2026年人工智能训练师(四级)实操技能模拟题库及答案

2026年人工智能训练师(四级)实操技能模拟题库及答案一、数据处理实操模块（共3题，考核占比35%）试题1电商客服意图分类数据集清洗与标注实操考核内容：文本数据清洗流程、分类标注规范、标注工具实操、标注质量控制操作要求：给定1000条含噪声的电商客服用户语料（包含重复语料、无效广告、乱码字符、语义不完整等噪声），使用LabelStudio2.8版本标注工具，按指定的12类客服意图（咨询运费、咨询物流、申请退款、申请换货、咨询库存、咨询优惠、投诉建议、售后服务、账号问题、发票问题、商品咨询、其他）完成标注，要求数据清洗后有效语料占比不低于85%，标注准确率不低于95%，操作时长30分钟。评分标准（总分100分）：工具配置与数据导入（15分）、数据清洗合格率（25分，有效占比每低于要求1个百分点扣2分，扣完为止）、标注准确率（35分，每低于要求1个百分点扣2分，扣完为止）、结果导出规范性（15分，字段缺失、格式错误每项扣5分）、操作时长达标（10分，每超时1分钟扣1分，扣完为止）参考答案：1.工具配置与数据导入：启动LabelStudio本地服务，新建文本分类项目，在标签配置页录入指定的12类意图标签，设置标签选择模式为单选；将原始语料JSON文件（含id、content两个字段）导入项目，开启“自动去重预检”功能，完成项目初始化。（15分得分点）2.数据清洗操作：①批量去重：使用系统自带的重复文本检测插件，设置相似度阈值为98%，识别出完全重复及高相似重复语料94条，批量删除后剩余906条语料；②无效语料过滤：通过正则匹配规则过滤含乱码字符、纯广告链接、单字/无意义字符串、语义完全不完整的语料共32条，剩余874条有效语料，有效占比87.4%，满足≥85%的要求；③手动抽检10%的清洗后语料，确认无错删、漏删情况，清洗质量达标。（25分得分点）3.标注执行：逐一对有效语料进行意图分类，遇到边界模糊的语料（如同时涉及物流和退款的诉求），按“核心诉求优先”原则归类，并在备注栏标注边缘属性；每标注100条后，使用工具的“标注一致性校验”功能，对比同场景历史标注结果，修正3条不一致的标注条目；全部标注完成后，随机抽取50条语料进行人工复核，准确率达96.2%，满足要求。（35分得分点）4.结果导出：选择导出格式为CSV，勾选“语料ID、语料内容、标注标签、标注备注、标注时间”5个核心字段，文件命名为“电商客服意图标注结果_20260520.csv”，导出后核查文件无字段缺失、无乱码、无格式错乱。（15分得分点）5.全程操作时长27分30秒，符合时长要求。（10分得分点）试题2人脸关键点标注质量校验实操考核内容：图像标注质量校验、标注错误识别、错误类型统计、质量报告撰写操作要求：给定50张正面人脸图像及对应的68点人脸关键点标注结果（JSON格式），使用LabelStudio2.8版本的图像标注校验功能，完成标注质量抽检，标记出标注错误的样本，统计标注错误类型（关键点偏移、关键点缺失、关键点顺序错误三类），要求错误样本检出率不低于95%，操作时长20分钟。评分标准（总分100分）：校验项目配置（15分）、错误样本检出率（35分，每低1个百分点扣3分）、错误类型统计准确率（25分，每错1类扣5分）、质量校验报告完整性（20分）、操作时长达标（5分）参考答案：1.校验项目配置：新建图像标注校验项目，导入50张人脸图像及对应的预标注结果，设置标注规范为“68点人脸关键点标准（左眉5点、右眉5点、左眼6点、右眼6点、鼻梁4点、鼻尖5点、上唇7点、下唇7点、左脸轮廓8点、右脸轮廓8点）”，配置校验规则为“关键点偏移阈值≥5像素判定为偏移、关键点数量≠68判定为缺失/冗余、轮廓点顺序与标准顺序不一致判定为顺序错误”。（15分得分点）2.错误样本排查：逐张校验图像的标注结果，通过工具自带的“关键点对比”功能，将标注结果与标准模板对齐，识别出错误样本共7张：其中3张存在关键点偏移（左脸轮廓点偏移超过8像素）、2张存在关键点缺失（鼻尖点少1个）、1张存在关键点顺序错误（下唇点顺序颠倒）、1张同时存在偏移和缺失问题；经二次复核，确认7张均为错误样本，错误样本检出率100%，满足要求。