{"name":"人工智能训练师题库","level":"四级 / 三级 / 二级","org":"人力资源和社会保障部门","count":300,"questions":[{"id":1,"type":"single","stem":"同一图像被两名标注员分别标为不同类别，首先应如何处理？","options":["随机保留一个","删除全部同类图像","核对标注规范并复核争议，必要时完善边界说明","按谁提交更早选谁"],"answer":[2],"explanation":"知识点：标注分歧应按统一规范和裁决流程处理。C正确；A、D无语义依据；B无理由丢弃数据并可能引入偏差。","tier":"基础"},{"id":2,"type":"multi","stem":"数据标注质量管理中，正确的做法有？","options":["标注前对标注员进行统一培训与测试","建立抽检与复核机制控制标注质量","标注标准可以随时凭个人理解更改","标注数据无需考虑个人隐私保护"],"answer":[0,1],"explanation":"知识点：数据标注。A 统一培训测试保证标注一致性；B 抽检复核是质量控制标准手段。C 标注规则必须统一，个人不得随意更改；D 涉及个人信息的数据须脱敏并依法保护隐私。","tier":"进阶"},{"id":3,"type":"single","stem":"文本分类标注规范中，最有助于提升一致性的内容是什么？","options":["只写类别名称不解释","要求标注员凭直觉处理边界样本","允许每人自创类别","类别定义、正反例及歧义处理规则"],"answer":[3],"explanation":"知识点：清晰定义和边界示例能降低主观差异。D正确；A缺乏判定条件；B、C使口径不统一。","tier":"基础"},{"id":4,"type":"single","stem":"希望模型输出固定JSON结构，提示词应如何设计？","options":["只写“认真回答”","明确任务、字段、约束和示例，并对输出进行结构校验","不规定任何格式","把输出越长视为越好"],"answer":[1],"explanation":"知识点：提示工程应明确输出契约，并结合校验保证可用性。B正确；A过于模糊；C无法约束结构；D长度不等于质量。","tier":"基础"},{"id":5,"type":"single","stem":"某分类器将80个样本预测为正类，其中60个实际为正类，精确率是多少？","options":["25%","60%","75%","80%"],"answer":[2],"explanation":"知识点：精确率=真正例÷预测正例总数=60÷80=75%。C正确；A是预测正类中的错误比例；B、D混淆计数和百分比。","tier":"基础"},{"id":6,"type":"single","stem":"某任务实际有100个正类样本，模型识别出70个，召回率是多少？","options":["70%","30%","100%","无法计算，因为未给出预测正例总数"],"answer":[0],"explanation":"知识点：召回率=真正例÷实际正例总数=70÷100=70%。A正确；B是漏检比例；C忽略漏检；D计算召回率不需要预测正例总数。","tier":"基础"},{"id":7,"type":"single","stem":"疾病筛查类模型中正类比例很低，仅报告准确率可能产生什么问题？","options":["准确率必然为零","准确率等于召回率","所有预测均必然正确","高准确率可能掩盖大量正类漏检"],"answer":[3],"explanation":"知识点：类别不均衡时，多数类占比可使准确率偏高，应结合召回率等指标。D正确；A无必然关系；B两者分母不同；C高准确率不代表零错误。","tier":"基础"},{"id":8,"type":"single","stem":"模型生成一段流畅但缺乏事实依据的回答，评估时应如何处理？","options":["因文笔流畅直接满分","按事实性标准核验并记录无依据内容","只看字数","只看是否使用专业术语"],"answer":[1],"explanation":"知识点：语言流畅性与事实可靠性是不同评价维度。B正确；A忽略事实错误；C、D不能验证内容真实性。","tier":"基础"},{"id":9,"type":"multi","stem":"提升训练数据标注质量的措施有哪些？","options":["开展标注培训并统一规范","抽样复核及记录错误类型","对疑难样本进行裁决并更新说明","只考核速度不检查质量"],"answer":[0,1,2],"explanation":"知识点：规范、复核和争议裁决共同提升一致性与准确性。A、B、C正确；D只追求速度可能放大错误。","tier":"基础"},{"id":10,"type":"multi","stem":"为了使模型评估可复现，应记录哪些信息？","options":["数据集版本及划分方式","模型版本、推理参数和提示模板","评价指标定义及评估流程","只保留一个最终分数不记录条件"],"answer":[0,1,2],"explanation":"知识点：复现需要明确数据、模型及评价条件。A、B、C构成重要依据；D无法重建测试过程，也难以比较结果。","tier":"基础"},{"id":11,"type":"single","stem":"训练集与测试集包含同一用户高度相似样本，会有什么风险？","options":["使标签自动正确","评估数据泄漏","必然降低所有指标"],"answer":[1],"explanation":"知识点：模型可能利用重复信息使分数偏高。A项错误：划分方式不能纠正标签；B项正确：模型可能利用重复信息使分数偏高；C项错误：泄漏常使分数虚高并非必然下降。","tier":"基础"},{"id":12,"type":"single","stem":"图像目标框应描述什么范围？","options":["规范定义的目标边界","任意整张图","只框背景"],"answer":[0],"explanation":"知识点：目标框定位取决于标注对象范围。A项正确：目标框定位取决于标注对象范围；B项错误：整图框会丢失定位信息；C项错误：背景不是目标本体。","tier":"基础"},{"id":13,"type":"single","stem":"语音转写中无法辨识的片段应怎样处理？","options":["凭空补成完整句","只删掉音频","按规范标记不可辨识区段"],"answer":[2],"explanation":"知识点：保留不确定性避免虚构文本。A项错误：猜写会引入错误标签；B项错误：无依据删除损害完整性；C项正确：保留不确定性避免虚构文本。","tier":"基础"},{"id":14,"type":"single","stem":"文本实体标注中嵌套实体应依据什么处理？","options":["只按词的颜色","任务的嵌套与边界规则","永远选最长字符串"],"answer":[1],"explanation":"知识点：规则定义允许的实体关系。A项错误：颜色不是语义边界；B项正确：规则定义允许的实体关系；C项错误：最长不一定符合目标定义。","tier":"基础"},{"id":15,"type":"single","stem":"计算F1时精确率与召回率均为0.8，F1是多少？","options":["0.8","1.6","0.64"],"answer":[0],"explanation":"知识点：调和平均在两数相等时等于该数。A项正确：调和平均在两数相等时等于该数；B项错误：不能直接把两指标相加；C项错误：乘积不是F1公式。","tier":"基础"},{"id":16,"type":"single","stem":"训练损失下降而验证损失持续上升，通常提示什么？","options":["验证集必定为空","模型完全没有学习","过拟合风险"],"answer":[2],"explanation":"知识点：模型对训练数据拟合超过泛化需求。A项错误：损失上升不意味着无数据；B项错误：训练损失下降说明拟合发生；C项正确：模型对训练数据拟合超过泛化需求。","tier":"基础"},{"id":17,"type":"single","stem":"主动学习优先提交哪些样本给人工标注？","options":["全部选重复样本","对模型最有信息价值的样本","永久只选最容易的样本"],"answer":[1],"explanation":"知识点：不确定性等策略可提高标注效率。A项错误：重复通常新增信息少；B项正确：不确定性等策略可提高标注效率；C项错误：可能覆盖不足且增益低。","tier":"基础"},{"id":18,"type":"single","stem":"长文本切片时加入适量重叠的作用是什么？","options":["减轻片段边界的上下文丢失","使原文变短到零","保证检索全部准确"],"answer":[0],"explanation":"知识点：重叠保留跨界语义。A项正确：重叠保留跨界语义；B项错误：重叠不会删除全部文本；C项错误：切片策略不能保证检索正确。","tier":"基础"},{"id":19,"type":"single","stem":"检索增强生成中的检索步骤主要提供什么？","options":["直接修改模型全部权重","保证资料永不错误","与问题相关的外部资料"],"answer":[2],"explanation":"知识点：资料作为生成的上下文证据。A项错误：检索通常不涉及权重训练；B项错误：来源仍需评价可靠性；C项正确：资料作为生成的上下文证据。","tier":"基础"},{"id":20,"type":"single","stem":"对话数据中角色标签混淆会影响什么？","options":["让语言自动变成图片","模型学习指令与回复关系","原文件物理尺寸"],"answer":[1],"explanation":"知识点：角色决定谁提出任务谁回应。A项错误：角色错误不导致此类必然转换；B项正确：角色决定谁提出任务谁回应；C项错误：角色语义不决定存储介质尺寸。","tier":"基础"},{"id":21,"type":"single","stem":"数据增强对分类标签应满足什么条件？","options":["增强后语义仍支持原标签","必须改变为反义句","随意删去否定词"],"answer":[0],"explanation":"知识点：改变语义可能使标签失效。A项正确：改变语义可能使标签失效；B项错误：反义变化常改变类别；C项错误：删否定词可能反转语义。","tier":"基础"},{"id":22,"type":"single","stem":"图像分割与目标检测的主要区别是什么？","options":["分割只输出文件名","检测必须逐像素分类","分割通常给出像素级区域"],"answer":[2],"explanation":"知识点：检测常以边界框定位。A项错误：文件名不表达像素区域；B项错误：逐像素分类是分割常见任务；C项正确：检测常以边界框定位。","tier":"基础"},{"id":23,"type":"single","stem":"评价标注者一致性为何不仅看一致率？","options":["一致率就是运行时长","需考虑偶然一致的影响","一致率永远为零"],"answer":[1],"explanation":"知识点：部分一致性指标校正机会一致。A项错误：含义与单位不同；B项正确：部分一致性指标校正机会一致；C项错误：标注者可能高度一致。","tier":"基础"},{"id":24,"type":"single","stem":"模型输出敏感属性推断时，评测应关注什么？","options":["任务必要性与不当推断风险","只检查标点","把推断当真实身份信息"],"answer":[0],"explanation":"知识点：无依据推断可能造成偏见或隐私损害。A项正确：无依据推断可能造成偏见或隐私损害；B项错误：标点无法评价推断风险；C项错误：预测不是身份事实。","tier":"基础"},{"id":25,"type":"single","stem":"训练数据按时间划分测试集主要适合什么目的？","options":["保证各年份分布相同","消除所有样本重复","模拟未来数据上的表现"],"answer":[2],"explanation":"知识点：时间划分可体现时序泛化。A项错误：时间变化可能造成分布差异；B项错误：仍需查重控制；C项正确：时间划分可体现时序泛化。","tier":"基础"},{"id":26,"type":"single","stem":"对生成回答的偏好比较，盲化模型名称的作用是什么？","options":["自动证明偏好客观唯一","降低品牌认知带来的偏差","使评审不能读文本"],"answer":[1],"explanation":"知识点：匿名比较有助于关注回答质量。A项错误：偏好仍受标准与人员影响；B项正确：匿名比较有助于关注回答质量；C项错误：盲化名称不遮蔽回答。","tier":"基础"},{"id":27,"type":"single","stem":"训练样本重复数量过多可能造成什么？","options":["特定模式被过度加权","自动增加独立知识覆盖","让模型参数变为零"],"answer":[0],"explanation":"知识点：重复会改变训练分布。A项正确：重复会改变训练分布；B项错误：重复不等于新信息；C项错误：没有此必然机制。","tier":"基础"},{"id":28,"type":"single","stem":"数据中的缺失值与数字零应如何区分？","options":["全部无条件填零","删除全部零值","保留不同语义"],"answer":[2],"explanation":"知识点：缺失是不知道，零可能是真实测量值。A项错误：会混淆未知与真实零值；B项错误：真实零可能有重要信息；C项正确：缺失是不知道，零可能是真实测量值。","tier":"基础"},{"id":29,"type":"multi","stem":"评估检索模块可以关注哪些指标？","options":["结果排序质量","查询延迟","只看回答修辞","相关资料召回情况"],"answer":[0,1,3],"explanation":"知识点：前列相关性影响使用效果。A项正确：前列相关性影响使用效果；B项正确：延迟影响实际体验；C项错误：修辞不是检索模块质量指标；D项正确：检索应找回必要证据。","tier":"基础"},{"id":30,"type":"multi","stem":"建立高质量语音训练样本，应考虑什么？","options":["用想象文本补齐所有噪声","任意加速后不检查转写","音频与文本时间对应","标记说话人变化"],"answer":[2,3],"explanation":"知识点：对齐支持语音学习。A项错误：会产生错误监督；B项错误：可能破坏时间对齐和可辨性；C项正确：对齐支持语音学习；D项正确：说话人边界服务相应任务。","tier":"基础"},{"id":31,"type":"single","stem":"在图像标注项目中，标注员对同一张图片中的遮挡目标按“可见部分轮廓”完成框选，复核员发现该批数据要用于训练检测模型，此时最合理的处置是","options":["要求标注员改为按目标完整范围框选并补充遮挡标记","保留原框选结果并直接把遮挡样本从训练集中剔除","把遮挡目标的标注类别统一改为背景类别","让复核员按完整范围重标后覆盖原标注且不记录差异"],"answer":[0],"explanation":"知识点：遮挡目标的标注规范与复核处置。遮挡目标应按完整范围框选并标注遮挡属性，才能让检测模型学到目标整体位置；仅按可见轮廓会引入系统性偏差。错误项：直接剔除遮挡样本会损失真实场景分布；改成背景类别会制造类别错误；复核覆盖且不记录差异会丢失质量追溯信息。","tier":"挑战"},{"id":32,"type":"single","stem":"某文本分类数据集共1000条，其中正类50条、负类950条，若直接按8:1:1随机划分训练/验证/测试集，最可能出现的评估问题是","options":["验证集与测试集中正类样本过少导致指标波动大","训练集正类样本过多导致模型过拟合正类","测试集负类样本被重复采样导致泄漏","验证集与训练集分布完全一致导致无法调参"],"answer":[0],"explanation":"知识点：类别不平衡下的数据集划分。正类仅占5%，随机划分后验证/测试集中正类可能只有几条，指标方差极大。错误项：正类少不会造成正类过多过拟合；随机划分不会重复采样；分布一致不是问题而是划分目标。","tier":"进阶"},{"id":33,"type":"single","stem":"提示工程中让模型完成“把用户评论分为好评/差评/中性”时，为降低输出格式不稳定的概率，最有效的提示设计是","options":["在提示中给出一个输入输出示例并限定只输出类别词","把温度参数调到最高以增加类别多样性","在提示末尾追加“请认真思考后再回答”","把三类标签的解释分别写成一段长文字放在提示开头"],"answer":[0],"explanation":"知识点：提示工程中的输出约束与少样本示例。给出示例并限定输出词表能显著稳定格式。错误项：高温会增加随机性；泛泛要求认真思考不约束格式；长解释会增加歧义和冗长输出，不能稳定格式。","tier":"进阶"},{"id":34,"type":"single","stem":"标注团队对一批语音转写数据做质量复核，抽检发现某标注员把“嗯、啊”等填充词全部删除，而项目规范要求保留，正确的复核结论是","options":["判定为系统性偏差，要求该标注员返工并抽查其全部批次","判定为个别错误，只修改抽检到的这几条","判定为合理简化，直接把规范改成删除填充词","判定为不可修复，整批数据作废重新采集"],"answer":[0],"explanation":"知识点：标注质量复核中的系统性偏差识别。同一标注员持续违反同一规范，属于系统性偏差，应返工并扩大抽查。错误项：只改抽检条会漏掉大量同错；擅自改规范会破坏与需求方约定；整批作废代价过大且无必要。","tier":"挑战"},{"id":35,"type":"single","stem":"在目标检测数据集验收中，发现同一张图片的标注文件中存在两个IoU为0.85且类别相同的边界框，最合适的处理是","options":["按项目去重阈值规则合并或保留一个并记录处理原因","直接保留两个框，因为模型可以学习重复目标","把两个框的类别都改成不同类别以避免冲突","删除整张图片及其标注以消除冲突"],"answer":[0],"explanation":"知识点：重复标注框的去重与验收。高IoU同类框通常为重复标注，应按阈值规则合并或保留一个并留痕。错误项：保留重复框会引入重复监督；改类别会制造错误标签；删除整图会损失有效数据。","tier":"挑战"},{"id":36,"type":"single","stem":"某团队用准确率评估一个欺诈检测模型，测试集欺诈样本占1%，模型把所有样本都预测为正常，此时准确率约为99%，这说明","options":["准确率在不平衡数据上会掩盖少数类漏检问题","模型已经达到可用水平因为准确率很高","应改用训练集准确率来评估模型","应把测试集中正常样本删掉再算准确率"],"answer":[0],"explanation":"知识点：不平衡数据下的评估指标选择。全预测为多数类可获得高准确率但少数类召回为0。错误项：高准确率不代表可用；训练集准确率不能替代测试评估；删除正常样本会破坏评估分布。","tier":"挑战"},{"id":37,"type":"single","stem":"某团队在划分数据集时先用全部数据做特征标准化，再切分训练集和测试集，这种做法导致的主要风险是","options":["测试集统计信息泄漏到训练过程使评估偏乐观","训练集样本数量减少导致欠拟合","测试集类别比例与训练集不一致","标准化参数无法计算导致流程中断"],"answer":[0],"explanation":"知识点：数据泄漏与预处理顺序。标准化应只在训练集上拟合再应用到测试集，否则测试信息泄漏。错误项：样本数不变；类别比例不由标准化决定；标准化参数可以计算。","tier":"基础"},{"id":38,"type":"single","stem":"提示工程中要求模型从工单文本抽取“故障现象、发生时间、影响范围”三个字段，模型经常把影响范围写成故障现象，最直接的改进措施是","options":["在提示中为每个字段给出定义和一个边界示例","把三个字段合并成一个字段让模型自由发挥","提高生成长度上限让模型写得更详细","在提示中删除字段定义只保留字段名称"],"answer":[0],"explanation":"知识点：提示工程中的字段消歧。为易混字段提供定义和边界示例可减少混淆。错误项：合并字段会丢失结构；加长输出不解决混淆；删除定义会加重歧义。","tier":"挑战"},{"id":39,"type":"single","stem":"模型评估时发现验证集损失持续下降但验证集业务指标不再提升，下一步最合理的做法是","options":["结合业务指标早停并检查是否存在过拟合或指标错配","继续训练直到验证损失不再下降为止","立即把学习率调大以跳出当前状态","把验证集并入训练集以提升业务指标"],"answer":[0],"explanation":"知识点：模型评估中的指标错配与早停。损失与业务指标可能不一致，应结合业务指标早停并排查。