中，针对标注结果的常见校验方法有（）A.标注员自检B.交叉互检C.专职质检人员抽检D.模型预标注结果的人工复核7.大模型生成结果中的幻觉问题，常见表现形式有（）A.生成不存在的事实性内容B.对专业问题给出逻辑矛盾的解答C.编造不存在的参考文献或数据来源D.对用户的恶意提问给出合规拒绝回复8.开展人工智能训练相关工作时，需遵守的职业伦理要求有（）A.不得利用训练数据泄露用户个人隐私B.不得故意标注带有歧视性、偏见性的内容C.对模型存在的安全漏洞、风险问题及时上报D.为提升模型效果可以随意采集用户隐私数据9.以下属于大模型效果评估核心维度的有（）A.事实准确性B.输出合规性C.响应时效性D.群体公平性10.构建垂域训练数据集时，数据集划分需遵循的原则有（）A.训练集、验证集、测试集的数据分布需与实际应用场景分布一致B.验证集和测试集的数据不得与训练集重复C.常规场景下训练集、验证集、测试集的划分比例可参考7:2:1D.测试集可以直接从训练集中随机抽取一部分，无需单独准备11.人工智能训练数据处理中，常用的敏感数据脱敏方法有（）A.掩码替换B.泛化处理C.数据加密D.直接删除敏感字段12.以下属于Prompt工程常用优化策略的有（）A.明确设定模型的角色与任务目标B.给出典型示例引导模型按照要求输出C.要求模型按照指定格式输出结果D.采用思维链提示引导模型分步推理13.训练数据中常见的偏差类型有（）A.样本选择偏差（即样本分布与真实场景分布不一致）B.标注者偏差（即标注员主观认知差异导致的标注错误）C.历史关联偏差（即训练数据中包含历史形成的刻板印象关联）D.随机测量偏差（即数据采集过程中随机噪声导致的偏差）14.智能语音交互模型训练中，需要标注的核心内容有（）A.语音内容的文本转写结果B.语音的情感类别与意图信息C.语音中的噪声段、有效段边界D.语音对应的声纹特征标签15.3D点云数据标注的常见应用场景有（）A.自动驾驶环境感知B.工业机器人路径导航C.高精度数字人建模D.AR/VR空间交互16.标注员开展正式标注前的岗前培训，需覆盖的核心内容有（）A.标注规则与质量标准解读B.标注工具的操作方法实操C.数据安全与保密合规要求D.常见标注错误的规避方法17.以下属于大模型鲁棒性测试常用方法的有（）A.给输入文本添加错别字、语序打乱等扰动，测试模型输出稳定性B.构造对抗样本输入模型，测试模型是否容易被误导C.输入超出模型能力范围的边界问题，测试模型的拒答能力D.给正常输入加入随机噪声，测试模型输出的准确率变化18.依据《生成式人工智能服务管理暂行办法》（2025修订版），生成式AI服务提供者需要履行的义务有（）A.对生成的内容添加合规标识B.落实训练数据来源审核责任C.建立用户投诉反馈机制D.防止生成违法违规、歧视性内容19.数据清洗环节需要剔除的低质数据包含（）A.内容重复的数据样本B.包含违法违规内容的样本C.标注错误、信息缺失的样本D.与应用场景无关的噪声样本20.相比全参数微调，采用QLoRA技术开展大模型垂域微调的优势有（）A.可训练参数量占比低，显存占用小B.训练速度快，训练成本低C.微调后的模型权重文件小，便于部署与切换D.在垂域数据量充足的情况下，效果可以接近全参数微调三、判断题（共20题，每题0.5分，共10分。请判断每道题的表述是否正确，正确的打“√”，错误的打“×”）1.人工智能训练师三级（高级工）可以独立制定企业级AI训练全流程技术架构，无需算法团队配合。2.Cohen'sKappa系数取值为0.85时，说明标注结果的一致性达到优秀水平。3.采用LoRA技术微调大模型时，秩值设置越大，训练所需的显存占用越高。4.训练生成式AI模型时，只要是互联网上公开可爬取的数据，都可以随意用于训练，无需考虑著作权问题。5.RLHF训练中，奖励模型的作用是直接生成用户需要的回答内容。6.开展医疗、法律等高风险垂域的模型训练数据标注时，抽检比例应适当提高至15%-20%，关键高风险样本需100%复核。7.模型出现过拟合时，表现为训练集上准确率很低，测试集上准确率很高。8.数据脱敏处理中的泛化法，是指将具体的敏感信息替换为范围值，比如将具体年龄28岁替换为“25-30岁”区间。9.多模态大模型训练中的跨模态对齐，是指将不同模态的语义信息映射到统一的特征空间，实现语义的匹配与关联。10.标注规则一旦制定就不能修改，即使出现大量模糊场景也必须严格按初始规则执行。11.个人信息处理的最小必要原则，是指采集和处理的个人信息范围应当为实现处理目的的最小范围，不得过度收集。12.文生视频模型训练时，只需要标注视频的整体内容，不需要标注视频内不同时间节点的动作与文本对应关系。13.