（35分得分点）3.错误类型统计：分类统计错误类型：关键点偏移共4次（含1张复合错误样本）、关键点缺失共3次（含1张复合错误样本）、关键点顺序错误1次；计算总体标注错误率为14%，单类错误中关键点偏移占比最高，达50%。（25分得分点）4.质量校验报告撰写：报告包含校验样本量、错误样本量、错误类型分布、典型错误示例、整改建议5个部分，其中整改建议明确提出“对标注人员开展人脸轮廓点标注专项培训、增加标注后自动校验环节”两项可落地措施，报告逻辑清晰、数据准确。（20分得分点）5.操作时长18分20秒，符合要求。（5分得分点）试题3用户行为结构化数据归一化与格式转换实操考核内容：结构化数据清洗、缺失值处理、数值归一化、格式转换操作要求：给定一份含2000条用户行为数据的Excel文件（包含用户ID、浏览时长、点击次数、加购次数、购买金额、用户等级6个字段，其中浏览时长、购买金额存在缺失值，用户等级为字符型），使用Python3.10及pandas2.2库完成数据处理：①用字段中位数填充数值型缺失值；②对浏览时长、点击次数、加购次数、购买金额4个数值字段做min-max归一化（映射到0-1区间）；③将用户等级（普通/银卡/金卡/钻石卡）转换为0/1/2/3的数值编码；④导出为UTF-8编码的CSV文件，适配PyTorchDataset加载要求，操作时长25分钟。评分标准（总分100分）：数据加载与缺失值处理（20分）、归一化处理正确性（30分）、类别编码正确性（20分）、文件导出与验证（20分）、操作时长达标（10分）参考答案：1.数据加载与缺失值处理：导入pandas库，使用pd.read_excel()函数加载原始Excel文件，通过info()函数确认缺失值分布：浏览时长缺失42条、购买金额缺失27条；分别计算两个字段的中位数（浏览时长中位数为126秒、购买金额中位数为189元），使用fillna()函数填充缺失值，填充后通过isnull().sum()验证无缺失值。（20分得分点）2.数值字段归一化：定义min-max归一化函数：defmin_max_norm(x):return(x-x.min())/(x.max()-x.min())，对浏览时长、点击次数、加购次数、购买金额4个字段应用该函数，生成新的归一化字段（命名为原字段名加“_norm”后缀）；通过describe()函数验证归一化后字段的最小值为0、最大值为1，符合要求。（30分得分点）3.类别变量编码：构建用户等级映射字典：{"普通":0,"银卡":1,"金卡":2,"钻石卡":3}，使用map()函数将用户等级字段转换为数值编码；通过value_counts()验证编码后各等级数量与原始分布一致，无错配。（20分得分点）4.文件导出与验证：使用to_csv()函数导出处理后的数据，设置encoding="utf-8",index=False，确保无索引列、编码正确；导出后重新加载CSV文件，核查字段数量、数据类型、数值范围均符合要求，可直接用于PyTorchDataset类封装加载。（20分得分点）5.操作时长22分钟，符合要求。（10分得分点）二、模型训练与调优实操模块（共3题，考核占比30%）试题4预训练文本分类模型LoRA微调实操考核内容：预训练模型加载、LoRA微调配置、训练流程执行、训练监控操作要求：基于PyTorch2.4框架与bert-base-chinese预训练模型，使用LoRA（低秩适配）方法对电商评论情感分类任务进行微调，给定标注数据集共10000条（正向/负向二分类，训练集:验证集=8:2），要求训练10轮，验证集准确率不低于92%，操作时长40分钟。评分标准（总分100分）：环境依赖与数据加载（20分）、LoRA配置正确性（25分）、训练流程执行（25分）、准确率达标情况（20分）、操作时长（10分）参考答案：1.环境依赖与数据加载：安装transformers4.40、peft0.11、datasets2.19、accelerate0.30等依赖库；使用datasets库的load_dataset()函数加载本地CSV格式数据集，使用AutoTokenizer对文本进行分词，设置最大长度为128，完成训练集与验证集的预处理。