错误项：只盯损失可能过拟合；盲目调大学习率无依据；并入验证集会破坏评估。","tier":"挑战"},{"id":40,"type":"single","stem":"在标注项目验收中，需求方新增了“所有车辆必须标注车轮是否可见”的规则，此时训练师首先应做的是","options":["评估新规则对已标注数据的影响并更新标注规范与培训","直接让标注员对剩余数据按新规则标注","把已完成的标注全部作废重新开始","在验收报告中注明该规则无法执行"],"answer":[0],"explanation":"知识点：标注规范变更管理。规则变更需评估影响、更新规范并培训，必要时返工。错误项：只标剩余数据会造成前后不一致；全部作废代价过大；直接拒绝不符合协作要求。","tier":"挑战"},{"id":41,"type":"multi","stem":"在设计一个文本情感分类数据集的划分与评估方案时，下列做法合理的有","options":["按时间切分以避免同一用户跨集合造成泄漏","分层抽样保持各集合类别比例接近","只在训练集上拟合分词器与向量化参数","用测试集反复调参直到指标最优","把验证集与测试集合并以增加评估样本量"],"answer":[0,1,2],"explanation":"知识点：数据集划分与评估的防泄漏原则。按时间切分、分层抽样、仅在训练集拟合预处理都合理。错误项：用测试集调参会造成信息泄漏；合并验证与测试会失去独立评估。","tier":"进阶"},{"id":42,"type":"single","stem":"在文本分类标注项目中，标注员对同一条样本反复修改标签导致前后不一致，质检员发现该样本被三次标注为不同类别，最应优先采取的处置措施是","options":["将该样本从数据集中直接删除以保证标签纯度","回看标注指南与样本原文，判定唯一正确标签并记录分歧原因","取三次标注中出现次数最多的标签作为最终标签","让原标注员重新标注一次并以最后一次结果为准"],"answer":[1],"explanation":"知识点：标注一致性问题的根因处置。正确项对：先回到标注指南和原文判定唯一正确标签，并记录分歧原因，才能同时修正标签和改进指南。错误项一：直接删除会损失真实难例，且掩盖了指南歧义。错误项二：多数投票适合多人独立标注，不适用于同一人反复改标签的场景。错误项三：以最后一次为准无法解决指南本身歧义，还可能引入新的随意性。","tier":"挑战"},{"id":43,"type":"single","stem":"某图像标注团队要把 1 万张图片按 8:1:1 划分训练集、验证集和测试集，且同一拍摄场景的图片必须整体进入同一子集，正确的划分操作是","options":["先按图片编号随机打乱，再按 8:1:1 切分三份","先按拍摄场景分组，再以场景为单位随机分配到三个子集","先按 8:1:1 随机切分，再把跨子集的同场景图片合并到训练集","先按拍摄时间排序，再取前 8000 张作训练集、后 1000 张作验证集"],"answer":[1],"explanation":"知识点：数据泄漏与分组划分。正确项对：以场景为最小单位分组后再随机分配，可避免同场景图片跨子集造成信息泄漏。错误项一：按图片随机打乱会把同场景图片分到不同子集，导致验证/测试集虚高。错误项三：先切分再合并会破坏 8:1:1 比例，且验证/测试集仍可能残留同场景图片。错误项四：按时间排序切分会让训练集与验证集分布随时间偏移，不是随机划分。","tier":"进阶"},{"id":44,"type":"single","stem":"在提示工程中，给大模型提供两个输入输出示例后再让它完成新样本，这种提示方式与零样本提示的关键区别是","options":["示例提示会改变模型的温度参数取值","示例提示通过上下文示例约束输出格式与任务定义","示例提示必须使用与测试样本完全相同的输入","示例提示只能用于分类任务而不能用于生成任务"],"answer":[1],"explanation":"知识点：少样本提示与零样本提示的区别。正确项对：示例的作用是在上下文中给出任务定义和输出格式的约束，属于少样本提示。错误项一：温度是解码参数，与是否给示例无直接关系。错误项三：示例通常与测试样本不同，相同则失去示范意义。错误项四：少样本提示可用于分类、抽取、生成等多种任务。","tier":"进阶"},{"id":45,"type":"single","stem":"某标注项目规定每条样本由两名标注员独立标注，出现不一致时由第三名资深标注员仲裁，这套流程主要解决的标注质量问题是","options":["标注速度随样本量增加而下降","单人标注的主观偏差与随机错误","标注工具无法批量导入数据","标注人员流动导致培训成本上升"],"answer":[1],"explanation":"知识点：双标加仲裁的质量控制机制。正确项对：双人独立标注可暴露主观偏差和随机错误，仲裁给出最终判定。错误项一：该流程不直接提升速度，反而增加人力。错误项三：流程解决的是判定质量，不是工具导入能力。错误项四：人员流动属于管理问题，双标仲裁不直接针对该问题。","tier":"基础"},{"id":46,"type":"single","stem":"在目标检测数据集中，某张图片标注框只覆盖了目标物体的一部分，质检时判定该框为不合格标注，最合理的修正依据是","options":["标注框面积必须大于图片总面积的百分之十","标注框应完整包围目标可见区域且边界贴合目标边缘","标注框必须为正方形以便模型统一处理","标注框中心点必须落在图片正中央区域"],"answer":[1],"explanation":"知识点：目标检测边界框标注规范。正确项对：框应完整包围目标可见区域并贴合边缘，部分覆盖会造成定位与回归目标错误。错误项一：面积占比不是合格标准，小目标同样需要标注。错误项三：目标形状多样，强制正方形会引入大量背景。错误项四：中心点位置由目标实际位置决定，与图片几何中心无关。","tier":"进阶"},{"id":47,"type":"single","stem":"某团队用准确率评估一个正负样本比例为 1:99 的二分类模型，模型把所有样本都预测为负类，此时准确率约为 99% 但召回率为 0，说明该评估方式的主要缺陷是","options":["准确率计算时未对样本做归一化处理","准确率在类别极不平衡时无法反映少数类识别能力","准确率只能用于回归任务不能用于分类任务","准确率的取值范围会随样本量增大而改变"],"answer":[1],"explanation":"知识点：不平衡数据下的评估指标选择。正确项对：全预测为负类即可获得高准确率，但少数类召回为 0，说明准确率在极不平衡时失效。错误项一：准确率本身无需归一化，问题是类别分布。错误项三：准确率是分类常用指标。错误项四：准确率取值恒在 0 到 1 之间，不随样本量改变定义。","tier":"挑战"},{"id":48,"type":"single","stem":"在构建提示词时，要求模型“先列出推理步骤再给出最终答案”，这种提示策略通常被称为","options":["思维链提示","角色扮演提示","零样本提示","对抗提示"],"answer":[0],"explanation":"知识点：思维链提示的定义。正确项对：引导模型先输出中间推理步骤再给答案，属于思维链提示。错误项一：角色扮演是设定模型身份或语气，不强调推理步骤。错误项二：零样本提示不提供示例，也不必然要求分步推理。错误项三：对抗提示指构造诱导错误输出的输入，与分步推理无关。","tier":"基础"},{"id":49,"type":"multi","stem":"在语音转写标注项目中，质检员复核一段含多人交替说话的音频时，以下哪些做法符合可复现的质量复核要求","options":["按项目约定的说话人编号规则逐句核对说话人标签","对听不清的片段直接按上下文猜测填写内容","将置信度低的片段单独标记并提交二次复核","复核时同步记录修改原因与音频时间戳","对不同说话人使用同一编号以简化标注"],"answer":[0,2,3],"explanation":"知识点：语音标注质量复核的可复现流程。正确项一对：按统一说话人编号规则核对可保证一致性与可追溯。正确项三对：低置信片段单独标记并二次复核，避免错误固化。正确项四对：记录修改原因与时间戳使复核过程可复现。错误项二：猜测填写会引入无法追溯的错误，应标记待确认。错误项五：不同说话人共用编号会破坏说话人区分，导致数据不可用。","tier":"进阶"},{"id":50,"type":"multi","stem":"某标注团队承接一批医疗问诊文本的意图分类任务，标注规范中定义“复诊咨询”为患者已有确诊记录、本次询问用药调整或复查安排；一名标注员遇到文本“我上个月确诊高血压，现在想问问能不能把药换成便宜点的”，将其标为“初诊咨询”，质检员判定该标注错误，下列对该错误成因的分析中合理的有哪些？","options":["标注员把“首次在本平台提问”误当作“初诊”，忽略了规范中“已有确诊记录”这一判定条件","标注员未识别出“上个月确诊高血压”属于规范要求的已有确诊记录证据","标注员认为“换药”属于新发症状描述，因此归入初诊咨询类别","标注员按规范中“复诊咨询需包含复查安排”的字面要求，因文本未提复查而排除复诊","标注员受到文本中“想问问”这类口语化表达干扰，降低了对其医疗意图的判断权重"],"answer":[0,1,4],"explanation":"知识点：意图分类标注中类别定义的条件拆解与证据识别。正确项0指出把平台行为（首次提问）与医学定义（初诊）混淆，是常见规范性错误；正确项1说明漏读了文本中明确的确诊记录证据；正确项4指出口语化表达干扰了意图判断，属于典型的标注偏差来源。错误项2：换药属于用药调整，正是复诊咨询的定义范围，将其当作初诊依据是概念错位；错误项3：规范中复查安排只是复诊的一种情形，并非必要条件，用它排除复诊属于对定义条件的过度收紧。","tier":"挑战"},{"id":51,"type":"single","stem":"在图像分类标注项目中，标注员对同一张含遮挡的目标图片先标了“行人”，复核时发现遮挡面积超过一半，按规范应如何处置最合适？","options":["维持“行人”标签，在备注中写明遮挡比例","改为“不确定”标签并转交复核仲裁","直接删除该图片，不纳入数据集","改标为“非行人”，因为遮挡导致特征不足"],"answer":[1],"explanation":"知识点是遮挡样本的标注处置规范。正确项对：遮挡超阈值应标不确定并进入仲裁流程，保留可追溯性。错误项一错在自行备注不能替代规范标签；错误项三错在直接删除会损失数据且未经审核；错误项四错在遮挡不等于非目标，改标会造成假负样本。","tier":"挑战"},{"id":52,"type":"single","stem":"某标注团队对一批语音转写数据做质量复核，抽检发现标点符号缺失率偏高，最应优先检查的环节是？","options":["音频采样率是否统一为16kHz","转写规范文档是否明确标点使用规则","标注员是否使用了自动转写初稿","音频切分片段是否超过30秒"],"answer":[1],"explanation":"知识点是质量问题的根因定位。正确项对：标点缺失率偏高通常源于规范未明确标点规则，应先查规范。错误项一错在采样率影响音质而非标点；错误项三错在使用初稿本身不必然导致标点缺失；错误项四错在片段长度影响上下文但不直接决定标点。","tier":"挑战"},{"id":53,"type":"single","stem":"在构建文本分类数据集时，将同一篇新闻拆分成的多个段落分别放入训练集和测试集，这种做法会导致什么问题？","options":["训练集样本量不足，模型欠拟合","测试集与训练集存在信息泄漏，评估虚高","类别分布不均衡，需重新分层抽样","段落长度差异大，需统一截断长度"],"answer":[1],"explanation":"知识点是数据集划分中的信息泄漏。正确项对：同源段落跨集分布会造成泄漏，测试指标虚高。错误项一错在样本量不是该做法的主要问题；错误项三错在类别不均衡与此做法无直接因果；错误项四错在截断长度是预处理问题，不是划分错误的核心。","tier":"基础"},{"id":54,"type":"single","stem":"提示工程中，要求模型从一段合同中抽取“甲方名称、签署日期、合同金额”三个字段，最有效的提示策略是？","options":["只写“请抽取合同关键信息”，让模型自由发挥","给出字段名和输出格式示例，并要求按JSON返回","把合同全文和三个字段名直接拼接后输入","要求模型先总结合同再抽取字段"],"answer":[1],"explanation":"知识点是结构化抽取的提示设计。正确项对：明确字段与输出格式能显著提升可解析性。错误项一错在目标不明确导致输出不稳定；错误项三错在缺少指令和格式约束；错误项四错在总结可能丢失字段原文，增加偏差。","tier":"进阶"},{"id":55,"type":"single","stem":"模型评估中，某二分类模型在正样本占比1%的数据集上准确率达到99%，该指标最可能说明什么？","options":["模型对正样本识别能力很强","模型可能偏向预测负类，需看召回率","数据集正样本太少，应直接删除负样本","准确率高说明无需再做其他评估"],"answer":[1],"explanation":"知识点是不平衡数据下的评估指标选择。正确项对：高准确率可能来自多数类预测，需结合召回率等指标。错误项一错在准确率高不能推出正类识别强；错误项三错在删除负样本会破坏分布且不合规范；错误项四错在单一指标不足以评估模型。","tier":"基础"},{"id":56,"type":"single","stem":"在目标检测标注中，两个标注员对同一辆车的边界框一个贴紧车身、一个包含后视镜，复核时最合理的处理是？","options":["以包含后视镜的框为准，因为信息更全","按标注规范中边界框是否包含后视镜的约定统一","取两个框的平均值作为最终框","保留两个框，交给模型自行学习"],"answer":[1],"explanation":"知识点是标注一致性依赖规范约定。正确项对：边界框范围应由规范明确，复核按规范统一。错误项一错在信息更全不等于符合规范；错误项三错在平均框可能既不含也不贴；错误项四错在重复框会造成训练标签冲突。","tier":"进阶"},{"id":57,"type":"single","stem":"某团队在标注平台上发现某标注员连续三天提交速度远高于均值，复核发现其大量样本直接沿用默认标签，正确处置顺序是？","options":["立即封禁账号并删除其全部标注记录","先暂停其任务，抽样复核已提交数据，再按结果返工或培训","只提醒其放慢速度，不追溯已提交数据","把其标注结果全部标记为合格以节省时间"],"answer":[1],"explanation":"知识点是标注质量异常的处理流程。正确项对：先暂停、抽样复核、再决定返工与培训，兼顾质量与可追溯。错误项一错在直接删除会丢失审计线索；错误项三错在不追溯会留下脏数据；错误项四错在放行不合格数据违背质量要求。","tier":"挑战"},{"id":58,"type":"single","stem":"在文本数据标注中，对“情感倾向”标注出现“中性”与“无情绪”两个标签混用，最应采取的改进措施是？","options":["合并两个标签为“其他”以减少争议","在标注规范中明确两者定义并给出边界示例","要求标注员统一只选“中性”","把争议样本全部丢弃以保证一致性"],"answer":[1],"explanation":"知识点是标签体系与标注规范的一致性。正确项对：易混标签需在规范中定义并配边界示例。错误项一错在合并会丢失语义差异；错误项三错在强制单选不解决定义不清；错误项四错在丢弃样本损失数据且掩盖问题。","tier":"基础"},{"id":59,"type":"single","stem":"提示工程中让模型做多步推理时，要求“先写出推理过程再给答案”，这种做法的典型作用是？","options":["减少模型输出长度，降低推理成本","提升复杂推理任务的准确率，便于错误分析","保证模型不会产生事实错误","让模型跳过中间步骤直接输出结论"],"answer":[1],"explanation":"知识点是思维链提示的作用与边界。正确项对：显式推理有助于复杂任务表现并便于定位错误。错误项一错在通常增加而非减少输出；错误项三错在思维链不能保证事实正确；错误项四错在与其要求相反。","tier":"基础"},{"id":60,"type":"single","stem":"数据集划分时，若类别分布极不均衡，训练集与测试集应如何划分更合理？","options":["随机划分即可，样本量大时分布自然一致","按类别分层抽样，保持各集类别比例接近","把稀有类全部放入训练集，测试集只放多数类","先聚类再按簇划分，忽略类别标签"],"answer":[1],"explanation":"知识点是分层抽样的适用场景。正确项对：分层抽样能保持各集类别比例，利于评估。错误项一错在小样本或不均衡时随机划分波动大；错误项三错在测试集缺稀有类无法评估该类；错误项四错在忽略标签可能导致类别分布失衡。","tier":"进阶"},{"id":61,"type":"single","stem":"多选：在标注质量复核中，以下哪些做法有助于发现系统性标注错误？","options":["对每个标注员按比例随机抽样复核","统计各标签的使用频率并与先验分布对比","只复核标注员自认为拿不准的样本","用已训练模型对全量标注做一致性筛查","把复核工作交给同一位标注员自查"],"answer":[0,1,3],"explanation":"知识点是系统性错误的发现方法。正确项对：随机抽样、标签分布对比、模型一致性筛查都能暴露系统偏差。错误项三错在只查自认不确定样本会漏掉盲区错误；错误项四错在自查缺乏独立性，难以发现自身系统性偏差。","tier":"挑战"},{"id":62,"type":"single","stem":"在图像数据标注项目中，标注员对同一批图片的「行人」框选结果反复出现框体偏移，复核员抽查后确认标注规范本身无歧义，此时最应优先排查的环节是","options":["标注工具的框选吸附与缩放参数设置","标注员是否经过统一的操作培训","复核员的抽样比例是否足够高","标注任务的每日配额是否过高"],"answer":[0],"explanation":"知识点：标注质量问题的根因定位。框体偏移且规范无歧义，说明工具层面存在系统性偏差，应优先排查标注工具的吸附与缩放参数。培训问题通常表现为规范理解不一致而非整齐偏移；抽样比例影响的是发现率而非偏移本身；配额过高导致的是疲劳性错误而非系统性偏移。","tier":"挑战"},{"id":63,"type":"single","stem":"某文本分类数据集共10000条，正类占2%，团队直接用准确率评估模型并报告了98%的准确率，该报告的主要问题是","options":["未采用分层抽样划分训练集与测试集","准确率在不平衡数据上会被多数类主导","未对文本做去除停用词等预处理","模型未使用交叉验证进行训练"],"answer":[1],"explanation":"知识点：不平衡数据集的评估指标选择。正类仅2%时，全部预测为负类即可得98%准确率，准确率被多数类主导而失去区分力。分层抽样解决的是划分代表性，不直接解决评估失真；停用词预处理与评估指标无关；交叉验证针对训练稳定性，也不是该报告失真的主因。","tier":"基础"},{"id":64,"type":"single","stem":"在命名实体识别标注中，规范要求标注「北京市朝阳区」为行政区划实体，某标注员将其拆分为「北京市」和「朝阳区」两个实体，复核时应判定为","options":["合理拆分，因为两地名均可独立指代","实体边界错误，违反最长匹配标注规范","语义错误，因为缺少省级行政单位","可接受标注，只要实体类型标注正确"],"answer":[1],"explanation":"知识点：实体边界标注规范与最长匹配原则。规范已明确该串为单一行政区划实体，拆分即边界错误。可独立指代不构成拆分理由；缺少省级单位与边界判定无关；类型正确不能弥补边界错误。","tier":"进阶"},{"id":65,"type":"single","stem":"标注团队在交付前做一致性检验，两名标注员对同一批500条样本的标注结果进行比对，计算出的Cohen's Kappa为0.62，按照常见解释标准，该一致性水平属于","options":["几乎完全一致，可直接交付","中等一致，需讨论分歧后修订","显著一致，无需进一步复核","较弱一致，应重新培训全员"],"answer":[1],"explanation":"知识点：Cohen's Kappa一致性系数解释。0.61至0.80通常解释为显著或中等偏上一致，实践中需就分歧样本讨论并修订规范。0.62未达几乎完全一致；称无需复核会遗漏分歧；称较弱一致与区间不符，且直接全员重训过度。","tier":"基础"},{"id":66,"type":"single","stem":"在构建提示词时，要求模型「先输出推理过程再给出最终答案」，这一做法主要有助于","options":["降低模型对提示词长度的敏感度","提升模型输出的可追溯性与纠错能力","减少模型生成内容的token消耗","避免模型产生事实性幻觉"],"answer":[1],"explanation":"知识点：思维链提示的作用。显式推理使中间步骤可被检查，便于定位和纠正错误。