大模型的公平性测试，需要验证模型对不同性别、年龄、地域、民族的用户是否存在刻板印象和歧视性输出。14.数据版本管理的核心目的是保证训练实验的可复现性，便于追溯数据变更对模型效果的影响。15.智能客服大模型训练时，所有用户的历史对话记录无需脱敏就可以直接用于训练，能提升模型的真实场景适配性。16.实例分割标注需要区分同一类别的不同个体实例，比如道路上的两辆不同的汽车需要标注为不同的实例。17.Prompt工程中的思维链提示，是指引导模型在输出答案时逐步展示推理过程，提升复杂问题的解答准确率。18.模型的鲁棒性是指模型在面对输入扰动、异常输入时，依然能够保持稳定准确输出的能力。19.为了提升模型在垂域的效果，训练时应该尽可能增大学习率，让参数快速更新。20.所有生成式人工智能服务生成的内容，都应当按照国家有关规定添加显著标识，避免公众混淆误认。四、简答题（共2题，每题5分，共10分）1.简述面向垂域政务咨询大模型开展RLHF人类反馈强化学习训练的核心工作流程。2.简述多模态训练数据标注全流程质量管控的核心环节。五、案例分析题（共1题，共10分）某地市三甲医院联合科技企业开发面向基层医疗机构的辅助诊断多模态大模型，模型需要结合患者的电子病历文本、CT医学影像、医患对话音频三类数据，为基层医生提供常见疾病的初步诊断建议、诊疗方案参考。项目组配置了10名标注员开展数据标注与模型初调工作，在项目推进到第一阶段模型测试时，发现以下问题：一是不同标注员对同一患者的CT影像病灶标注结果一致性Kappa值仅为0.62，未达到≥0.8的质量要求；二是模型在罕见病诊断场景的幻觉率高达32%，经常编造不存在的诊疗方案；三是数据合规排查中发现有12%的训练数据未取得患者的知情同意，部分数据包含患者的身份证号、联系方式等未脱敏信息。请结合三级人工智能训练师的岗位技能要求，分析以上问题的成因，并提出对应的解决措施。参考答案一、单项选择题1.B2.A3.C4.B5.B6.B7.B8.C9.B10.B11.C12.B13.A14.B15.D16.B17.B18.C19.A20.A21.D22.D23.C24.C25.D26.B27.D28.B29.A30.C31.D32.B33.B34.C35.B36.A37.B38.A39.D40.B二、多项选择题1.ABCD2.ABC3.ACD4.ABD5.ABCD6.ABCD7.ABC8.ABC9.ABCD10.ABC11.ABCD12.ABCD13.ABCD14.ABCD15.ABCD16.ABCD17.ABCD18.ABCD19.ABCD20.ABCD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.政务咨询大模型RLHF训练核心流程包括四个阶段：（1）监督微调（SFT）阶段：整理政务咨询领域的政策文件、办事指南、历史合规问答等高质量语料，完成数据清洗、标注、合规审核后，对基座大模型开展监督微调，让模型掌握政务领域基础知识与回复规范（1.5分）；（2）人类偏好数据标注阶段：制定政务场景偏好评分标准，从回复准确性、合规性、通俗性、办事指引有效性等维度，组织经培训的标注员对模型生成的多版本回复开展排序标注，明确优质、普通、劣质回复的判定边界（1.5分）；（3）奖励模型（RM）训练阶段：使用标注完成的偏好数据训练奖励模型，使其能够准确拟合人类对政务回复的偏好判断，对模型输出进行量化打分，过程中由训练师对奖励模型的打分偏差持续校准（1分）；（4）强化学习优化阶段：采用近端策略优化（PPO）算法，以奖励模型打分为反馈信号迭代优化监督微调模型，持续收集新的人类反馈校正输出偏差，保证模型回复符合政务服务的规范性、准确性要求（1分）。2.多模态标注全流程质量管控包含四个核心环节：（1）前期规则管控：制定清晰无歧义的多模态标注规则，明确各类模态的标注对象、判定边界、质量标准，配套正例、反例、模糊场景判定指引，完成标注员岗前培训与一致性测试，测试达标后方可上岗（1.5分）；（2）过程动态管控：落实“自检、互检、专检”三检制，要求标注员完成标注后开展自检，不同标注员交叉互检，专职质检人员按比例开展抽检，对标注过程中发现的共性问题及时同步全员，迭代优化标注规则并留存版本记录（1.5分）；（3）事后质量稽核：对完成标注的数据集按分层抽样原则开展质量稽核，计算标注准确率、一致性Kappa值等核心指标，对不达标的批次退回重标，对高风险、高价值样本开展100%复核（1分）；（4）持续优化改进：将标注质量结果与标注人员考核挂钩，定期组织技能复盘，针对高频错误开展专项培训，持续提升标注质量稳定性（1分）。五、案例分析题本次项目中三类问题的成因与解决措施如