（20分得分点）2.LoRA配置正确性：使用peft库的LoraConfig类配置微调参数，设置r=8、lora_alpha=16、lora_dropout=0.05、target_modules=["query","value"]、task_type="SEQ_CLS"；加载bert-base-chinese预训练模型与分类头，使用get_peft_model()函数封装为LoRA微调模型，打印可训练参数占比，确认仅为原模型的0.12%左右，符合低秩微调要求。（25分得分点）3.训练流程执行：使用TrainingArguments配置训练参数：output_dir="./sentiment_lora"、num_train_epochs=10、per_device_train_batch_size=32、per_device_eval_batch_size=64、evaluation_strategy="epoch"、save_strategy="epoch"、learning_rate=2e-4、logging_steps=10；初始化Trainer类，传入模型、数据集、评估函数（计算准确率），启动训练；训练过程中通过日志监控损失值下降趋势，验证集准确率逐轮上升，无过拟合迹象。（25分得分点）4.准确率验证：训练完成后，加载最优检查点在验证集上评估，得到准确率为93.7%，精确率为93.2%，召回率为94.1%，满足≥92%的要求。（20分得分点）5.操作时长36分钟，符合要求。（10分得分点）试题5图像分类模型超参数调优实操考核内容：超参数调整逻辑、训练过程监控、模型效果优化操作要求：给定基于ResNet18搭建的猫狗分类模型与固定的10000张图像数据集（训练集:验证集:测试集=7:2:1），初始训练配置为：学习率0.1、批次大小32、优化器SGD、训练轮次20，初始验证集准确率为87.2%。要求调整至少3项超参数，使得验证集准确率提升不少于3个百分点，且无明显过拟合，操作时长30分钟。评分标准（总分100分）：超参数调整逻辑合理性（30分）、调优过程记录完整性（20分）、准确率提升幅度（30分）、过拟合防控情况（10分）、操作时长（10分）参考答案：1.超参数调整逻辑：分析初始配置的问题：学习率0.1过大易导致训练震荡，SGD优化器收敛速度慢，批次大小32可适当调整以提升训练稳定性。确定调整方案：①学习率调整为0.001，搭配余弦退火学习率调度器；②优化器更换为AdamW，权重衰减设置为1e-4；③批次大小调整为16，增加数据增强（随机水平翻转、随机裁剪、颜色抖动）；④训练轮次保持20不变。（30分得分点：每项调整逻辑清晰，对应解决初始配置的具体问题）2.调优过程记录：使用TensorBoard记录每轮训练的训练损失、验证损失、验证准确率，形成调优日志，明确记录每轮的参数调整点与效果变化；调整过程中发现第12轮后验证准确率趋于平稳，启动提前停止机制终止训练，避免过拟合。（20分得分点）3.准确率验证：调优后验证集准确率达到91.8%，较初始值提升4.6个百分点，满足≥3个百分点的要求；测试集准确率为91.2%，与验证集准确率差值小于1个百分点，无明显过拟合。（30分得分点）4.过拟合防控：通过数据增强、权重衰减、提前停止三种措施控制过拟合，训练损失与验证损失均平稳下降，无验证损失后期上升的过拟合现象。（10分得分点）5.操作时长28分钟，符合要求。（10分得分点）试题6语音唤醒数据集增强实操考核内容：语音数据处理、数据增强方法、增强后质量校验操作要求：给定含2000条中文唤醒词“你好小智”的语音数据集（单声道、采样率16kHz、wav格式），使用librosa0.10库完成数据增强，要求采用噪声添加、语速调整、音调调整三种方法，将数据集扩充至3倍，且增强后语音的唤醒词语义不变，操作时长25分钟。评分标准（总分100分）：增强方法正确性（40分，每种方法13分，三种全对40分）、数据扩充比例（20分）、增强后数据质量（20分）、格式一致性（10分）、操作时长（10分）参考答案：1.