长度敏感度与推理展示无直接关系；展示推理反而增加token消耗；幻觉源于知识或推理缺陷，展示过程不能消除幻觉。","tier":"基础"},{"id":67,"type":"single","stem":"某团队用同一批标注数据既训练又测试模型，得到很高的评估分数，这种评估方式的核心缺陷是","options":["训练集样本量不足导致欠拟合","测试集与训练集重叠造成数据泄漏","模型复杂度高于数据承载能力","评估指标未采用F1值"],"answer":[1],"explanation":"知识点：数据集划分与数据泄漏。训练测试重叠使模型记住样本，评估分数虚高。样本量不足表现为欠拟合，与重叠问题不同；复杂度问题属过拟合另一路径；指标选择不改变泄漏本质。","tier":"基础"},{"id":68,"type":"single","stem":"某团队在划分数据集时先将全部数据用于特征工程中的统计量计算，再划分训练集和测试集，这种做法导致的后果是","options":["测试集分布与训练集不一致","特征统计量引入了测试集信息造成泄漏","训练集样本被重复使用导致过拟合","特征工程与模型训练顺序颠倒"],"answer":[1],"explanation":"知识点：数据泄漏的常见来源。在全量数据上计算统计量会把测试集信息带入特征，属于预处理阶段的泄漏。分布不一致是划分方式问题；重复使用是另一类问题；顺序颠倒描述的是流程而非后果本质。","tier":"基础"},{"id":69,"type":"single","stem":"在提示工程中，为让模型稳定输出JSON格式，最可靠的做法是","options":["在提示中强调「请务必输出JSON」","给出JSON示例并说明字段类型与取值","要求模型用自然语言描述后再转JSON","将温度参数调至最高以增加多样性"],"answer":[1],"explanation":"知识点：结构化输出的提示设计。提供带字段类型和取值约束的示例能让模型有明确模仿对象，稳定性最高。单纯强调格式约束力弱；先自然语言再转换增加出错环节；调高温度会降低格式稳定性。","tier":"基础"},{"id":70,"type":"single","stem":"某标注项目复核发现某标注员对「模糊」类样本倾向于全部标为「无法判断」，而其他标注员会结合上下文给出具体类别，这种差异反映的主要问题是","options":["标注员对不确定样本的判定阈值不一致","该标注员的标注速度明显低于他人","复核员的抽样方法存在偏差","标注工具未提供快捷键支持"],"answer":[0],"explanation":"知识点：标注一致性的主观阈值差异。对模糊样本的处理策略不同，本质是判定阈值不一致。速度、抽样方法、工具快捷键都不是该差异的主因。","tier":"挑战"},{"id":71,"type":"single","stem":"某团队在模型评估时发现验证集F1为0.85而测试集F1为0.72，差距明显，最应先检查的环节是","options":["验证集与测试集的划分是否独立同分布","模型在验证集上是否过拟合","测试集样本量是否过小","评估脚本的F1计算实现是否正确"],"answer":[0],"explanation":"知识点：验证集与测试集分布一致性。两者差距大通常源于分布不一致或划分泄漏，应优先检查划分的独立同分布性。过拟合解释的是训练与验证的差距；样本量小会导致波动但通常不至于稳定差0.13；脚本错误会同时影响两个集合。","tier":"挑战"},{"id":72,"type":"single","stem":"在图像数据标注项目中，标注员对同一批图片连续标注三天后，复核发现其边界框普遍向右下偏移约3像素，最应优先排查的环节是","options":["标注工具的坐标原点与图像坐标系是否对齐","标注员的鼠标DPI设置是否被意外更改","标注规范中对遮挡目标的框选要求是否更新","复核员的抽检比例是否低于项目规定阈值"],"answer":[0],"explanation":"知识点：标注偏移系统性误差的归因。正确项对：连续多天、方向一致的偏移通常是工具坐标系与图像坐标系错位导致的系统性偏差。错误项：鼠标DPI变化一般造成随机抖动而非稳定方向偏移；规范更新影响的是语义判断而非像素级方向；抽检比例低只影响漏检率，不产生固定方向偏移。","tier":"挑战"},{"id":73,"type":"single","stem":"某文本分类标注任务中，两名标注员对同一批500条样本的标注一致率为82%，若要将一致率提升到可用水平，下一步最合理的做法是","options":["组织两人对分歧样本逐条讨论并修订标注规范细则","直接把一致率低的样本全部剔除后重新计算","要求两人各自独立再标注一遍取多数投票结果","将500条样本按8:2拆成两份分别交给两人标注"],"answer":[0],"explanation":"知识点：标注一致性提升流程。正确项对：一致率不足时应通过分歧样本对齐语义边界并补充规范，从源头降低歧义。错误项：剔除低一致样本会引入选择偏差；再标注取多数投票不解决规范模糊问题；拆分样本会让两人不再有重叠，无法衡量一致性。","tier":"进阶"},{"id":74,"type":"single","stem":"在构建提示词时，希望模型对同一输入稳定输出JSON格式且字段固定，最应采用的提示策略是","options":["在提示中给出字段名、类型及一个完整示例输出","在提示末尾强调务必严格按格式输出不得出错","把温度参数调到最高以增加格式多样性","先用自然语言描述任务再让模型自由组织输出"],"answer":[0],"explanation":"知识点：结构化输出的提示工程。正确项对：给出字段定义与示例属于约束+示范，能显著提升格式稳定性。错误项：口头强调约束力弱且不稳定；温度调高会增加随机性；自由组织输出无法保证字段固定。","tier":"进阶"},{"id":75,"type":"single","stem":"某团队将数据集按70%训练、15%验证、15%测试划分后，又在训练过程中用测试集挑选最佳模型，这种做法的主要问题是","options":["测试集信息泄漏到模型选择过程，评估结果偏乐观","验证集比例过低导致超参数搜索空间受限","训练集占比过高会引起模型欠拟合","测试集样本量太小使评估指标方差增大"],"answer":[0],"explanation":"知识点：数据集划分与模型评估的独立性。正确项对：测试集只能用于最终评估，用于选模型即发生信息泄漏。错误项：验证集比例与超参空间无必然关系；70%训练占比通常不会导致欠拟合；样本量小是次要问题，核心是泄漏。","tier":"进阶"},{"id":76,"type":"single","stem":"在语音转写标注中，规范要求对听不清的片段标注为“无法识别”，某标注员把疑似人名但不确定的词按常见姓氏补全，这一行为的性质是","options":["用先验猜测替代听辨证据，属于标注污染","提高标注效率的合理经验补充","对低频词的正常归一化处理","符合最小改动原则的保守标注"],"answer":[0],"explanation":"知识点：标注中的证据原则。正确项对：听不清应按规范标记不确定，凭猜测补全引入错误标签。错误项：效率不能以牺牲真实性为代价；归一化是格式统一而非内容臆测；保守标注应是保留原样或标记不确定，而非补全。","tier":"基础"},{"id":77,"type":"single","stem":"某目标检测数据集标注完成后，复核员发现部分图片中同一目标被标了两个高度重叠的框，最合适的处置是","options":["按IoU阈值合并重复框并保留置信度更高的一个","保留两个框以便模型学习重叠目标","删除该图片并重新采集同类样本","把两个框的平均坐标作为一个新框"],"answer":[0],"explanation":"知识点：标注质量复核中的重复框处理。正确项对：高度重叠的同类框通常为重复标注，应按IoU规则去重。错误项：保留重复框会引入噪声标签；删图重采成本高且不必要；平均坐标会产生不存在的框位置。","tier":"挑战"},{"id":78,"type":"single","stem":"在提示工程中，让模型先输出推理步骤再给出最终答案，相比直接要求答案，主要优势是","options":["中间步骤可作为可检查依据，便于定位错误来源","推理步骤越长模型的最终答案一定越准确","可以完全消除模型产生事实性错误的可能","减少了提示词长度从而降低推理成本"],"answer":[0],"explanation":"知识点：思维链提示的作用与边界。正确项对：显式步骤提升可解释性，便于错误分析。错误项：步骤长不等于准确；不能消除事实错误；思维链通常增加而非减少输出长度与成本。","tier":"进阶"},{"id":79,"type":"single","stem":"某分类模型在训练集上准确率99%、验证集上72%，数据标注复核确认标签无误，最应优先尝试的改进方向是","options":["增加正则化或减少模型复杂度以缓解过拟合","扩大测试集比例以降低评估方差","提高学习率让模型更快收敛","把验证集并入训练集以增加训练数据"],"answer":[0],"explanation":"知识点：过拟合的识别与处置。正确项对：训练与验证差距大且标签无误，典型过拟合，应正则化或降复杂度。错误项：扩大测试集不解决过拟合；提高学习率可能加剧不稳定；并入验证集将失去模型选择依据。","tier":"基础"},{"id":80,"type":"single","stem":"在多选题标注中，规范要求“只要文本支持该标签就必须勾选”，某标注员只勾选了最显著的一个标签，这种错误属于","options":["漏标，违反多标签完备性要求","过标，违反标签互斥要求","错标，违反标签层级要求","重标，违反标签唯一性要求"],"answer":[0],"explanation":"知识点：多标签标注的完备性与互斥性。正确项对：应勾全却只勾一个属于漏标。错误项：过标是多勾了不支持标签；错标是勾了错误类别；重标是重复标注，均与本题情形不符。","tier":"基础"},{"id":81,"type":"single","stem":"某团队用同一批数据训练了三个模型，分别得到准确率0.81、0.82、0.83，直接选择0.83的模型上线，最需要补充的评估步骤是","options":["在独立测试集上比较三者并做显著性检验","查看哪个模型训练轮数最少以节省资源","比较三个模型的参数量大小","检查三个模型的训练损失是否都已收敛"],"answer":[0],"explanation":"知识点：模型评估与选择。正确项对：小差距需独立测试与统计检验判断是否真实差异。错误项：训练轮数、参数量、训练损失收敛都不能替代泛化性能比较。","tier":"进阶"},{"id":82,"type":"single","stem":"某标注项目在交付前发现约5%的样本标签与规范存在系统性偏差，正确的质量处置流程是","options":["定位偏差规则、返修全部受影响样本并复检后再交付","仅返修抽检发现的样本，其余按原样交付","在交付说明中注明偏差让使用方自行处理","直接重新标注整个数据集而不做偏差归因"],"answer":[0],"explanation":"知识点：质量复核与返修流程。正确项对：系统性偏差需规则归因、全量返修与复检闭环。错误项：只修抽检样本会遗留缺陷；转移责任不合规；全量重标未归因可能重犯且成本过高。","tier":"挑战"},{"id":83,"type":"multi","stem":"在数据集划分与评估流程中，以下做法有助于降低评估结果偏差的是","options":["划分前按类别分层抽样以保持分布一致","固定随机种子以便划分结果可复现","在训练中反复用测试集调参直到指标满意","对时序数据随机打乱后再划分训练与测试","仅用一次划分结果报告最终指标"],"answer":[0,1],"explanation":"知识点：数据集划分的可复现与无偏评估。正确项对：分层抽样保持分布、固定种子保证复现，均降低偏差。错误项：反复用测试集调参造成泄漏；时序数据随机打乱破坏时间依赖；仅一次划分不报告波动会掩盖方差，均不利于无偏评估。","tier":"进阶"},{"id":84,"type":"single","stem":"在图像数据标注项目中，标注员对同一批图片进行目标框标注后，质检员发现部分框的边界与实际目标边缘平均偏差约 8 像素，而项目规范要求偏差不超过 5 像素，此时最合理的处置是","options":["直接判定该批标注全部返工，并要求标注员重新学习规范","抽取偏差超限的样本，分析偏差来源后决定返工范围","将偏差阈值临时放宽到 8 像素以匹配当前标注水平","让质检员手动修正所有超限框，标注员无需参与"],"answer":[1],"explanation":"知识点：标注质量复核中的偏差分析与返工范围判定。正确项抽取超限样本分析来源，可定位是规范理解问题还是工具设置问题，再确定返工范围，避免盲目全返或放水。A 项全返工成本过高且未先定位原因；C 项擅自放宽阈值会破坏验收标准；D 项让质检代改会掩盖标注环节的系统性问题且责任不清。","tier":"挑战"},{"id":85,"type":"single","stem":"某团队用 1000 条已标注文本训练意图分类模型，训练集准确率 99%、验证集准确率 62%，最可能的原因是","options":["验证集样本数量太少导致评估波动","模型在训练集上过拟合而泛化能力不足","标注数据中存在大量重复样本","学习率设置过低使模型未收敛"],"answer":[1],"explanation":"知识点：模型评估中过拟合的识别。训练准确率远高于验证准确率是过拟合的典型表现。A 项验证集少会引起波动，但不会造成如此稳定的巨大差距；C 项重复样本可能加剧过拟合，但不是最直接原因；D 项学习率过低通常表现为训练和验证都欠拟合。","tier":"基础"},{"id":86,"type":"single","stem":"在构建提示词时，要求模型从一段客服对话中抽取订单号、商品名和投诉类型，为了让输出便于程序解析，最稳妥的提示设计是","options":["在提示中要求模型用 JSON 格式输出并给出字段示例","在提示中要求模型尽量简洁地回答关键信息","在提示中要求模型分点列出所有识别到的信息","在提示中要求模型先解释再给出最终抽取结果"],"answer":[0],"explanation":"知识点：提示工程中的结构化输出设计。正确项指定 JSON 格式并给字段示例，能让输出结构稳定、便于程序解析。B 项简洁回答缺少结构约束，字段可能缺失；C 项分点列出格式不固定，解析困难；D 项先解释再给结果会引入冗余文本，增加解析复杂度。","tier":"进阶"},{"id":87,"type":"single","stem":"某标注项目将数据集按 7:2:1 划分为训练集、验证集和测试集，划分时发现同一用户的多条记录被分散到三个集合中，这种划分方式的主要风险是","options":["训练集样本量不足导致模型欠拟合","验证集与测试集分布不一致","同一用户信息泄漏使评估结果偏乐观","测试集比例过低导致评估不稳定"],"answer":[2],"explanation":"知识点：数据集划分中的数据泄漏。同一用户记录分散到不同集合会造成信息泄漏，使模型在验证和测试时见到训练时已见过的用户模式，评估偏乐观。A 项样本量不足与划分比例有关而非泄漏；B 项分布不一致不是此处主要问题；D 项测试集比例低影响稳定性，但与用户分散无直接关系。","tier":"挑战"},{"id":88,"type":"single","stem":"在语音标注项目中，两名标注员对同一批音频的转写结果不一致率较高，质检员首先应当做的是","options":["直接采用资历较深标注员的结果作为标准","统计不一致的具体类型并复核标注规范","要求两人重新标注全部音频直至一致","将不一致样本全部剔除以保证数据质量"],"answer":[1],"explanation":"知识点：标注一致性分析与规范复核。正确项先统计不一致类型并复核规范，能定位是规范模糊还是执行偏差。A 项以资历定标准缺乏依据；C 项全部重标成本高且未解决根因；D 项剔除样本会损失数据且掩盖问题。","tier":"进阶"},{"id":89,"type":"single","stem":"某模型在测试集上的精确率为 0.9、召回率为 0.5，业务方更关心漏检带来的风险，此时优先调整的方向是","options":["提高分类阈值以增加精确率","降低分类阈值以提升召回率","增加训练轮数使模型更充分收敛","更换评估指标为准确率后重新比较"],"answer":[1],"explanation":"知识点：精确率与召回率的权衡。业务更关心漏检即需要更高召回率，降低分类阈值可让更多正例被检出。A 项提高阈值会进一步降低召回；C 项增加轮数不直接改变阈值带来的权衡；D 项换指标回避了业务真正关心的漏检问题。","tier":"挑战"},{"id":90,"type":"single","stem":"在文本分类数据标注中，规范要求对含讽刺语气的评论标注为负面，但标注员对讽刺的判定标准存在分歧，最有效的改进措施是","options":["在规范中补充讽刺判定的边界示例和反例","要求标注员统一按字面情感进行标注","将该类样本从数据集中全部移除","增加标注员数量以投票决定讽刺标签"],"answer":[0],"explanation":"知识点：标注规范的可操作化。正确项补充边界示例和反例，能统一判定标准。B 项按字面情感标注违背了规范目标；C 项移除样本会丢失重要类别；D 项投票无法解决标准模糊问题，只是把分歧后置。","tier":"进阶"},{"id":91,"type":"single","stem":"某团队在模型上线后发现某类别的预测错误率明显高于其他类别，复查训练数据发现该类别样本仅占总量的 3%，下一步最合理的做法是","options":["直接删除该类别以简化问题","对该类别进行过采样或收集更多样本","整体增加所有类别的样本量","调整评估指标为宏平均后重新上线"],"answer":[1],"explanation":"知识点：类别不平衡的处理。正确项针对少数类过采样或补采数据，能直接缓解样本不足。A 项删除类别会丢失业务能力；C 项整体增量成本高且不针对问题；D 项换指标只改变评估呈现，不改善模型对该类的识别。","tier":"挑战"},{"id":92,"type":"single","stem":"在提示工程中，要求模型对一段法律条文进行摘要，但模型多次输出与原文无关的建议，最可能有效的改进是","options":["在提示中明确限定只依据给定条文进行摘要","在提示中增加更多关于法律领域的背景介绍","在提示中要求模型输出更长的摘要内容","在提示中要求模型用更口语化的方式表达"],"answer":[0],"explanation":"知识点：提示工程中的约束与边界设定。正确项限定只依据给定条文，能抑制模型引入外部内容。B 项增加背景可能引入更多无关信息；C 项加长摘要不解决跑题；D 项改变语气与内容偏离无关。","tier":"进阶"},{"id":93,"type":"single","stem":"质检员在复核一批已标注的医疗文本时，发现部分样本的实体边界标注存在争议，正确的处理流程是","options":["以质检员个人判断直接修改边界并记录","组织标注员与质检员对照规范讨论并形成裁定","将争议样本全部退回给原标注员自行决定","跳过争议样本，仅统计无争议样本的合格率"],"answer":[1],"explanation":"知识点：质量复核中的争议裁定流程。正确项组织双方对照规范讨论形成裁定，可保证一致性和可追溯。A 项个人直接修改缺乏共识；C 项退回自行决定会加剧不一致；D 项跳过争议样本使合格率失真。","tier":"挑战"},{"id":94,"type":"single","stem":"某团队完成模型训练后，准备用测试集评估，但发现测试集在训练过程中曾被用于早停选择，此时正确的做法是","options":["继续用该测试集评估并直接报告结果","重新划分一个从未参与训练的测试集进行评估","改用训练集评估以节省重新标注成本","在测试集上继续调参直到指标满意"],"answer":[1],"explanation":"知识点：测试集的独立性与评估有效性。正确项重新划分未参与训练的测试集，才能得到无偏评估。A 项继续使用会使结果偏乐观；C 项用训练集评估无泛化意义；D 项在测试集上调参会进一步污染评估。","tier":"挑战"},{"id":95,"type":"single","stem":"在图像标注项目中，标注员对同一批图片中边界模糊的目标给出了不一致的框选结果，复核员正确的下一步处置是","options":["抽查这批图片的标注一致性，对分歧明显的样本组织标注员对照标注规范重新校准","直接按复核员自己的判断修改有分歧的标注框，并在系统中记录修改原因","把这批图片整体退回给原标注员，要求其在无额外说明的情况下全部重标","将分歧样本从数据集中删除，以保证剩余标注结果的整体一致性"],"answer":[0],"explanation":"知识点：标注一致性管理与复核流程。标注分歧往往源于规范理解不一致，正确做法是先做一致性抽查并组织校准，从源头统一标准。直接替标注员改框会掩盖规范理解问题且引入复核者主观偏差；整体退回重标不解决理解分歧，可能再次产生同样错误；删除分歧样本会损失有效数据并掩盖质量问题。","tier":"进阶"},{"id":96,"type":"single","stem":"某团队将一万条已标注数据按 8:1:1 随机划分为训练集、验证集和测试集，但同一用户的多条高度相似记录被分散到了三个集合中，这种划分方式最可能导致","options":["测试集评估结果被高估，因为模型在训练中见过同源相似样本","验证集失去调参作用，因为其样本数量少于训练集","训练集收敛变慢，因为相似样本被分散后梯度冲突增加","标注成本上升，因为相似样本需要被重复标注多次"],"answer":[0],"explanation":"知识点：数据集划分中的数据泄漏。同一用户或同源相似样本若同时出现在训练集和测试集，会造成信息泄漏，使测试指标虚高。验证集样本少并不必然失去调参作用；相似样本分散不会导致梯度冲突使收敛变慢；划分方式本身不增加标注成本。","tier":"进阶"},{"id":97,"type":"single","stem":"在提示工程中，需要让大模型对一批用户评论做情感分类，并要求输出只能为“正面”或“负面”，最有效的提示设计是","options":["在提示中给出任务说明、两个候选标签及一个输入输出示例，并限定只输出标签词","在提示中说明这是情感分类任务，请模型尽量给出准确且详细的分析结论","在提示中要求模型先自由发挥再自行判断，最后给出它认为合适的标签","在提示中列出全部可能的情感类别，让模型根据上下文选择最贴近的一个"],"answer":[0],"explanation":"知识点：分类任务的提示工程约束设计。明确任务、限定标签集合、给出示例并约束输出格式，能显著降低输出漂移。只说明任务会让模型输出分析性长文本，难以直接用于统计；先自由发挥再判断会增加不确定性和无关内容；列出过多情感类别会超出二分类需求并引入歧义。","tier":"进阶"},{"id":98,"type":"single","stem":"某标注项目要求对文本中的公司名称进行实体标注，一位标注员把“苹果公司发布了新手机”中的“苹果”单独标为公司名，复核时正确的判定是","options":["标注不完整，实体边界应覆盖“苹果公司”这一完整机构名称","标注正确，因为“苹果”是该机构名称的核心词","标注错误，因为“苹果”在该句中指水果而非公司","标注正确，因为实体标注只要求标出关键词即可"],"answer":[0],"explanation":"知识点：命名实体标注的边界规范。机构名实体应标注完整名称，不能只取核心词。该句中“苹果”与“公司”共同构成机构名，单独标注会破坏边界一致性；该句语境已明确指公司，不是水果；实体标注要求完整边界而非只标关键词。","tier":"进阶"},{"id":99,"type":"single","stem":"某团队用准确率评估一个正负样本比例约为 1:99 的欺诈检测模型，模型把所有样本都预测为“正常”，准确率仍高达 99%，这说明该评估方案的主要问题是","options":["准确率对类别极不平衡的数据不敏感，应补充查全率、查准率或 F1 等指标","模型训练不充分，应增加训练轮次直到准确率继续提升","测试集规模太小，应扩大测试集使准确率更具代表性","欺诈样本标注有误，应重新标注全部负样本后再评估"],"answer":[0],"explanation":"知识点：不平衡数据下的模型评估指标选择。全预测为多数类即可获得高准确率，故准确率在此场景失去区分力，需引入查全率、查准率、F1 或 AUC 等。增加训练轮次不能解决指标失效问题；扩大测试集仍会被多数类主导；问题在评估指标而非负样本标注。","tier":"进阶"},{"id":100,"type":"multi","stem":"在为一个客服工单分类模型构建训练数据时，下列做法有助于降低数据泄漏和评估偏差的是","options":["按工单创建时间划分训练集与测试集，避免未来信息进入训练","同一会话拆出的多条工单只放入同一个数据子集","划分前先统计各类别在训练集与测试集中的比例并做分层抽样","把测试集样本的预测结果反馈给标注员用于修正训练集标签","用全部数据训练模型后再用其中随机一半样本评估性能"],"answer":[0,1,2],"explanation":"知识点：数据集划分与评估偏差控制。按时间划分、按会话分组、分层抽样都能减少泄漏并保持分布合理。把测试集预测结果用于修正训练标签会造成测试信息泄漏；用全部数据训练后再取其中样本评估，评估样本已被模型见过，指标不可信。","tier":"进阶"},{"id":101,"type":"single","stem":"在图像数据标注项目中，为“行人”目标框制定标注规范时，要求标注框边界与目标可见轮廓边缘保持固定间距，这一做法的主要目的是什么","options":["保证同一目标在不同标注员之间选取边界的一致性","让标注框面积略大于目标便于模型学习背景信息","减少标注框数量以加快标注速度","使标注框与图像边缘保持安全距离以防裁剪"],"answer":[0],"explanation":"知识点是标注规范中边界框定义的一致性控制。正确项对：固定间距把主观边界选择转化为可执行规则，降低标注员间差异。错误项一错在放大边界会让模型学到多余背景而非一致边界；错误项二错在间距规则不减少框数量；错误项三错在安全距离针对的是图像裁剪而非目标轮廓。","tier":"基础"},{"id":102,"type":"single","stem":"在构建训练集与验证集时，若同一用户的多条行为记录被随机拆分到两个集合中，最可能引入哪类评估偏差","options":["数据泄漏，验证集分数被高估","类别不平衡，验证集分布失真","标注噪声，验证集标签错误","样本量不足，验证集方差偏大"],"answer":[0],"explanation":"知识点是数据集划分中的分组泄漏。正确项对：同一用户记录同时出现在训练和验证，模型可记忆用户特征导致分数虚高。错误项一错在类别不平衡与是否按用户分组无直接因果；错误项二错在标注噪声是标签质量问题；错误项三错在样本量不足是规模问题而非划分方式导致。","tier":"基础"},{"id":103,"type":"single","stem":"某提示工程任务中，模型对同一问题多次回答格式不稳定，有时输出JSON有时输出段落，最有效的改进措施是什么","options":["在提示中给出输出格式示例并明确字段顺序","提高采样温度以增加回答多样性","把问题拆成多个子问题分别提问","增加系统提示的字数使说明更详细"],"answer":[0],"explanation":"知识点是提示工程中的输出格式约束。正确项对：给出示例和字段顺序属于结构化约束，能稳定输出形态。错误项一错在提高温度会加剧格式波动；错误项二错在拆分子问题不解决格式一致性；错误项三错在单纯增加字数不等于给出可模仿的格式样例。","tier":"基础"},{"id":104,"type":"single","stem":"在模型评估中，某分类任务正样本占比1%，若只看准确率会得到99%的高分，为更合理评估模型对正样本的识别能力应优先看什么","options":["精确率与召回率的综合指标","训练集上的损失下降曲线","模型推理的单条耗时","验证集样本的总数量"],"answer":[0],"explanation":"知识点是类别不平衡下的评估指标选择。正确项对：精确率、召回率或F1能反映正样本识别质量，不受多数类主导。错误项一错在训练损失不直接反映泛化识别能力；错误项二错在推理耗时是性能指标；错误项三错在样本总数不解决指标选择问题。","tier":"基础"},{"id":105,"type":"single","stem":"某团队在标注平台中设置“金标题”随机插入标注流，其主要作用是什么","options":["持续监控标注员准确率并发现漂移","替代人工复核以减少复核工作量","提高标注界面的加载速度","自动生成新的标注规范条款"],"answer":[0],"explanation":"知识点是标注质量控制中的金标题机制。正确项对：已知答案的题随机插入可实时估计标注员准确率与稳定性。错误项一错在金标题不能替代复核，只是监控手段；错误项二错在加载速度与金标题无关；错误项三错在规范条款需人工制定。","tier":"基础"},{"id":106,"type":"single","stem":"在提示工程中，为减少模型编造不存在事实，下列哪种做法最符合可复现流程的要求","options":["要求模型在不确定时输出“未知”并给出依据来源","把温度调到最高让模型自由发挥","在提示中要求模型尽量给出详细答案","让模型先给出结论再补充理由"],"answer":[0],"explanation":"知识点是提示工程中的幻觉抑制与可复现性。正确项对：允许输出未知并要求依据来源，可减少无依据编造且便于复核。错误项一错在高温度增加随机性；错误项二错在要求详细会鼓励补全不存在内容；错误项三错在先结论后理由易产生事后合理化。","tier":"进阶"},{"id":107,"type":"single","stem":"某图像标注项目把“遮挡超过50%的目标”统一标为“忽略区域”，复核时发现部分目标虽遮挡但关键部位可见，正确处置是什么","options":["维持忽略，避免引入主观判断","按规范重新评估是否应标为可见类别","直接删除这些目标所在图像","把忽略区域改为背景类"],"answer":[1],"explanation":"知识点是遮挡目标的标注处置。正确项对：应按规范对关键部位可见的目标重新评估类别，而非一律忽略。错误项一错在维持忽略会丢失有效样本；错误项二错在删除图像损失数据；错误项三错在改为背景类会引入错误标签。","tier":"进阶"},{"id":108,"type":"single","stem":"在数据集划分时，若验证集与测试集来自同一批采集设备而训练集来自另一批设备，评估结果最可能说明什么","options":["模型跨设备泛化能力可能被高估","模型一定存在严重过拟合","标注质量一定不合格","训练集样本数量一定不足"],"answer":[0],"explanation":"知识点是数据集划分与分布一致性。正确项对：验证和测试同源而训练异源，评估无法反映跨设备泛化，分数可能虚高。错误项一错在过拟合需看训练与验证差距；错误项二错在标注质量与设备来源无必然关系；错误项三错在样本量不足是另一维度问题。","tier":"基础"},{"id":109,"type":"single","stem":"某标注员在文本实体标注中把“北京大学”整体标为“组织”，而规范要求院校名整体标注为“机构”，复核员应如何记录该问题","options":["记为标签体系使用错误并纳入该员准确率统计","记为漏标并直接扣减该条数据权重","记为格式错误并忽略不计入统计","记为边界错误并只提醒不记录"],"answer":[0],"explanation":"知识点是标注质量复核中的错误归类与统计。正确项对：使用错误标签属于标签体系使用错误，应记录并纳入准确率。错误项一错在漏标指未标出实体；错误项二错在格式错误指格式问题；错误项三错在边界错误指范围问题，且不记录无法改进。","tier":"基础"},{"id":110,"type":"multi","stem":"在模型评估流程中，为得到可复现的评估结论，下列哪些做法是必要的","options":["固定随机种子并记录数据划分版本","评估指标在训练前预先确定","每次评估后根据结果更换测试集","记录模型推理的预处理参数","用训练集上的表现作为最终结论"],"answer":[0,1,3],"explanation":"知识点是模型评估的可复现流程。正确项对：固定种子与数据版本、预先定指标、记录预处理参数，都是保证可复现的必要措施。错误项一错在评估后换测试集属于数据窥探；错误项二错在训练集表现不能作为最终泛化结论。","tier":"进阶"},{"id":111,"type":"single","stem":"在图像标注项目中，标注员对同一张图片中的遮挡目标边界框反复调整仍无法确定范围时，最符合标注规范的处置是","options":["按可见部分紧贴边缘画框并标记为遮挡","按目标完整轮廓推测画框并标记为可见","跳过该目标并在备注中写无法标注","扩大边界框至包含相邻同类目标"],"answer":[0],"explanation":"知识点：遮挡目标的标注规范。正确项对：遮挡目标应只标注可见部分并打遮挡属性，保证框位置可复现。错误项一：按完整轮廓推测属于主观补全，会引入不可复现偏差。错误项二：直接跳过会丢失有效样本，规范通常要求标注可见部分。错误项三：扩框包含相邻目标会造成框污染，破坏实例分离。","tier":"基础"},{"id":112,"type":"single","stem":"某标注团队发现同一批数据中两名标注员对“行人是否携带背包”的判定一致率明显偏低，复核时最应优先核查的是","options":["标注员的日均标注数量差异","该类别的标注细则与示例定义","标注平台的账号权限分配","图片采集设备的分辨率参数"],"answer":[1],"explanation":"知识点：标注一致性异常的归因。正确项对：一致性低通常源于类别定义模糊或示例缺失，应先核查细则。错误项一：产量差异不直接解释同一图片判定分歧。错误项三：权限分配影响操作安全，不影响语义判定。错误项四：分辨率是采集侧因素，通常不导致同一图片内判定分歧。","tier":"挑战"},{"id":113,"type":"single","stem":"在构建文本分类数据集时，若正负样本比例为 95:5，且业务更关注少数类召回，较合理的处理顺序是","options":["先划分训练验证测试再对训练集重采样","先对全量数据重采样再划分训练验证测试","先训练模型再根据测试集过采样少数类","先删除部分多数类再重新采集更多数据"],"answer":[0],"explanation":"知识点：数据划分与重采样的顺序。正确项对：先划分可避免重采样样本跨集合泄漏，再仅对训练集重采样符合评估独立性。错误项一：全量重采样会让同一少数样本的副本落入测试集，虚高指标。错误项二：测试集过采样直接污染评估。错误项三：删多数类与重新采集顺序混淆，且未先固定划分。","tier":"进阶"},{"id":114,"type":"single","stem":"提示工程中让模型完成“从合同文本抽取甲方名称”时，为降低输出格式漂移，较有效的做法是","options":["在提示中给出字段名并附一个抽取示例","在提示中强调必须认真抽取不要出错","把温度参数调到最高以增加多样性","把合同全文拆成单字逐个提问模型"],"answer":[0],"explanation":"知识点：结构化抽取的提示设计。正确项对：字段名加示例可锚定输出结构，降低格式漂移。错误项一：只强调认真属于空洞指令，对格式约束弱。错误项三：提高温度会增加随机性，加剧格式漂移。错误项四：单字提问丢失上下文，且成本高、效果差。","tier":"基础"},{"id":115,"type":"single","stem":"某模型在测试集上准确率 0.92，但上线后对某新地区数据准确率骤降至 0.61，最应先排查的是","options":["测试集与线上数据的分布差异","模型参数量是否不足以拟合","训练时是否使用了早停策略","推理服务的批处理大小设置"],"answer":[0],"explanation":"知识点：分布偏移与泛化评估。正确项对：地区变化导致特征分布偏移，是测试与线上差异的首要排查点。错误项一：参数量不足通常表现为整体欠拟合，不会只在新区骤降。错误项三：早停影响收敛程度，不解释地域性差异。错误项四：批大小影响吞吐与少量数值稳定性，不解释语义性下降。","tier":"基础"},{"id":116,"type":"single","stem":"在语音标注项目中，对于录音中同时存在两人说话的片段，符合常见标注规范的处置是","options":["标注为主要说话人并添加重叠语音标记","按两人分别切分并各自生成独立音频","丢弃该片段以保证训练数据纯净","只标注音量较大的一人并忽略另一人"],"answer":[0],"explanation":"知识点：重叠语音的标注规范。正确项对：保留片段并标注主说话人及重叠属性，便于后续筛选与建模。错误项一：强行切分重叠段会破坏原始时序，难以复现。错误项三：直接丢弃会损失真实场景样本。错误项四：只按音量取舍会引入主观偏差且丢失重叠信息。","tier":"基础"},{"id":117,"type":"single","stem":"质量复核时抽查发现某标注员对“车辆类型”标签的准确率为 0.88，低于批次阈值 0.95，较规范的下一步处置是","options":["对该员全部已标注数据进行返工复核","仅对该员本批次数据整体退回重标","随机抽取该员部分数据二次复核确认","直接将该员移出本项目不再录用"],"answer":[1],"explanation":"知识点：质量复核的异常处置流程。正确项对：先针对问题批次整体退回，控制风险范围并保留证据。错误项一：扩大到全部历史数据缺乏依据，成本过高。错误项三：随机抽检不能覆盖已发现问题的批次。错误项四：直接移出项目跳过复核与纠正流程。","tier":"挑战"},{"id":118,"type":"single","stem":"训练图像分类模型时，若同一物体在多张图片中连续出现且被分到训练集和验证集，主要风险是","options":["验证集指标被高估而泛化被误判","训练集损失下降速度变慢","模型参数量被迫大幅增加","类别标签分布变得不再均衡"],"answer":[0],"explanation":"知识点：数据泄漏与集合独立性。正确项对：近重复样本跨集合会造成信息泄漏，使验证指标虚高。错误项一：泄漏不会必然减慢训练损失下降。错误项三：泄漏与参数量无直接关系。错误项四：泄漏不直接改变类别分布均衡性。","tier":"基础"},{"id":119,"type":"single","stem":"在提示工程中采用“思维链”让模型分步推理后，发现最终答案正确率提升但输出不稳定，较合理的改进是","options":["固定推理步骤模板并约束最终答案格式","继续增加推理步骤数量以覆盖更多情况","取消分步推理只要求模型直接给答案","对同一问题多次采样后随机选取一个答案"],"answer":[0],"explanation":"知识点：思维链提示的可控性。正确项对：用模板固定步骤并约束输出格式，可兼顾推理与稳定性。错误项一：盲目增加步骤会引入更多分叉，稳定性更差。错误项三：取消分步会丢失已验证的准确率收益。错误项四：随机选取答案不可复现，无法定位错误。","tier":"挑战"},{"id":120,"type":"single","stem":"某团队用 F1 分数评估二分类模型，正类为少数类，若把预测阈值从 0.5 调高到 0.7，最可能出现的指标变化是","options":["精确率上升而召回率下降","精确率与召回率同时上升","精确率下降而召回率上升","精确率与召回率同时下降"],"answer":[0],"explanation":"知识点：阈值与精确率召回率的关系。正确项对：阈值提高使预测正类更保守，误报减少精确率升，漏报增多召回率降。错误项一：二者通常此消彼长，难以同时上升。错误项三：方向反了，阈值提高不会让召回上升。错误项四：精确率通常不会随阈值提高而下降。","tier":"基础"},{"id":121,"type":"single","stem":"标注平台新增一批医疗影像数据，标注员在标注前被要求先阅读标注手册并完成试标考核，这一步在质量管理体系中属于","options":["标注前的准入与一致性校准","标注后的质量抽检与返工","数据集的划分与版本管理","模型评估指标的选取与计算"],"answer":[0],"explanation":"知识点：标注质量管理的前置环节。正确项对：试标考核用于统一理解、筛除不合格人员，属准入校准。错误项一：抽检返工发生在标注完成之后。错误项三：划分与版本管理针对数据集组织，不针对人员准入。错误项四：指标选取属模型评估阶段，与标注准入无关。","tier":"基础"},{"id":122,"type":"multi","stem":"在构建文本情感分类数据集并评估模型时，下列做法有助于保证评估结果可复现的有","options":["固定随机种子并记录数据划分脚本版本","划分前按样本指纹去重避免近重复泄漏","对测试集反复调参直到指标达到目标","仅报告最高一次运行的准确率结果","保存标签映射与预处理配置文件"],"answer":[0,1,4],"explanation":"知识点：可复现评估的工程要求。正确项一对：固定种子与记录划分脚本保证划分可重建。正确项二对：去重避免近重复跨集合泄漏，保证评估可信。正确项五对：保存标签映射与预处理配置保证前后处理一致。错误项一：在测试集上调参属于泄漏，破坏评估有效性。错误项二：只报告最高结果属于选择性报告，不可复现。","tier":"进阶"},{"id":123,"type":"single","stem":"在图像标注项目中，标注员对同一张图片的同一目标框反复调整了三次，质检员复核时最应优先检查的是","options":["该框的坐标数值是否与首次提交完全一致","该框是否仍与目标边缘贴合且类别标签未变","标注员当日累计修改次数是否超过团队均值","该图片是否被分配给了多名标注员交叉标注"],"answer":[1],"explanation":"知识点：标注质量复核的核心是框的几何贴合度与标签一致性。反复调整后最可能引入偏移或误改类别，因此优先复查贴合度与标签；坐标与首次一致并不代表正确，可能首次就错；修改次数是效率指标而非质量指标；是否多人交叉标注是流程分配问题，不能直接判定当前框质量。","tier":"进阶"},{"id":124,"type":"single","stem":"某团队用提示工程让大模型从客服对话中抽取“用户诉求”，第一版提示只写“请抽取用户诉求”，结果模型把客服的安抚话术也当成诉求输出，下一步最合理的改进是","options":["把温度参数调到0并重新抽取全部对话","在提示中给出诉求定义并附两个正反例","把整段对话截断到只保留用户最后一句话","要求模型对每条输出标注置信度后再人工筛选"],"answer":[1],"explanation":"知识点：提示工程中通过任务定义与示例约束输出空间。