噪声添加增强：采集10种常见环境噪声（咖啡馆噪声、街道噪声、办公室噪声等），将噪声与原始语音按信噪比5dB、10dB、15dB三个等级混合，生成3倍于原始数据的噪声增强语音共6000条；混合时确保噪声幅值不超过语音幅值的2倍，避免语音被完全掩盖。（13分得分点）2.语速调整增强：使用librosa.effects.time_stretch()函数，分别设置语速因子为0.8（慢速）、1.2（快速），对原始语音进行语速调整，生成2倍于原始数据的语速增强语音共4000条；调整后验证语音时长符合语速变化比例，唤醒词语义清晰可辨。（13分得分点）3.音调调整增强：使用librosa.effects.pitch_shift()函数，设置音调偏移量为-2半音、+2半音，采样率保持16kHz不变，生成2倍于原始数据的音调增强语音共4000条；调整后验证语音音调自然，无明显失真。（14分得分点，三种方法合计40分）4.数据扩充与质量校验：从三类增强数据中各抽取1333条、1333条、1334条，与原始2000条数据合并，得到6000条语音数据，刚好为原始数据集的3倍；随机抽取5%的增强后语音进行人工听音校验，语义准确率达98.5%，符合要求。（20分得分点：扩充比例准确，质量达标）5.格式一致性校验：所有增强后的语音均保持单声道、16kHz采样率、wav格式，文件名与原始语音对应并增加增强类型后缀，便于后续训练使用。（10分得分点）6.操作时长23分钟，符合要求。（10分得分点）三、模型测试与效果评估实操模块（共2题，考核占比20%）试题7大语言模型事实幻觉率检测评估实操考核内容：大模型推理部署、幻觉判定方法、评估指标计算、评估报告撰写操作要求：基于量化后的7B参数开源大模型（4-bit量化），对给定的50条事实类标准问答对（涵盖常识、科技、生活三类）进行批量推理生成回答，采用“事实要点匹配法”计算幻觉率，要求幻觉判定准确率不低于90%，输出完整评估报告，操作时长35分钟。评分标准（总分100分）：模型加载与批量推理（20分）、幻觉判定准确性（35分）、评估指标计算（20分）、评估报告完整性（20分）、操作时长（5分）参考答案：1.模型加载与批量推理：使用transformers库的AutoModelForCausalLM与AutoTokenizer加载4-bit量化的7B开源大模型，设置load_in_4bit=True、bnb_4bit_use_double_quant=True、bnb_4bit_quant_type="nf4"；编写批量推理脚本，设置生成参数max_new_tokens=128、temperature=0.1、top_p=0.9，对50条问题批量生成回答，保存为JSONL格式文件。（20分得分点）2.幻觉判定：将每条标准答案拆解为2-3个核心事实要点（如问题“珠穆朗玛峰的海拔高度是多少？”的事实要点为①海拔约8848.86米、②是世界最高峰）；使用sentence-transformers库的all-MiniLM-L6-v2模型计算生成回答与每个事实要点的余弦相似度，设置相似度阈值为0.7，若任意一个事实要点相似度低于阈值则判定为幻觉；经判定，50条回答中有6条存在幻觉，其中常识类3条、科技类2条、生活类1条，判定准确率达92%，符合要求。（35分得分点）3.评估指标计算：幻觉率计算公式为：幻觉率=（幻觉回答数/总回答数）×100%，计算得总体幻觉率为12%；分类别计算：常识类幻觉率18%、科技类幻觉率12%、生活类幻觉率6%；同时计算事实要点匹配率为88.7%，补充评估模型的事实一致性。（20分得分点：指标计算准确，公式正确）4.评估报告撰写：报告包含评估背景、测试集说明、评估方法、评估结果、问题分析、优化建议6个部分，其中优化建议提出“增加事实类指令微调数据、接入检索增强生成模块”两项具体措施，报告数据详实、逻辑清晰。（20分得分点）5.操作时长32分钟，符合要求。（5分得分点）试题8目标检测模型性能指标统计与问题分析实操考核内容：目标检测推理、性能指标计算、错误案例分析操作要求：基于YOLOv8n预训练模型，对给定的100张商场监控场景测试图像（含标注的行人、自行车、电动车三类目标，共327个标注框）进行推理，计算每类目标的精确率、召回率、mAP@0.5，找出漏检率最高的目标类型与场景原因，操作时长30分钟。