模型混淆角色是因为缺少“诉求”的界定与示例，补充定义和正反例可直接纠正；调温度只降低随机性，不能教会模型区分角色；截断对话会丢失上下文导致漏抽；置信度标注不能解决定义不清导致的系统性误判。","tier":"进阶"},{"id":125,"type":"single","stem":"在划分训练集、验证集和测试集时，同一用户的多条行为记录被随机打散分到了三个集合中，这种做法最可能带来的问题是","options":["训练集样本量被验证集挤占导致欠拟合","测试集指标被高估而无法反映真实泛化","验证集失去调参作用只能用于最终评估","类别分布在各集合间出现显著不均衡"],"answer":[1],"explanation":"知识点：数据集划分需避免同一实体跨集合造成信息泄漏。同一用户记录被打散会让模型在训练中见过该用户模式，测试时指标虚高；样本量挤占、验证集作用、类别不均衡都不是该划分方式的核心风险，核心是泄漏导致评估失真。","tier":"进阶"},{"id":126,"type":"single","stem":"某标注项目规定“模糊目标不标”，但质检发现大量模糊目标被标成了清晰类别，最可能的原因是","options":["标注手册中“模糊”的判定标准缺少可操作示例","标注工具不支持对模糊目标打特殊标记","质检抽样比例设置得低于行业常规水平","标注员的计件工资与标注数量直接挂钩"],"answer":[0],"explanation":"知识点：标注规范的可操作性是质量的前提。判定标准缺少示例会导致标注员对“模糊”理解不一致，从而把模糊当清晰；工具不支持标记是能力问题但题干已规定不标；抽样比例低影响发现率而非产生原因；计件工资可能促量，但题干问的是“被标成清晰类别”的直接原因，标准不清更直接。","tier":"挑战"},{"id":127,"type":"single","stem":"某模型在验证集上F1为0.92，在测试集上F1为0.71，训练集F1为0.95，最合理的诊断是","options":["模型在训练集上欠拟合需要增加训练轮次","验证集与测试集的数据分布存在明显差异","测试集标注质量差导致指标被系统性拉低","模型参数量过大导致在测试集上过拟合"],"answer":[1],"explanation":"知识点：通过三集合指标差异判断数据分布与过拟合。训练与验证都高而测试骤降，典型指向验证集与测试集分布不一致；欠拟合应三集合都低；测试集标注差是可能但题干未给证据，且验证与测试差异大更指向分布；参数量过大通常表现为训练高测试低但验证也低，而此处验证高。","tier":"进阶"},{"id":128,"type":"single","stem":"在数据标注流程中，预标注（模型先标、人工修正）相比纯人工标注，质检环节最需要额外关注的是","options":["人工是否只修改了明显错误而忽略模型系统性偏差","预标注模型的推理速度是否满足项目周期要求","人工修正后的标签是否与预标注结果完全一致","预标注所用模型的训练数据是否包含当前批次"],"answer":[0],"explanation":"知识点：预标注会引入模型偏差，人工容易锚定在模型输出上只改显眼错误。质检需关注系统性偏差是否被漏改；推理速度是效率问题；完全一致说明人工未修正，反而异常；训练数据是否包含当前批次涉及泄漏，但不是质检环节最直接关注点。","tier":"进阶"},{"id":129,"type":"single","stem":"某分类任务中，模型对少数类样本的召回率很低，业务方要求提升少数类召回，下列做法最可能直接有效的是","options":["提高分类阈值使更多样本被判为少数类","对少数类样本进行过采样并重新训练","增加多数类样本数量以平衡类别比例","在评估时改用准确率替代召回率"],"answer":[1],"explanation":"知识点：类别不均衡下提升少数类召回的常用手段。过采样少数类可让模型更关注该类别；提高阈值通常使更多样本被判为正类，但若阈值方向针对少数类需具体设定，且盲目提高会降精度，不如重训练直接；增加多数类会加剧不均衡；改用准确率是掩盖问题而非解决。","tier":"基础"},{"id":130,"type":"single","stem":"在文本标注中，两名标注员对同一批数据的Kappa系数为0.35，项目负责人正确的下一步处置是","options":["直接采用多数投票结果并进入训练流程","组织标注员对齐标准并复训后重新标注","将Kappa低于0.6的标注员全部调离项目","把该批数据全部作废并重新招募标注团队"],"answer":[1],"explanation":"知识点：Kappa系数反映标注一致性，0.35属于较低一致性。正确做法是定位分歧、对齐标准并复训；直接投票会把分歧固化；调离人员过于极端且未解决标准问题；全部作废成本过高且未针对根因。","tier":"进阶"},{"id":131,"type":"single","stem":"某团队在训练对话模型时，把用户历史对话中的敏感信息直接保留在训练数据中，最合适的处置是","options":["在训练前对敏感信息进行检测并脱敏替换","在模型部署后再对输出做敏感词过滤","把敏感信息所在整段对话从数据集中删除","要求标注员在标注时跳过敏感信息所在轮次"],"answer":[0],"explanation":"知识点：训练数据合规处理应在训练前完成。检测并脱敏可保留语义同时降低风险；部署后过滤不能防止模型记住敏感信息；整段删除损失大量上下文；标注时跳过只影响标签，原始文本仍可能进入训练。","tier":"进阶"},{"id":132,"type":"single","stem":"某目标检测数据集标注完成后，质检员发现部分图片的标注框数量明显少于同类场景，最有效的复核方式是","options":["按图片随机抽取5%检查框数量是否达标","对框数量偏少的图片逐张放大检查漏标目标","统计全体标注员的平均框数量并剔除低者","用另一模型重新预标注后直接替换原标注"],"answer":[1],"explanation":"知识点：漏标复核应针对可疑样本做全量细查。框数量偏少提示可能漏标，逐张放大检查可直接发现漏标；随机抽样可能漏掉问题；按平均值剔除会误伤难样本；直接替换会引入新模型偏差且未人工确认。","tier":"挑战"},{"id":133,"type":"single","stem":"在模型评估报告中，业务方发现“整体准确率95%”但实际使用中投诉很多，最可能被忽略的评估维度是","options":["模型在不同子群体上的分类性能差异","模型推理耗时是否超过业务容忍上限","训练集与测试集的样本总量是否一致","模型参数量是否适合当前部署硬件"],"answer":[0],"explanation":"知识点：整体指标会掩盖子群体性能差异。若某些关键子群体准确率低，整体仍可能高，导致实际投诉多；推理耗时影响体验但不直接解释分类投诉；样本总量一致性与性能无关；参数量与硬件适配是部署问题。","tier":"挑战"},{"id":134,"type":"multi","stem":"某团队要为一个新标注项目建立可复现的质量复核流程，下列做法中合理的有","options":["固定抽样比例并记录每次抽样的随机种子","对争议样本建立仲裁机制并保留仲裁记录","质检员与标注员使用同一份标注手册的不同版本","每批次复核后统计各类错误的分布并反馈给标注员","仅以最终准确率作为标注员绩效的唯一依据"],"answer":[0,1,3],"explanation":"知识点：可复现质量复核流程的要素。固定抽样与随机种子保证复核可重复；仲裁机制解决分歧并留痕；错误分布反馈可驱动改进。质检与标注使用不同版本手册会导致标准不一致，破坏可复现；仅以最终准确率作唯一绩效会忽略错误类型与改进过程。","tier":"挑战"},{"id":135,"type":"single","stem":"某文本分类标注任务中，两名标注员对同一条含反讽语气的评论分别标为“负面”和“中性”，复核员判定应归为“负面”，最合理的处理依据是","options":["以复核员资历更高为由直接采纳","按标注指南中反讽表达的情感归属规则裁定","取两人标签的中间类别作为最终结果","将该条退回并随机指派第三人重标"],"answer":[1],"explanation":"知识点是标注争议的裁定应回归标注指南而非资历或投票。正确项：指南通常规定反讽按字面背后的真实情感归类，据此可裁定为负面。错误项：资历不能替代规则依据；情感类别无序，取中间类别在方法上不成立；退回随机重标不能解决规则理解分歧，反而增加成本。","tier":"进阶"},{"id":136,"type":"single","stem":"在构建训练集与验证集时，若同一用户的多条行为记录被随机拆分到两个集合中，最可能造成的评估问题是","options":["验证集样本数量不足导致方差偏大","训练集与验证集分布出现信息泄漏","类别不平衡使准确率失去参考价值","验证集无法覆盖长尾用户的行为模式"],"answer":[1],"explanation":"知识点是数据集划分的独立性原则。正确项：同一用户记录被拆分会使验证集包含与训练集同源的信息，造成泄漏、评估偏乐观。错误项：样本量是否不足取决于划分比例而非拆分方式；类别不平衡是另一问题；长尾覆盖与是否按用户分组没有直接因果。","tier":"基础"},{"id":137,"type":"single","stem":"提示工程中要求模型从一段合同文本里抽取所有金额并保持格式统一，为降低漏抽，下列提示写法最有效的是","options":["请尽量找出合同里可能出现的金额","请逐条列出金额并注明其所在条款编号","请只输出你认为最重要的金额","请用自然语言总结合同涉及的金额情况"],"answer":[1],"explanation":"知识点是抽取类提示需约束输出结构与定位依据。正确项：要求逐条列出并注明条款编号，可引导模型逐段扫描、减少遗漏且便于核对。错误项：“尽量”“可能”弱化约束；只输出最重要金额会主动舍弃其他金额；自然语言总结不做逐项枚举，漏抽风险更高。","tier":"基础"},{"id":138,"type":"single","stem":"某团队用准确率评估一个正类占比仅百分之二的欺诈检测模型，模型把所有样本都预测为负类，此时准确率约为百分之九十八，说明该评估指标的主要缺陷是","options":["对类别分布不敏感而掩盖少数类失效","计算过程依赖阈值选择导致结果波动","无法用于二分类而只适用于多分类","要求预测概率输出而硬标签不可用"],"answer":[0],"explanation":"知识点是类别极不平衡时准确率的误导性。正确项：全预测为负仍得高准确率，说明该指标掩盖了少数类完全漏检。错误项：准确率不依赖阈值，阈值影响的是精确率召回率等；准确率可用于二分类；准确率只需硬标签，不需要概率。","tier":"挑战"},{"id":139,"type":"single","stem":"在语音数据标注中，标注员遇到录音里两人同时说话的片段，按规范应标注为重叠语音，但某标注员将其切成两段分别标注为单人语音，复核时判定该标注错误，主要理由是","options":["切分后总时长与原始音频不一致","重叠语音的声学特征被错误归为单人","两段标注的说话人编号可能重复","单人语音标签数量超出任务配额"],"answer":[1],"explanation":"知识点是重叠语音标注对声学特征归属的影响。正确项：同时说话片段含混叠声学特征，切成两段单人标注会使每段都混入他人语音，破坏标签与特征的对应。错误项：总时长是否一致取决于切分是否覆盖全部音频，并非核心错误；说话人编号重复是管理问题；标签配额与标注正确性无关。","tier":"挑战"},{"id":140,"type":"single","stem":"某标注项目要求对医学影像中的病灶进行多边形分割，标注员为省时改用矩形框标注，复核时该批数据被退回，最直接的技术原因是","options":["矩形框无法表达病灶的不规则边界","矩形框标注耗时短导致数量超标","矩形框不满足图像分类任务要求","矩形框的颜色与背景对比度不足"],"answer":[0],"explanation":"知识点是分割标注与检测标注的表示能力差异。正确项：分割任务需要像素级边界，矩形框只能给出外接范围，无法表达不规则轮廓。错误项：耗时短不是退回的技术理由；任务本就是分割而非分类；标注颜色与几何表示无关。","tier":"基础"},{"id":141,"type":"single","stem":"在模型评估中，某团队发现验证集损失持续下降但验证集业务指标停滞，最应先排查的环节是","options":["训练集是否被误当作验证集使用","损失函数是否与业务目标不一致","学习率是否设置得过高","批次大小是否超过显存容量"],"answer":[1],"explanation":"知识点是代理损失与业务目标的一致性。正确项：损失下降而业务指标不涨，常见原因是损失函数未对齐业务目标，优化方向与业务收益脱节。错误项：若训练集当验证集用，验证损失通常也会异常低且业务指标可能虚高，与现象不完全吻合；学习率过高通常损失震荡；批次大小影响显存与稳定性，不直接解释该背离。","tier":"挑战"},{"id":142,"type":"single","stem":"某团队完成数据标注后，质检员按百分之五比例随机抽检并全部合格，便判定整批数据合格，这一做法最需要补充的步骤是","options":["对抽检合格样本再次交叉复核","针对高风险类别与疑难样本做定向抽检","把抽检比例提高到百分之二十","让原标注员对未抽检样本自检"],"answer":[1],"explanation":"知识点是质量复核中的分层与风险导向抽样。正确项：随机抽检可能漏掉集中于特定类别的系统性错误，应补充对高风险类别和疑难样本的定向抽检。错误项：对已合格样本再复核收益有限；单纯提高比例不解决覆盖偏差；原标注员自检独立性不足。","tier":"基础"},{"id":143,"type":"single","stem":"某客服对话数据集划分时，团队按对话轮次逐条随机划分，导致同一通对话的前半段在训练集、后半段在验证集，正确的划分单位应是","options":["按单条消息随机划分","按整通对话为最小单位划分","按用户编号排序后等距划分","按消息时间戳奇偶划分"],"answer":[1],"explanation":"知识点是数据集划分的样本独立性。正确项：同一对话内上下文高度相关，须以整通对话为单位划分，避免泄漏。错误项：按消息划分正是造成泄漏的做法；按用户编号排序等距划分仍未保证同一对话完整归入一侧；按时间戳奇偶同样会把同一对话拆开。","tier":"基础"},{"id":144,"type":"single","stem":"某标注团队在标注指南更新后，仅口头通知标注员新规则便继续生产，两周后发现新旧规则样本混杂，正确的处置流程是","options":["对更新后全部样本按新规则重标","标记规则生效时间并只重标受影响样本","在指南中保留旧规则供标注员对照","把混杂样本直接用于训练并观察效果"],"answer":[1],"explanation":"知识点是标注版本管理与受影响范围的界定。正确项：应先记录规则生效时间点，识别受影响样本并按新规则重标，兼顾质量与成本。错误项：全部重标浪费且可能引入新偏差；保留旧规则会持续造成混淆；明知混杂仍直接训练会把噪声带入模型。","tier":"挑战"},{"id":145,"type":"multi","stem":"在提示工程迭代中，为系统排查模型在某抽取任务上输出不稳定的原因，下列做法合理的有","options":["固定提示模板与解码参数后重复多次运行","统计不同提示版本下的字段抽取完整率","把温度参数调高以增加输出多样性","对失败样本按缺失字段类型归类分析","直接用最终业务指标替代中间评估"],"answer":[0,1,3],"explanation":"知识点是提示工程的可复现流程与错误分析。正确项：固定模板与解码参数可排除随机性干扰；统计各版本抽取完整率能量化对比；按缺失字段归类可定位系统性错误模式。错误项：调高温度会增加随机性，不利于排查不稳定原因；跳过中间评估会失去定位问题的依据。","tier":"进阶"},{"id":146,"type":"single","stem":"在图像标注项目中，标注员对同一张图片中的目标框反复调整位置，导致同一目标出现多个高度重叠的框，质量复核时最应优先检查的是哪类问题？","options":["标注框的类别标签是否写错","标注框之间是否存在重复标注","图片的原始分辨率是否被压缩","标注任务的分发数量是否均衡"],"answer":[1],"explanation":"知识点是标注一致性中的重复标注问题。同一目标出现多个高度重叠框，核心异常是重复标注，应由复核环节合并或删除多余框；类别标签错误属于分类错误，与重叠框现象不对应；分辨率压缩属于数据预处理问题；任务分发数量属于项目管理问题。","tier":"基础"},{"id":147,"type":"single","stem":"某团队把一万条已标注文本按 8:1:1 随机划分为训练集、验证集、测试集，但同一用户的多条相似评论被分散到三个集合中，这种做法最可能导致什么后果？","options":["测试集准确率被高估","训练集损失无法收敛","验证集样本数量不足","标注成本显著增加"],"answer":[0],"explanation":"知识点是数据集划分中的数据泄漏。同一用户相似样本被分散到训练集和测试集，模型在训练中见过近似样本，测试集评估会偏乐观；损失能否收敛与划分泄漏无直接关系；验证集仍占一成，不是数量不足；划分方式不改变标注成本。","tier":"基础"},{"id":148,"type":"single","stem":"在提示工程中，要求模型先输出推理步骤再给出最终答案，与直接要求模型只输出最终答案相比，前者的主要优势通常是什么？","options":["可以降低模型参数量","便于定位推理中的错误环节","能保证答案一定正确","减少提示词的总长度"],"answer":[1],"explanation":"知识点是思维链提示的作用。先输出推理步骤能让复核者看到中间依据，便于定位错误环节；它不改变模型参数量；不能保证答案正确；通常还会增加输出长度。","tier":"基础"},{"id":149,"type":"single","stem":"某标注项目规定实体边界按“最长匹配”原则处理，标注员遇到“北京市海淀区”时把“北京市”和“海淀区”分别标成两个实体，复核时应判定为哪类错误？","options":["实体类型标注错误","实体边界切分错误","实体漏标错误","实体重复标注错误"],"answer":[1],"explanation":"知识点是实体边界标注规范。按最长匹配应标为一个完整行政区划实体，拆成两个属于边界切分错误；类型错误指类别选错；漏标指完全未标；重复标注指同一片段标了多次。","tier":"挑战"},{"id":150,"type":"single","stem":"模型在验证集上准确率持续上升，但在测试集上准确率明显下降，且两者差距远大于历史波动范围，最合理的下一步处置是什么？","options":["继续增加训练轮数观察验证集","重新检查测试集与训练集的分布差异","直接降低学习率重新训练","把测试集并入训练集提升效果"],"answer":[1],"explanation":"知识点是模型评估中的分布偏移与过拟合判断。验证集升、测试集降且差距异常，应优先排查两个集合分布是否一致；继续训练可能加剧过拟合；调学习率不是首选；把测试集并入训练集属于评估流程错误。","tier":"基础"},{"id":151,"type":"single","stem":"在文本分类数据标注中，标注指南未对“讽刺性正面评价”给出明确归类，多名标注员将其分别标为正面和负面，质量复核首先应当做什么？","options":["直接按多数标注员的意见统一","补充标注指南并组织一致性校准","删除所有讽刺类样本","把该类别从标签体系中移除"],"answer":[1],"explanation":"知识点是标注指南与标注一致性管理。争议源于规则缺失，应先补充指南并做校准；直接按多数意见会掩盖规则问题；删除样本会损失真实数据；移除类别会改变任务定义。","tier":"进阶"},{"id":152,"type":"single","stem":"某团队用精确率、召回率和 F1 值评估命名实体识别模型，当模型把大量非实体词也识别为实体时，最直接受影响的指标是哪一个？","options":["召回率明显下降","精确率明显下降","F1 值必然上升","训练损失明显上升"],"answer":[1],"explanation":"知识点是分类评估指标含义。把非实体误判为实体属于假阳性增多，精确率下降；召回率关注漏检，不一定下降；F1 通常下降而非上升；训练损失与识别结果指标不是同一层面。","tier":"基础"},{"id":153,"type":"single","stem":"在语音标注项目中，同一段音频由两名标注员转写，复核发现两人对同一句话的断句位置不同，但文字内容一致，这属于哪类一致性问题？","options":["内容一致性差异","时间边界一致性差异","说话人标签一致性差异","音频采样率一致性差异"],"answer":[1],"explanation":"知识点是语音标注的一致性维度。文字一致而断句位置不同，属于时间边界标注差异；内容一致性指文字本身不同；说话人标签指角色归属；采样率属于音频格式参数。","tier":"挑战"},{"id":154,"type":"single","stem":"某团队在模型上线前用测试集反复调参，最终报告测试集准确率作为泛化性能，这种做法的主要问题是什？","options":["测试集被当作验证集使用","测试集样本数量一定不足","模型训练轮数一定过多","标注质量一定不合格"],"answer":[0],"explanation":"知识点是数据集划分与评估规范。测试集应只在最终评估使用，反复调参等于把它当验证集，导致泛化估计偏乐观；样本数量、训练轮数、标注质量都不一定有问题。","tier":"基础"},{"id":155,"type":"single","stem":"在提示工程中，给模型提供少量“输入-输出”示例再让其处理新输入，这种提示方式通常称为什么？","options":["零样本提示","少样本提示","角色扮演提示","反向提示"],"answer":[1],"explanation":"知识点是提示工程中的示例学习方式。提供少量示例属于少样本提示；零样本是不给示例；角色扮演是设定身份；反向提示不是标准术语。","tier":"基础"},{"id":156,"type":"single","stem":"某标注团队在质检中发现，标注员对低置信度样本倾向于随意选择默认标签，导致该类样本准确率异常偏高，复核时最应关注什么？","options":["默认标签的类别分布是否异常集中","标注员的打字速度是否达标","图片的存储格式是否统一","任务领取页面的加载速度"],"answer":[0],"explanation":"知识点是标注质量中的默认标签滥用。随意选默认标签会使该标签分布异常集中，应检查类别分布；打字速度、存储格式、页面加载速度都与标签质量无直接关系。","tier":"挑战"},{"id":157,"type":"multi","stem":"在构建机器学习数据集时，以下哪些做法有助于降低训练集与测试集之间的数据泄漏风险？","options":["按时间顺序划分时间序列数据","按用户或设备分组划分数据","对同一来源的重复样本先去重再划分","先标准化全量数据再划分训练集和测试集","把测试集样本复制进训练集增加数据量"],"answer":[0,1,2],"explanation":"知识点是数据泄漏的常见防控措施。按时间、按用户分组、先去重再划分都能减少同源样本跨集合；先标准化全量再划分会把测试集统计信息带入训练，属于泄漏；复制测试集进训练集直接破坏评估。","tier":"进阶"},{"id":158,"type":"single","stem":"在图像标注项目中，标注员对同一张图片中重叠的两个目标框产生疑问，正确的处理方式是","options":["按可见像素比例拆分两个框的边界","保留两个完整框并添加重叠区域备注","只标注面积较大的目标框并丢弃较小框","将两个目标合并为一个框并标注合并类别"],"answer":[1],"explanation":"知识点是重叠目标标注规范。正确项对：重叠目标应各自完整标注并备注重叠情况，便于复核与后续处理。错误项一错在按像素比例拆分会破坏目标完整性；错误项三错在丢弃小目标会造成漏标；错误项四错在合并类别会改变语义标签。","tier":"进阶"},{"id":159,"type":"single","stem":"某标注团队在完成一批文本分类数据后，质检员发现同一段文本被两位标注员分别标为“投诉”和“咨询”，此时最合适的下一步是","options":["直接采用资历较深标注员的标签","将该样本退回并启动仲裁复核流程","按多数投票原则随机保留其中一个标签","把该样本从数据集中直接删除"],"answer":[1],"explanation":"知识点是标注一致性冲突处理。正确项对：标签冲突应退回并进入仲裁复核，保证一致性可追溯。错误项一错在以资历代替规则；错误项三错在二选一随机保留会引入噪声；错误项四错在删除样本会损失数据且掩盖问题。","tier":"挑战"},{"id":160,"type":"single","stem":"在构建提示词时，要求模型从一段会议记录中抽取所有决策事项及其负责人，最有效的提示结构是","options":["给出输出字段示例并要求按 JSON 格式返回","要求模型尽量详细地总结会议内容","让模型先判断会议类型再自由作答","提供会议记录后询问是否有决策事项"],"answer":[0],"explanation":"知识点是结构化信息抽取的提示设计。正确项对：明确输出字段与格式能约束模型返回可解析结果。错误项二错在总结不保证字段完整；错误项三错在自由作答不可控；错误项四错在只问有无，无法抽取具体事项与负责人。","tier":"进阶"},{"id":161,"type":"single","stem":"某团队将数据集按 8:1:1 划分为训练集、验证集和测试集，但在模型选择阶段反复使用测试集调整超参数，这会导致","options":["测试集评估结果偏乐观且泛化估计失真","训练集样本利用率下降但评估更稳定","验证集失去作用而测试集仍然可靠","模型欠拟合风险显著增加"],"answer":[0],"explanation":"知识点是数据集划分与模型评估的独立性。正确项对：测试集被用于调参后不再独立，评估会偏乐观。错误项二错在样本利用率不是核心问题；错误项三错在验证集仍参与调参，测试集已不可靠；错误项四错在反复调参通常增加过拟合而非欠拟合。","tier":"基础"},{"id":162,"type":"single","stem":"在语音标注项目中，标注员遇到一段包含背景音乐和多人交谈的音频，正确的标注策略是","options":["只转写主说话人内容并忽略背景音乐","按时间戳分段标注每位说话人内容","将多人内容合并为一段连续文本","仅标注音频开头和结尾的清晰片段"],"answer":[1],"explanation":"知识点是复杂音频场景的标注规范。正确项对：按时间戳分段并区分说话人可保留完整信息。错误项一错在忽略背景音乐可能丢失事件信息；错误项三错在合并会破坏说话人分离；错误项四错在只标首尾会造成大量漏标。","tier":"挑战"},{"id":163,"type":"single","stem":"在质量复核中，复核员发现某标注员对“模糊边界目标框”的标注普遍偏大，最合理的纠正措施是","options":["直接修改所有偏大框并记录修改数量","组织针对边界判定标准的再培训与校准","将该标注员负责的批次全部重新标注","降低该批次数据的验收合格阈值"],"answer":[1],"explanation":"知识点是标注质量问题的根因纠正。正确项对：普遍偏大说明标准理解偏差，应再培训与校准。错误项一错在只改结果不解决标准理解；错误项三错在全量重标成本过高且未必必要；错误项四错在降低阈值会掩盖质量问题。","tier":"挑战"},{"id":164,"type":"single","stem":"某分类数据集类别分布为 95% 负例和 5% 正例，模型在测试集上准确率达到 95%，但正例召回率很低，最可能的原因是","options":["测试集划分时未保持类别比例","模型过度依赖多数类而忽略少数类","训练轮次不足导致模型未收敛","特征维度太低导致模型欠拟合"],"answer":[1],"explanation":"知识点是类别不平衡下的评估指标选择。正确项对：高准确率可能来自全部预测为多数类，少数类召回低。错误项一错在分层划分不会导致该现象；错误项三错在未收敛通常准确率也不高；错误项四错在欠拟合不会只表现为少数类召回低。","tier":"基础"},{"id":165,"type":"single","stem":"在提示工程中，要求模型对用户评论进行情感分类，但模型经常输出“积极/消极”之外的自定义标签，最直接的改进措施是","options":["在提示中明确限定只能输出给定标签集合","增加示例数量让模型自行归纳标签","降低温度参数以增加输出多样性","要求模型在输出前先解释判断理由"],"answer":[0],"explanation":"知识点是提示约束与输出空间控制。正确项对：明确限定标签集合可直接约束输出。错误项二错在示例归纳不保证遵守集合；错误项三错在降温减少多样性而非控制标签；错误项四错在解释理由不解决标签越界。","tier":"基础"},{"id":166,"type":"single","stem":"某团队在标注平台中发现同一账号在短时间内提交了大量标注结果，且正确率异常高，质检员首先应","options":["直接认定该账号作弊并封禁处理","抽查该账号标注样本并核对操作日志","将该账号结果全部退回要求重标","提高该账号后续任务的难度等级"],"answer":[1],"explanation":"知识点是标注异常行为的核查流程。正确项对：先抽查样本并核对日志，用证据判断是否存在异常。错误项一错在未核查即定性；错误项三错在全量退回缺乏依据；错误项四错在提高难度不是核查手段。","tier":"挑战"},{"id":167,"type":"single","stem":"在数据集划分时，若同一用户的多条记录被同时分到训练集和测试集，可能造成的问题是","options":["训练集与测试集分布完全一致","测试集评估结果因信息泄漏而偏高","验证集无法用于早停策略","模型训练速度显著下降"],"answer":[1],"explanation":"知识点是数据泄漏与分组划分。正确项对：同一用户记录跨集合会造成信息泄漏，使测试评估偏高。错误项一错在分布一致不是问题核心；错误项三错在验证集早停与用户泄漏无直接关系；错误项四错在训练速度不受此影响。","tier":"基础"},{"id":168,"type":"single","stem":"某标注项目要求对长文档进行实体标注，标注员发现同一实体在文档中多次出现且表述略有差异，正确的处理方式是","options":["只标注首次出现的实体并忽略后续","按统一实体规范标注每次出现的位置","将不同表述视为不同实体分别标注","只标注出现次数最多的表述形式"],"answer":[1],"explanation":"知识点是实体标注的一致性与指代处理。正确项对：应按统一规范标注每次出现位置，保持召回与一致性。错误项一错在只标首次会漏标；错误项三错在将同实体拆分会破坏一致性；错误项四错在按频次选择会漏标其他表述。","tier":"挑战"},{"id":169,"type":"multi","stem":"在模型评估阶段，以下哪些做法有助于获得更可靠的泛化性能估计","options":["使用分层抽样保持各集合类别比例","在训练集内部再划分出验证集用于调参","反复使用测试集调整超参数直至最优","对同一数据先训练再测试再训练","记录并固定随机种子以保证划分可复现"],"answer":[0,1,4],"explanation":"知识点是可靠模型评估的流程要求。正确项一对：分层抽样保持类别比例，减少划分偏差。正确项二对：训练集内再分验证集可避免测试集参与调参。正确项五对：固定随机种子保证划分可复现。错误项三错在反复用测试集调参会破坏独立性；错误项四错在先训练再测试再训练会造成信息泄漏。","tier":"进阶"},{"id":170,"type":"single","stem":"为图像分类任务制定标注规范时，对「模糊但可辨认」的样本最合适的处理方式是","options":["直接跳过不标注并计入无效样本","标注最可能的类别并打上模糊标记","统一归入一个「其他」类别","由标注员投票后按多数类别标注且不留标记"],"answer":[1],"explanation":"考点是标注规范中模糊样本的可复现处理。正确项保留类别信息并留下模糊标记，便于复核与后续分析。跳过会丢失可用数据；归入「其他」会污染类别定义；多数投票不留标记会使模糊信息不可追溯。","tier":"进阶"},{"id":171,"type":"single","stem":"在标注任务中引入「黄金样本」的主要目的是","options":["提高标注员单日产出上限","持续监控标注质量并发现偏差","替代最终的抽样复核环节","减少标注规范中的类别数量"],"answer":[1],"explanation":"黄金样本是预先确定正确答案的嵌入样本，用于持续监控标注准确率与偏差。它不直接提升产出上限，也不能替代复核，更与类别数量无关。","tier":"基础"},{"id":172,"type":"single","stem":"构建提示词时把「请一步一步思考」加入推理类任务的指令，主要作用是","options":["降低模型输出的随机性","引导模型展开中间推理步骤","强制模型引用外部知识库","缩短生成的 token 数量"],"answer":[1],"explanation":"该指令属于思维链式引导，让模型显式展开中间步骤。它不直接降低随机性，也不强制检索外部知识，通常会增加而非缩短生成长度。","tier":"基础"},{"id":173,"type":"single","stem":"对同一批数据做训练集、验证集、测试集划分时，若先用全部数据做特征选择再划分，最可能导致的后果是","options":["验证集准确率被高估","测试集准确率被低估","训练收敛速度变慢","类别分布变得均衡"],"answer":[0],"explanation":"先看全量数据再划分会造成信息泄漏，使验证结果偏乐观。它不会系统性低估测试集，也不影响收敛速度或类别分布。","tier":"基础"},{"id":174,"type":"single","stem":"在文本标注项目中，两名标注员对同一批样本的 Cohen's kappa 为 0.35，最合理的解读是","options":["一致性达到高度可信水平","一致性仅略高于随机水平","标注结果完全不可用需重做","标注员之间存在系统性偏差"],"answer":[1],"explanation":"kappa 0.35 属于一般偏低的轻度一致。它不支持高度可信，也不能直接判定完全不可用或存在系统偏差，需要结合复核进一步定位。","tier":"进阶"},{"id":175,"type":"single","stem":"某团队在模型评估时把测试集反复用于调参，最终报告的指标最可能出现的问题是","options":["指标对未知数据的高估","训练集与测试集分布偏移","评估脚本运行报错","模型推理速度下降"],"answer":[0],"explanation":"反复用测试集调参会把测试集信息泄漏进模型选择，使报告指标偏乐观。它不会直接造成分布偏移、脚本报错或推理变慢。","tier":"基础"},{"id":176,"type":"single","stem":"在标注任务分配时，对边界模糊、专业术语密集的样本最合适的做法是","options":["随机平均分给所有标注员","优先分给经验丰富的标注员并加强复核","全部交给同一名标注员独立完成","先交给新标注员练手再统一修正"],"answer":[1],"explanation":"高难度样本应由经验丰富者处理并加强复核以保证一致性。随机分配或单人包揽会放大偏差，新标注员练手则容易引入系统性错误。","tier":"进阶"},{"id":177,"type":"single","stem":"某团队用准确率评估一个极端不平衡的二分类模型，发现准确率 97% 但业务方仍不满意，最可能的原因是","options":["模型推理耗时过长","少数类被大量漏判","训练数据量不足","评估脚本存在数值误差"],"answer":[1],"explanation":"不平衡场景下高准确率常由多数类贡献，少数类漏判才是业务痛点。推理耗时、数据量和数值误差都不是该现象的直接解释。","tier":"挑战"},{"id":178,"type":"single","stem":"在提示工程中对同一任务比较多个提示模板时，为保证结论可复现，最应该固定的是","options":["每次运行的采样温度与随机种子","提示模板中的标点符号数量","模型输出的最大长度上限","评估人员的个人偏好"],"answer":[0],"explanation":"比较提示模板需控制生成随机性，固定温度与随机种子才能复现。标点数量不是关键变量，最大长度和人员偏好也不是控制变量核心。","tier":"进阶"},{"id":179,"type":"single","stem":"在图像数据标注项目中，标注员对同一张图片先后两次独立标注，两次结果的边界框IoU均值达到0.92，这一指标主要用于衡量","options":["标注结果的重测一致性","标注结果与真值的准确率","标注任务的完成进度","标注人员的单位产出效率"],"answer":[0],"explanation":"知识点：标注质量中的一致性评估。重测一致性指同一标注员对同一对象重复标注的吻合程度，IoU均值0.92说明重复标注稳定。错误项：准确率需与金标准比对，而非两次自标；完成进度看任务量比例；产出效率看单位时间标注量。","tier":"基础"},{"id":180,"type":"single","stem":"文本分类数据集共10000条，其中正类800条，若采用随机欠采样把正负类比调整为1:1，则欠采样后负类样本数应为","options":["800","1000","4600","9200"],"answer":[0],"explanation":"知识点：类别不平衡的欠采样。1:1即负类数量等于正类数量800。错误项：1000是按其他比例；4600是原负类的一半；9200是原负类全部数量。","tier":"基础"},{"id":181,"type":"single","stem":"在提示工程中，为让模型按固定字段输出JSON，最应先采取的做法是","options":["在提示中给出字段名和示例输出格式","把温度参数调到最高以增加多样性","要求模型自由发挥后人工整理字段","在系统提示中只写请认真回答"],"answer":[0],"explanation":"知识点：结构化输出提示设计。给出字段名与示例能让模型对齐输出结构。错误项：提高温度会增加随机性不利于结构稳定；自由发挥再整理增加返工；只写认真回答无格式约束。","tier":"进阶"},{"id":182,"type":"single","stem":"某标注团队发现同一批数据中，两位复核员对同一批样本的合格判定差异较大，最合理的下一步是","options":["抽取争议样本统一判定标准后再复核","直接以资历较深复核员的结论为准","让两位复核员各自重新独立标注一遍","把判定差异大的样本全部退回标注员"],"answer":[0],"explanation":"知识点：复核一致性管理。先对齐标准再复核可降低判定分歧。错误项：以资历定论未解决标准分歧；重新标注不解决复核口径问题；全部退回会掩盖标准差异。","tier":"挑战"},{"id":183,"type":"single","stem":"在语音转写标注中，遇到说话人含糊不清且无法根据上下文确定的内容，规范做法是","options":["标记为听不清并记录时间戳位置","按最接近的发音猜测填入文字","直接跳过该片段不作任何标记","用前后句内容自动补全该片段"],"answer":[0],"explanation":"知识点：语音标注的不可辨识处理。标记听不清并记录位置便于后续处理与质量追溯。错误项：猜测会引入错误；跳过会丢失片段信息；自动补全可能篡改原意。","tier":"挑战"},{"id":184,"type":"single","stem":"数据集划分时，若同一用户的多条记录被同时分入训练集和测试集，最可能造成","options":["测试性能被高估","训练收敛速度下降","类别分布更加均衡","标注成本显著上升"],"answer":[0],"explanation":"知识点：数据泄漏。同一用户记录跨集分布会让模型在测试集见到训练时见过的用户特征，导致性能高估。错误项：与收敛速度无直接因果；不会使分布更均衡；与标注成本无关。","tier":"进阶"},{"id":185,"type":"single","stem":"对目标检测模型评估时，mAP@0.5与mAP@0.5:0.95的主要区别在于","options":["前者只按单一IoU阈值统计，后者在多个阈值上取平均","前者只统计小目标，后者统计全部目标","前者使用召回率，后者使用准确率","前者用于分类任务，后者用于检测任务"],"answer":[0],"explanation":"知识点：目标检测评估指标。mAP@0.5只在IoU=0.5判定，mAP@0.5:0.95在0.5到0.95多个阈值上平均，更严格。错误项：与小目标统计无关；两者都基于精确率召回率曲线；两者都用于检测。","tier":"进阶"},{"id":186,"type":"single","stem":"在提示工程中，把复杂任务拆成多步并让模型逐步输出中间结果，这种做法的主要收益是","options":["便于定位错误发生在哪一步","减少模型所需的上下文长度","使输出完全不依赖提示词","自动提升标注数据质量"],"answer":[0],"explanation":"知识点：分步提示与错误分析。中间结果可见，利于定位错误环节。