评分标准（总分100分）：模型推理流程正确性（25分）、指标计算准确性（30分）、错误分析合理性（25分）、分析报告规范性（15分）、操作时长（5分）参考答案：1.模型推理流程：安装ultralytics8.2库，加载YOLOv8n预训练模型；将测试图像与标注文件（COCO格式）放入指定目录，运行yoloval命令，设置data="mall_dataset.yaml"、imgsz=640、batch=16、device="cpu"；推理完成后导出验证结果文件，包含各类别的指标数据与错误案例可视化结果。（25分得分点）2.指标计算验证：导出的指标结果为：行人精确率91.2%、召回率88.5%、mAP@0.5=90.1%；自行车精确率85.3%、召回率76.2%、mAP@0.5=80.7%；电动车精确率87.6%、召回率79.4%、mAP@0.5=83.2%；整体mAP@0.5=84.7%。经人工抽检10张图像验证，指标计算误差小于1个百分点，准确无误。（30分得分点）3.错误案例分析：统计漏检样本：行人漏检14个、自行车漏检22个、电动车漏检18个，计算漏检率：行人5.2%、自行车15.8%、电动车12.7%，其中自行车漏检率最高；分析漏检原因：①小目标漏检占比62%（远距离自行车目标像素小于20×20）；②遮挡漏检占比27%（自行车被行人遮挡超过50%）；③光线昏暗漏检占比11%（地下停车场区域光线不足）。（25分得分点：漏检率计算正确，原因分析贴合场景，有数据支撑）4.分析报告撰写：报告包含测试集概况、性能指标汇总、分类别错误统计、典型漏检案例（配可视化截图）、优化建议5个部分，优化建议明确提出“增加小目标自行车样本、添加遮挡数据增强、引入多尺度检测模块”三项措施，报告规范完整。（15分得分点）5.操作时长27分钟，符合要求。（5分得分点）四、应用部署与运维基础实操模块（共2题，考核占比15%）试题9AI应用Docker容器化打包实操考核内容：Dockerfile编写、镜像构建、容器运行、服务验证操作要求：给定一个基于Flask2.3开发的图像风格迁移Python应用（包含app.py、requirements.txt、静态资源目录），要求编写Dockerfile将应用打包为Docker镜像，实现容器启动后服务在8080端口可访问，镜像大小控制在1.5GB以内，操作时长30分钟。评分标准（总分100分）：Dockerfile编写规范性（30分）、镜像构建成功率（25分）、服务可用性（25分）、镜像大小达标情况（10分）、操作时长（10分）参考答案：1.Dockerfile编写：在应用根目录创建Dockerfile，内容如下：FROMpython:3.10-slimWORKDIR/appRUNapt-getupdate&&apt-getinstall-y--no-install-recommends\libgl1-mesa-glx\libglib2.0-0\&&rm-rf/var/lib/apt/lists/*COPYrequirements.txt.RUNpipinstall--no-cache-dir-rrequirements.txtCOPY..EXPOSE8080CMD["gunicorn","-w","2","-b",":8080","app:app"]同时创建.dockerignore文件，排除pycache、.git、测试数据等无关文件，减小镜像构建上下文。（30分得分点：Dockerfile分层合理，依赖安装正确，忽略文件配置到位）2.镜像构建：运行dockerbuild-tstyle-transfer:v1.命令构建镜像，构建过程无报错，最终镜像构建成功。（25分得分点）3.服务验证：运行dockerrun-d-p8080:8080--namestyle-appstyle-transfer:v1命令启动容器；等待10秒后，使用curl命令访问http://localhost:8080/health，返回状态码200与健康检查响应；上传测试图像验证风格迁移功能正常，返回结果正确。（25分得分点）4.镜像大小核查：运行