错误项：分步可能增加上下文；输出仍依赖提示；与标注数据质量无直接自动提升关系。","tier":"进阶"},{"id":187,"type":"single","stem":"某分类模型在测试集上准确率很高，但按类别查看时少数类召回率接近零，最恰当的处理是","options":["结合混淆矩阵分析少数类被误判的流向","直接提高整体准确率的阈值","增加测试集样本总数后重新评估","删除少数类样本以简化问题"],"answer":[0],"explanation":"知识点：类别不均衡下的评估。整体准确率高会掩盖少数类失效，需用混淆矩阵定位误判流向。错误项：提高阈值不解决类别问题；增加样本不改变失效；删除少数类会丢失业务信息。","tier":"进阶"},{"id":188,"type":"single","stem":"标注团队接到一批医疗影像数据，标注规范要求由具备资质的医师完成病灶勾画，此时项目经理的正确处置是","options":["安排合格医师标注并保留资质与版本记录","让普通标注员先勾画再由医师抽检","由标注员参考历史报告推测病灶位置","将任务拆给多人分别勾画后取平均"],"answer":[0],"explanation":"知识点：专业领域标注的资质与可追溯要求。应由合格人员标注并留存资质与版本记录。错误项：普通标注员先勾画仍引入不合规结果；推测位置不可靠；多人平均不能替代资质要求。","tier":"挑战"},{"id":189,"type":"multi","stem":"关于数据集划分与评估的可复现性，下列做法中恰当的有","options":["固定随机种子后再执行训练集验证集测试集划分","在划分前按类别分层以保证各集分布接近","先划分再对测试集做数据增强以扩充样本","将划分后的索引文件与数据版本一同存档","每次实验重新随机划分以观察性能波动"],"answer":[0,1,3],"explanation":"知识点：可复现的数据划分流程。固定种子、分层划分、存档索引与版本均保证可复现与评估可比。错误项：先划分再增强测试集会污染评估；每次重新划分会使结果不可比。","tier":"挑战"},{"id":190,"type":"single","stem":"在图像数据标注项目中，同一张图片由两名标注员独立标注后，质检员发现两者对同一目标的边界框存在明显差异，此时最合适的第一步处置是","options":["直接采用资历较深标注员的结果并记录差异","调取标注规范中该目标的边界定义条款进行比对","将该图片从数据集中剔除以避免噪声","要求两名标注员重新标注直到结果完全一致"],"answer":[1],"explanation":"知识点：标注一致性复核流程。正确项对：出现分歧时应先回到标注规范核对边界定义，确认是执行偏差还是规范歧义，再决定后续处置。错误项：采用资历深者结果跳过了原因定位；剔除图片会损失样本且未解决规范问题；要求完全一致不现实且未先查规范。","tier":"挑战"},{"id":191,"type":"single","stem":"某文本分类数据集共10000条，其中正类800条、负类9200条，若直接按8:2随机划分训练集与测试集，最可能出现的问题是","options":["测试集中正类样本过少导致评估指标不稳定","训练集与测试集的类别比例会与原始数据不一致","随机划分会使训练集出现重复样本","负类样本会被自动降采样导致信息损失"],"answer":[0],"explanation":"知识点：类别不平衡下的数据集划分。正确项对：正类仅占8%，按比例划分后测试集正类约160条，少数类评估波动大。错误项：分层或随机按比例划分比例通常接近原始分布；随机划分不会制造重复样本；划分本身不会自动降采样。","tier":"进阶"},{"id":192,"type":"single","stem":"在提示工程中，要求模型从一段合同文本中抽取甲乙方名称与签约日期，为了让输出便于程序解析，最稳妥的提示设计是","options":["在提示中要求模型用自然语言完整复述合同内容","在提示中给出输出字段名并规定用JSON格式返回","在提示中要求模型尽量简洁地概括合同要点","在提示中要求模型先解释合同再给出抽取结果"],"answer":[1],"explanation":"知识点：结构化输出提示设计。正确项对：指定字段名与JSON格式可让输出稳定可解析。错误项：复述合同偏离抽取任务；概括要点不产生结构化字段；先解释再抽取会增加无关文本干扰解析。","tier":"进阶"},{"id":193,"type":"single","stem":"对一批语音转写数据进行质量复核时，发现某标注员将大量背景音乐片段标记为“静音”，复核员判定该标注存在系统性错误，其主要依据是","options":["静音标签的数量超过了该批次平均值","背景音乐属于非语音但非静音，应标为其他类别","标注员未在标注文件中填写个人信息","静音片段时长普遍短于其他片段"],"answer":[1],"explanation":"知识点：语音数据标注类别定义。正确项对：背景音乐不是静音，标为静音违反类别定义，属系统性错误。错误项：数量超均值不必然错误；未填个人信息与标注正确性无关；时长偏短不能直接判定类别错误。","tier":"挑战"},{"id":194,"type":"single","stem":"在模型评估中，某二分类模型准确率为95%，但召回率仅为30%，若业务目标是尽量不漏掉正类样本，下列判断正确的是","options":["该模型可直接上线，因为准确率已足够高","该模型不适合当前业务，需提升正类召回能力","应改用准确率更高的模型即可解决问题","应降低分类阈值以外的方法都无法改善召回"],"answer":[1],"explanation":"知识点：评估指标与业务目标匹配。正确项对：业务重在不漏正类，召回率低说明漏检严重，不适合上线。错误项：准确率高在类别不平衡时可能误导；换更高准确率模型未必提升召回；降低阈值只是手段之一，并非唯一方法。","tier":"进阶"},{"id":195,"type":"single","stem":"标注团队在标注一批街景图像时，规范要求“遮挡超过50%的车辆不标注”，某标注员对一辆被树遮挡约70%的车辆仍进行了标注，质检员应将其判定为","options":["漏标错误","误标错误","属性错误","分类错误"],"answer":[1],"explanation":"知识点：标注错误类型划分。正确项对：规范规定不标却标了，属于误标。错误项：漏标是应标未标；属性错误指类别对但属性字段错；分类错误指类别判断错，与此处遮挡规则不符。","tier":"基础"},{"id":196,"type":"single","stem":"在构建提示词时，若希望模型在多轮对话中始终遵守“只输出表格、不输出解释”的约束，较有效的做法是","options":["仅在首轮用户消息中说明一次约束","在每轮输入中重复关键约束并给出格式示例","把约束写在系统提示末尾且不再重复","依赖模型记忆，若违反再在后续轮次纠正"],"answer":[1],"explanation":"知识点：多轮提示的约束保持。正确项对：每轮重复关键约束并给格式示例能提升遵循稳定性。错误项：仅首轮说明易在后轮衰减；系统提示重要但仅一次仍可能漂移；事后纠正增加成本且不保证稳定。","tier":"进阶"},{"id":197,"type":"single","stem":"在标注质量复核中采用“双盲复核”指的是","options":["复核员不知道标注员身份且标注员不知道复核员身份","两名复核员在不知对方结论的情况下独立复核","标注员与复核员使用不同的标注工具","复核结果不向标注员反馈以避免影响情绪"],"answer":[1],"explanation":"知识点：质量复核方法。正确项对：双盲复核指两名复核员独立判断、互不知晓结论，以减少相互影响。错误项：身份互盲不是双盲核心；工具不同与双盲无关；不反馈不属于双盲定义。","tier":"基础"},{"id":198,"type":"single","stem":"某分类任务中，模型在训练集上准确率99%、测试集上准确率72%，最合理的下一步是","options":["增加模型复杂度以进一步提升训练集表现","检查是否存在过拟合并引入正则化或更多数据","直接降低训练轮数到原来的十分之一","将测试集合并进训练集重新训练"],"answer":[1],"explanation":"知识点：过拟合识别与处置。正确项对：训练与测试差距大提示过拟合，应正则化或增数据。错误项：增复杂度会加剧过拟合；盲目砍轮数不解决根因；合并测试集破坏评估有效性。","tier":"进阶"},{"id":199,"type":"single","stem":"标注项目进入收尾阶段，质检员发现某批次中约5%的样本存在“同一目标被重复标注两个框”的问题，最合适的处置是","options":["整批退回，要求标注员全部重新标注","仅对重复框样本去重并记录问题类型与数量","忽略重复框，因为对训练影响不大","将重复框样本直接删除，不纳入统计"],"answer":[1],"explanation":"知识点：标注缺陷的精准修复。正确项对：定位到具体缺陷样本做去重修复，并记录问题用于复盘最合理。错误项：整批重标成本过高；忽略会引入噪声；直接删除损失数据且掩盖问题。","tier":"挑战"},{"id":200,"type":"multi","stem":"在设计用于评估模型鲁棒性的测试集时，下列做法合理的有","options":["纳入与训练集同分布但未见过的新样本","加入轻微噪声或遮挡等扰动样本","刻意加入与训练集完全相同的样本以稳定指标","覆盖不同时间段或不同来源的样本","只保留模型预测正确的样本以体现性能"],"answer":[0,1,3],"explanation":"知识点：鲁棒性测试集设计。正确项对：新样本、扰动样本、跨时间或跨来源样本都能检验泛化与鲁棒性。错误项：与训练集完全相同的样本无法检验泛化；只留预测正确样本会造成评估偏差。","tier":"进阶"},{"id":201,"type":"single","stem":"在图像数据标注项目中，标注员对同一张图片先标了「遮挡车辆」又改标为「完整车辆」，复核时发现该车约四成车身被前车挡住。按常见标注规范，正确判定应是","options":["维持「完整车辆」，因为车轮廓可辨认","改为「遮挡车辆」，因为存在明显遮挡","改为「忽略区域」，因为无法确定类别","新增一个「部分车辆」标签并保留两项"],"answer":[1],"explanation":"知识点：目标检测标注中的遮挡判定。遮挡比例达到规范阈值（如可见部分不足主体大部分）时应标为遮挡类而非完整类，故B正确。A错在「轮廓可辨认」不等于无遮挡；C错在遮挡不等于不可判定类别，一般不需整块忽略；D错在标签体系未定义时不应自创标签，会造成体系混乱。","tier":"挑战"},{"id":202,"type":"single","stem":"某标注团队把同一批图片分给两名标注员独立标注，然后比对两人结果，对不一致的样本组织第三人裁定并统一口径。这种做法属于质量复核中的","options":["交叉标注一致性检验","单盲重复标注校验","分层随机抽样复核","标注结果终审归档"],"answer":[0],"explanation":"知识点：标注质量控制方法。两名标注员独立标注同一批数据再比对，属于交叉标注一致性检验，故A正确。B错在「单盲」强调标注员不知分组条件，题干未涉及盲法设计；C错在分层抽样是抽一部分复核，不是全员双标比对；D错在终审归档是流程末端动作，不涉及一致性比对。","tier":"进阶"},{"id":203,"type":"single","stem":"提示工程中，用户要求模型「用一句话总结这段合同的核心义务」，模型却输出了三段详细分析。为在不大改提示的前提下提高遵循度，最应优先调整的是","options":["在提示中补充输出格式与长度约束","把整段合同拆成多个短片段再输入","将温度参数调到接近最大值","在提示末尾追加更多背景资料"],"answer":[0],"explanation":"知识点：提示约束与输出控制。模型未遵循「一句话」要求，属于输出约束不足，补充明确的格式与长度约束最直接，故A正确。B错在拆分输入解决的是上下文长度问题，不解决长度约束；C错在提高温度会增加随机性，更不利于稳定遵循；D错在追加背景会进一步偏离简洁目标。","tier":"进阶"},{"id":204,"type":"single","stem":"把一份已标注数据集划分为训练集、验证集和测试集时，同一用户的多条连续行为记录被随机打散后分别落入三个集合。这种做法最可能导致","options":["训练集规模不足而欠拟合","验证集与测试集数据泄漏","类别标签分布严重不均衡","模型推理速度明显下降"],"answer":[1],"explanation":"知识点：数据集划分的独立性原则。同一用户记录被打散到不同集合会造成同源数据跨集，形成信息泄漏，故B正确。A错在划分比例本身不一定导致欠拟合；C错在打散划分通常不改变整体类别比例；D错在划分方式与推理速度无直接关系。","tier":"进阶"},{"id":205,"type":"single","stem":"模型评估报告显示准确率为 0.95，但混淆矩阵表明少数类样本几乎全部被预测为多数类。若要更真实反映模型对少数类的识别能力，应重点查看","options":["整体准确率与训练损失曲线","少数类的召回率与F1值","模型参数量与推理时延","训练集与测试集的样本总量"],"answer":[1],"explanation":"知识点：不平衡数据下的评估指标选择。准确率会被多数类主导，少数类识别能力应看召回率与F1，故B正确。A错在准确率与训练损失无法揭示少数类漏判；C错在参数量与时延属于效率指标；D错在样本总量不能反映分类偏向。","tier":"进阶"},{"id":206,"type":"single","stem":"在文本分类标注中，标注规范写道「含讽刺意味的正面表述归为负面情感」，但部分标注员按字面情感标注。复核时发现这批数据正负标签与规范相反。最恰当的处置是","options":["保留现有标签并修改规范以贴合标注","按规范回修错误样本并记录争议口径","删除全部争议样本以保证数据纯净","把争议样本统一改标为中性类别"],"answer":[1],"explanation":"知识点：标注规范执行与争议处理。规范已明确讽刺归负面，标注员按字面标错，应回修并沉淀口径，故B正确。A错在反过来改规范会破坏既定任务定义；C错在删除样本会损失信息且掩盖问题；D错在争议样本并非都是中性，改中性会引入新错误。","tier":"挑战"},{"id":207,"type":"single","stem":"某团队用大模型生成训练数据后直接混入人工标注集训练，评估时发现模型在人工测试集上表现波动很大。排查时最应优先确认的是","options":["生成数据是否经过质量筛选与去重","人工标注集是否按类别分层抽样","测试集是否与训练集同批次采集","模型训练轮数是否设置得过小"],"answer":[0],"explanation":"知识点：合成数据引入流程。生成数据未经筛选去重易带来噪声与分布偏移，导致评估波动，故A正确。B错在分层抽样影响评估代表性，不是混入生成数据后的首要风险；C错在同批次采集是数据泄漏问题，与波动无直接因果；D错在轮数过小通常表现为欠拟合，而非波动大。","tier":"挑战"},{"id":208,"type":"single","stem":"在目标检测标注复核中，标注员把一张图中被截断、仅露出一角的行人标为「行人」，复核员认为应标为「忽略区域」。两者的核心分歧在于","options":["行人是否属于需要检测的类别","可见部分是否满足最小标注阈值","图像分辨率是否达到标注要求","该区域是否位于图像边缘位置"],"answer":[1],"explanation":"知识点：截断目标的标注阈值判定。分歧本质是可见部分是否达到规范规定的最小标注比例，故B正确。A错在行人属于检测类别没有争议；C错在分辨率不是本例争议点；D错在位置在边缘只是诱因，判定依据仍是可见比例与规范。","tier":"进阶"},{"id":209,"type":"single","stem":"某标注项目要求对语音转写文本做标点还原，标注员对停顿超过 0.5 秒处一律加逗号。复核时发现大量长句被切成碎句。最可能的原因是","options":["停顿阈值设置过小导致过度切分","语音识别模型未做降噪处理","标注员未按说话人分段转写","标点规范未规定句末标点类型"],"answer":[0],"explanation":"知识点：语音标注中标点还原规则。以过短的停顿阈值机械加逗号会造成碎句，故A正确。B错在降噪影响识别准确率，不直接造成标点过度切分；C错在说话人分段是另一维度规则；D错在句末标点类型与句中逗号滥用无直接关系。","tier":"挑战"},{"id":210,"type":"single","stem":"某团队发现模型在验证集上表现持续提升，但测试集表现先升后降。最合理的下一步处置是","options":["继续训练直到验证集指标不再上升","采用早停并检查验证集与测试集分布差异","增大学习率以跳出当前局部最优","把测试集并入训练集重新训练模型"],"answer":[1],"explanation":"知识点：过拟合识别与数据集使用规范。验证升测试降提示过拟合或分布不一致，应早停并核查分布，故B正确。A错在继续训练会加重过拟合；C错在增大学习率与过拟合问题不对症；D错在把测试集并入训练会造成评估失效。","tier":"挑战"},{"id":211,"type":"single","stem":"标注平台要求对每条标注结果记录「标注员、标注时间、所用规范版本」。新增这一要求的主要目的是","options":["提升标注界面的操作响应速度","支持问题追溯与规范版本对比","自动完成标注质量的一致性校验","减少标注任务的总体人力成本"],"answer":[1],"explanation":"知识点：标注过程元数据的作用。记录人员、时间与规范版本便于追溯和版本差异分析，故B正确。A错在元数据记录与界面速度无关；C错在一致性校验需比对结果，元数据本身不自动校验；D错在记录元数据通常增加而非减少人力成本。","tier":"进阶"},{"id":212,"type":"multi","stem":"在构建提示词模板时，为降低模型输出不稳定带来的复核成本，以下做法中有效的有","options":["在提示中固定角色设定与任务边界","对输出字段给出明确的结构化示例","把温度参数调高以增加表达多样性","对同类任务保留统一的可复用模板","每次根据临时感觉重写提示词"],"answer":[0,1,3],"explanation":"知识点：提示工程稳定性设计。固定角色边界、给出结构化示例、复用统一模板都能降低输出波动，故A、B、D正确。C错在提高温度会增加随机性，反而加大复核成本；E错在临时重写提示词会破坏一致性，无法复用与对比。","tier":"进阶"},{"id":213,"type":"single","stem":"在图像数据标注项目中，标注员对同一批图片完成拉框后，复核员发现部分框的边界贴合物体的外轮廓但把阴影也框了进去，按常见标注规范，下一步最合适的处置是","options":["直接退回标注员并说明阴影不属于目标本体，要求按可见轮廓重标","保留原框并在属性中增加阴影标签，便于模型学习阴影特征","由复核员自行把框缩小后入库，不再回退给标注员","把该批图片整体删除，避免阴影干扰后续训练"],"answer":[0],"explanation":"知识点：目标检测拉框边界规范与复核回退流程。正确项对：规范通常要求框住目标可见本体，阴影属于干扰，应回退并说明标准，保证一致性。错误项：增加阴影标签会引入无关类别定义；复核员自行修改会丢失责任追溯且可能引入新偏差；整批删除属于过度处置，损失有效数据。","tier":"挑战"},{"id":214,"type":"single","stem":"某团队用同一批已标注数据先做训练集再做测试集，报告中的准确率明显高于线上表现，最可能的原因是","options":["训练集和测试集存在重叠样本，导致评估结果被高估","测试集样本量太小，导致置信区间变宽","模型参数量过大，导致训练时过拟合","标注规范未统一，导致标签噪声偏多"],"answer":[0],"explanation":"知识点：数据集划分与数据泄漏。正确项对：训练集与测试集重叠会造成数据泄漏，评估指标虚高，线上下降。错误项：样本量小影响稳定性但不直接造成虚高；参数量大是过拟合诱因，但题干强调同批数据；标签噪声会降低指标而非抬高。","tier":"进阶"},{"id":215,"type":"single","stem":"在文本分类数据集中，某类别样本占总量 92%，若直接按随机划分并只看准确率，评估结果最容易出现的问题是","options":["少数类召回被多数类掩盖，准确率虚高但实际可用性差","多数类样本被过度采样，导致训练时间显著增加","测试集类别分布与训练集不一致，导致指标不可比","模型倾向于学习标签共现关系，导致推理速度下降"],"answer":[0],"explanation":"知识点：类别不平衡下的评估指标选择。正确项对：极不平衡时准确率会被多数类主导，少数类召回差却看不出来。错误项：随机划分不会必然造成分布不一致；过采样影响训练分布但不解释准确率虚高；标签共现与推理速度无直接关系。","tier":"进阶"},{"id":216,"type":"single","stem":"提示工程中，要求模型从一段客服对话里抽取“退款原因”和“是否已解决”两个字段，若希望输出稳定可解析，最合适的做法是","options":["在提示中规定输出为 JSON，并给出字段名与取值示例","在提示中要求模型尽量简洁地总结对话内容","在提示中增加“请认真思考”以提升抽取准确率","在提示中允许模型自由选择输出格式，便于灵活表达"],"answer":[0],"explanation":"知识点：结构化输出提示设计。正确项对：明确 JSON 结构加示例能约束格式，便于程序解析。错误项：简洁总结不保证字段完整；鼓励思考不解决格式问题；自由格式会导致解析失败。","tier":"进阶"},{"id":217,"type":"single","stem":"某标注项目要求对语音片段做“是否包含唤醒词”的二分类，标注员遇到听不清的片段时，按可复现流程应优先","options":["标记为“不确定”并进入仲裁队列，由第二人复听","凭第一印象直接标为“不包含”，保证进度","反复播放直到自己给出确定答案，不记录不确定","跳过该片段，等全部标完再统一补标"],"answer":[0],"explanation":"知识点：标注不确定性与仲裁机制。正确项对：听不清属于不确定样本，应进入仲裁，保证可追溯和一致性。错误项：凭印象标注会引入噪声；反复播放不记录会掩盖问题；跳过再补标容易遗漏且无记录。","tier":"挑战"},{"id":218,"type":"single","stem":"在目标检测标注复核中，两个标注员对同一张图中被遮挡一半的车辆是否拉框产生分歧，复核员最合理的处理依据是","options":["按项目规范中关于遮挡比例阈值的约定判定是否标注","按标注员资历高低决定采用谁的框","按该车辆在画面中的面积大小决定是否标注","按模型当前能否识别该车辆决定是否标注"],"answer":[0],"explanation":"知识点：遮挡目标的标注规则与复核依据。正确项对：遮挡是否标注应由事先约定的比例阈值等规范决定，保证一致性。错误项：资历、面积、模型能力都不是统一规范依据，会导致标注标准漂移。","tier":"进阶"},{"id":219,"type":"single","stem":"某团队在模型评估时发现验证集损失持续下降但验证集 F1 先升后降，若只能选一个动作，下一步最合理的是","options":["保留 F1 最高轮次的模型参数，并记录对应阈值","继续训练到验证集损失最低的轮次再停止","降低学习率后从头重新训练并忽略早停","扩大验证集规模后继续训练同一模型"],"answer":[0],"explanation":"知识点：早停与指标选择。正确项对：业务指标 F1 先降说明过拟合开始，应取 F1 最优轮次。错误项：损失最低不等于业务指标最好；降学习率重训不能替代按指标选模型；扩大验证集不解决当前过拟合选择问题。","tier":"挑战"},{"id":220,"type":"single","stem":"在提示工程中，让模型对长文档做问答时，若把整篇文档一次性放入上下文导致关键信息被忽略，较有效的改进是","options":["先切分文档并检索与问题最相关的片段再拼接成提示","把问题放在文档末尾并重复提问三次","要求模型逐字复述文档后再回答问题","把温度参数调高，增加模型探索不同答案的概率"],"answer":[0],"explanation":"知识点：长上下文提示与检索增强。正确项对：切分加相关片段检索能减少无关信息干扰，提升命中率。错误项：重复提问不解决信息淹没；逐字复述浪费上下文；调高温度会增加随机性而非定位能力。","tier":"进阶"},{"id":221,"type":"single","stem":"某数据标注项目在验收时发现同一标注员对相似样本的标签一致性很高，但与其他标注员差异明显，最可能的问题是","options":["该标注员对规范的理解与其他成员存在系统性偏差","该标注员标注速度过快，导致随机错误增多","该标注员使用的标注工具版本与其他成员不同","该标注员负责的样本难度整体低于其他成员"],"answer":[0],"explanation":"知识点：标注一致性分析与系统性偏差。正确项对：内部一致性高但与他人差异大，典型是规范理解偏差。错误项：速度过快通常表现为随机错误；工具版本不同可能影响操作但题干强调标签差异；样本难度低不会只造成与他人系统性差异。","tier":"挑战"},{"id":222,"type":"single","stem":"在数据集划分时，若同一用户的多条记录被同时分到训练集和测试集，评估结果最可能受到的影晌是","options":["模型学到用户个体特征，测试指标被高估","测试集类别比例失衡，指标被低估","训练集样本量不足，模型欠拟合","验证集与测试集混淆，无法计算指标"],"answer":[0],"explanation":"知识点：按实体分组划分避免泄漏。正确项对：同一用户跨集合会造成个体信息泄漏，指标虚高。错误项：类别比例、样本量、验证测试混淆都不是该划分方式的主要后果。","tier":"进阶"},{"id":223,"type":"single","stem":"某团队用大模型生成标注初稿再由人工审核，若发现初稿在否定句上错误率偏高，较合理的改进措施是","options":["在提示中补充否定句示例，并让审核优先抽查否定句样本","提高生成温度，让初稿更多样化以减少否定错误","减少人工审核比例，把节省时间用于增加数据量","直接把否定句样本从数据集中删除以降低错误率"],"answer":[0],"explanation":"知识点：模型辅助标注的错误分析与提示迭代。正确项对：针对错误类型补示例并定向抽查，能有效降低系统性错误。错误项：提高温度增加随机性；减少审核会放大错误；删除样本会损失重要语言现象。","tier":"挑战"},{"id":224,"type":"single","stem":"在图像数据标注项目中，标注员对同一批图片中的车辆进行边界框标注时，下列做法最有利于保证标注一致性的是","options":["先由一名标注员完成全部图片，再随机抽取10%由第二名标注员复核","由两名标注员各自独立标注全部图片，然后直接取两者的交集作为最终结果","由标注员轮流标注每张图片的不同区域，最后合并成完整标注","先按标注员经验水平分组，各组使用不同的标注规范以提高效率"],"answer":[0],"explanation":"知识点：标注一致性与复核机制。正确项通过先单人标注、再抽样复核，能在控制成本的同时发现系统性偏差。错误项B直接取交集会丢失各自正确但对方未标的框，且未定义分歧处理规则；错误项C轮流标注不同区域会破坏整图语义完整性，难以追溯责任；错误项D使用不同规范会人为引入组间不一致。","tier":"进阶"},{"id":225,"type":"single","stem":"某团队在构建文本分类数据集时，将同一篇新闻的不同段落分别放入训练集和测试集，这种做法最可能导致的问题是","options":["测试集标签分布与训练集不一致，导致评估指标偏高","训练集与测试集存在内容泄漏，模型评估结果偏乐观","测试集样本数量不足，导致置信区间过宽","训练集类别不平衡，导致模型偏向多数类"],"answer":[1],"explanation":"知识点：数据集划分中的泄漏问题。同一篇新闻的不同段落语义高度相关，分入训练和测试会造成信息泄漏，使测试指标虚高。错误项A关注标签分布，与段落切分无直接因果；错误项C关注样本量，不是该做法的主要风险；错误项D关注类别不平衡，题干未涉及类别比例问题。","tier":"进阶"},{"id":226,"type":"single","stem":"在提示工程中，为让大语言模型稳定输出JSON格式，下列做法最符合可复现流程要求的是","options":["在提示中给出JSON字段说明和一个完整示例，并固定温度参数为0","在提示中只说请用JSON回答，然后多次重试直到出现合法JSON","在提示中给出JSON字段说明，但每次随机更换示例内容以增加多样性","在提示中要求模型先自由发挥，再在末尾补充一句请确保是JSON"],"answer":[0],"explanation":"知识点：提示工程中的格式约束与可复现性。正确项同时提供字段说明、完整示例并固定温度，能显著降低输出随机性。错误项B依赖重试，流程不可复现且成本高；错误项C随机更换示例会引入额外变异，不利于稳定；错误项D先自由发挥再补格式要求，模型可能已生成难以纠正的结构。","tier":"进阶"},{"id":227,"type":"single","stem":"某标注项目需要复核一批情感分类结果，复核员发现标注员把“这家餐厅等位太久，但菜品惊艳”标为正面，复核员下一步最合适的处置是","options":["直接改为负面，因为句子前半部分明确表达不满","维持正面，并在备注中记录该样本为混合情感样本","改为中性，因为句子同时包含正面和负面信息","退回给原标注员，要求其按多数关键词重新判断"],"answer":[1],"explanation":"知识点：混合情感样本的复核处置。该句整体评价倾向正面但含负面信息，维持原标并备注混合情感，有利于后续统计与模型学习。错误项A只取局部负面，忽略整体评价；错误项C改为中性会丢失真实极性；错误项D按关键词多数判断过于机械，可能再次误判。","tier":"挑战"},{"id":228,"type":"single","stem":"在语音数据标注中，若将说话人停顿处的静音段全部裁剪掉再训练语音识别模型，最可能带来的问题是","options":["模型无法学习到词与词之间的短停顿，连续语音识别性能下降","音频总时长缩短，导致训练轮次需要成倍增加","说话人身份信息被削弱，声纹识别准确率下降","静音段被裁剪后采样率发生变化，需要重新重采样"],"answer":[0],"explanation":"知识点：语音数据预处理对声学建模的影响。停顿和静音是连续语音识别的重要上下文线索，全部裁剪会使模型缺少边界信息。错误项B总时长变化不直接导致轮次成倍增加；错误项C声纹识别依赖说话人特征，但题干针对语音识别；错误项D裁剪不改变采样率。","tier":"进阶"},{"id":229,"type":"single","stem":"某团队完成一轮数据标注后，质检抽样发现某标注员的边界框普遍比规范大一圈，下列纠正措施中最能针对性解决该问题的是","options":["对该标注员进行边界框贴合规范的再培训，并让其重标被抽检批次","降低该标注员的标注任务量，改由其他标注员完成剩余任务","在质检规则中放宽边界框面积阈值，以减少不合格判定","把该标注员的历史标注全部删除，重新招募新标注员"],"answer":[0],"explanation":"知识点：标注质量问题的根因纠正。边界框普遍偏大说明规范理解偏差，再培训并重标抽检批次可针对性纠正。错误项B只是规避问题，未纠正偏差；错误项C放宽阈值会掩盖质量问题；错误项D全部删除成本过高且未解决根因。","tier":"挑战"},{"id":230,"type":"single","stem":"在模型评估中，若测试集正负样本比例为1:99，且模型把所有样本都预测为负类，下列指标中最能暴露该模型问题的是","options":["准确率","精确率","召回率","F1值"],"answer":[2],"explanation":"知识点：不平衡数据下的评估指标选择。全预测为负类时准确率仍可达99%，但正类召回率为0，能直接暴露漏检。错误项A准确率会被多数类掩盖；错误项B精确率在无正类预测时通常无定义或无法反映漏检；错误项D F1值虽会降低，但召回率更直接指出正类完全未被识别。","tier":"基础"},{"id":231,"type":"single","stem":"某项目在划分数据集时采用随机划分，但数据中存在同一用户的多条记录，下列划分策略中最能降低评估偏差的是","options":["按用户分组划分，确保同一用户记录只出现在训练集或测试集之一","按时间顺序划分，把较早记录作训练集、较晚记录作测试集","按类别比例分层抽样，保证训练集和测试集类别分布一致","先随机划分，再对测试集中与训练集同用户的记录进行剔除"],"answer":[0],"explanation":"知识点：分组划分避免实体泄漏。同一用户多条记录若跨训练测试，会因用户特征相似导致评估偏乐观，按用户分组可避免。错误项B时间划分适用于时序场景，但不解决同用户泄漏；错误项C分层抽样只平衡类别，不解决用户重叠；错误项D事后剔除会改变测试集分布且流程不可控。","tier":"进阶"},{"id":232,"type":"single","stem":"在提示工程中，若希望模型在回答数学应用题时展示推理步骤，下列提示设计最符合可复现流程的是","options":["在系统提示中固定要求先列已知条件、再列公式、最后给答案","在用户提示中写请认真思考，然后直接给出最终答案","在每轮对话中随机决定是否要求展示步骤，以测试模型能力","在提示中要求模型用最简短的方式回答，避免冗长推理"],"answer":[0],"explanation":"知识点：提示工程中的推理步骤引导。固定结构化要求能稳定获得可检查的推理过程。错误项B未明确步骤要求，模型可能直接给答案；错误项C随机决定步骤要求，流程不可复现；错误项D要求最简短会抑制推理展示。","tier":"进阶"},{"id":233,"type":"single","stem":"某标注团队使用多人交叉标注后计算标注一致性，若发现某类别的Kappa系数明显低于其他类别，下一步最合理的做法是","options":["检查该类别的标注规范是否存在歧义，并组织标注员对齐边界案例","直接删除该类别样本，以避免影响整体一致性指标","提高该类别的抽样比例，用更多样本拉高Kappa系数","把该类别的标注结果全部改为多数投票结果，不再分析原因"],"answer":[0],"explanation":"知识点：标注一致性分析与规范迭代。Kappa偏低通常反映规范歧义或边界不清，应先检查规范并对齐案例。错误项B删除样本会丢失真实数据且掩盖问题；错误项C增加样本不能改变一致性水平；错误项D多数投票不解决规范歧义，可能固化错误。","tier":"挑战"},{"id":234,"type":"single","stem":"在训练图像分类模型前，团队发现部分图片的标签由文件名推断而来，且文件名格式不统一，下列处理方式中最稳妥的是","options":["暂停使用文件名推断标签，改为人工核对并建立标签映射表","保留文件名推断结果，仅在训练后根据混淆矩阵修正明显错误","对文件名格式不统一的图片直接丢弃，只保留格式规范的图片","用脚本按文件名前缀强制截取作为标签，统一格式后继续训练"],"answer":[0],"explanation":"知识点：数据标签来源可靠性。文件名推断标签在格式不统一时易产生错误标签，应先人工核对并建立映射。错误项B训练后再修正会浪费算力且可能引入噪声；错误项C直接丢弃会损失有效数据；错误项D强制截取可能产生更多错误标签。","tier":"挑战"},{"id":235,"type":"single","stem":"在图像标注项目中，标注员对同一批图片连续两天完成标注，质检员用同一份标注规范复核后发现两天的框选位置差异较大，最应优先排查的环节是","options":["标注员的疲劳程度与当天工作时段安排","标注规范中边界框贴合目标的判定描述是否可操作","标注工具是否支持自动保存与断点续标","被标注图片的采集设备与拍摄角度是否一致"],"answer":[1],"explanation":"知识点是标注一致性的根因分析。规范中边界判定描述模糊会直接造成同一人不同时间的判断漂移，属于系统性根因，应优先排查；疲劳程度、工具保存功能、采集设备差异都可能影响结果，但题干强调同一人同一批图且两天差异大，规范可操作性是最直接的系统性诱因。","tier":"挑战"},{"id":236,"type":"single","stem":"文本分类数据集中，某类别样本仅占全量的2%，训练后该类别召回率极低而整体准确率仍很高，下一步最合理的处置是","options":["直接删除该少数类样本以提升整体准确率","对该少数类做欠采样使各类样本数量相等","在训练损失中对少数类样本赋予更高权重","把评估指标从准确率改为训练集损失值"],"answer":[2],"explanation":"知识点是不平衡数据的建模与评估。对少数类加权可在不丢弃信息的前提下提升其学习信号；删除少数类会彻底丧失该类识别能力，欠采样会使多数类信息大量损失，用训练集损失替代评估指标无法反映业务效果。","tier":"进阶"},{"id":237,"type":"single","stem":"为客服对话数据做意图标注时，规范规定一条对话只允许一个主意图，但实际出现用户先问退款再问发票的情况，标注员最恰当的处理是","options":["按对话中第一个出现的意图作为唯一主意图","按对话中最后一个出现的意图作为唯一主意图","将该条对话拆分为两段并分别标注对应意图","同时标注两个意图并标记为多意图冲突样本"],"answer":[2],"explanation":"知识点是标注单元与意图切分。单主意图规范下，出现多意图时应按语义边界切分标注单元，而不是按首尾顺序武断取一个；同时标两个意图会违反标注规范并污染单标签训练数据。","tier":"进阶"},{"id":238,"type":"single","stem":"目标检测数据集中，标注员把被遮挡面积超过80%的目标也完整框出并标为正样本，质检复核时最合理的判定是","options":["遮挡比例过高的目标应作为忽略区域不参与训练","遮挡比例过高的目标应改标为负样本背景","遮挡比例过高的目标应缩小框到可见部分","遮挡比例过高的目标应保留原框但降低置信度"],"answer":[0],"explanation":"知识点是遮挡目标标注策略。遮挡严重时可见信息不足以支撑稳定学习，通常标为忽略区域；改负样本会让模型把目标特征当背景，缩小框会破坏框与目标的对应关系，降低置信度属于训练超参而非标注处理。","tier":"进阶"},{"id":239,"type":"single","stem":"在提示工程中，需要模型从一段合同文本里抽取甲方名称、乙方名称和签署日期，最稳妥的提示结构是","options":["只给一句请抽取合同关键信息并直接提问","给出字段清单、输出格式示例和缺失时的填值规则","要求模型先复述合同全文再自行判断抽取内容","让模型用自然语言随意描述合同中的各方信息"],"answer":[1],"explanation":"知识点是结构化抽取提示设计。明确字段、格式示例和缺失规则能约束输出并便于程序解析；只给宽泛指令会导致字段遗漏，先复述全文浪费上下文且引入噪声，自然语言描述无法稳定解析。","tier":"进阶"},{"id":240,"type":"single","stem":"训练集、验证集、测试集划分时，同一用户的多次行为记录被随机打散分到三个集合中，这种做法最可能导致","options":["训练集规模不足使模型欠拟合","验证集与测试集分布过于接近","评估结果被同一用户信息泄漏所高估","类别标签在三个集合中比例失衡"],"answer":[2],"explanation":"知识点是数据划分的泄漏问题。同一用户记录被打散会造成用户级信息泄漏，使评估偏高；规模不足、分布接近、标签比例失衡不是该做法的主要直接后果。","tier":"进阶"},{"id":241,"type":"single","stem":"语音转写数据标注完成后，质检员抽取5%样本逐字复核，发现某标注员负责的片段中数字与专有名词错误集中出现，下一步最有效的质量改进动作是","options":["把该标注员全部片段退回并重新随机抽检","针对数字与专有名词补充标注规范与专项练习","降低该标注员后续任务的抽检比例以节省人力","将该标注员片段直接从训练集中剔除不再使用"],"answer":[1],"explanation":"知识点是质检发现后的针对性改进。错误集中在特定类型说明是规则掌握问题，应补规范并做专项训练；全部退回重抽成本高且未解决根因，降低抽检会放大风险，直接剔除会浪费已标注数据。","tier":"挑战"},{"id":242,"type":"single","stem":"某分类模型在验证集上F1为0.91，上线后业务方反馈效果明显变差，排查发现线上输入文本平均长度远大于验证集，优先应做的是","options":["直接增加模型参数量以提升表达能力","按线上长度分布重新构造验证集并评估","把线上文本截断到与验证集相同长度","降低分类阈值让更多样本被判为阳性"],"answer":[1],"explanation":"知识点是验证集与线上分布一致性。验证集长度分布与线上不一致会导致评估失真，应先按线上分布重构验证集；加参数、截断线上文本、调阈值都不能解决评估与真实场景脱节的问题。","tier":"挑战"},{"id":243,"type":"single","stem":"在构建指令微调数据集时，把同一问题的多个不同答案全部保留为训练样本，最可能带来的问题是","options":["模型输出会倾向模仿较长的那条答案","模型会学到自相矛盾的回复模式","训练轮次需要相应减少以避免过拟合","数据清洗阶段必须删除所有重复问题"],"answer":[1],"explanation":"知识点是指令数据的一致性。同一输入对应多个互相冲突的答案会让模型学到矛盾映射；倾向长答案、减少轮次、删除重复问题都不是该做法的主要风险点。","tier":"进阶"},{"id":244,"type":"single","stem":"某标注任务要求对图片中的车辆按颜色分类，规范只列出了红、白、黑、银四类，实际出现深蓝色车辆时标注员最恰当的做法是","options":["按最接近的类别标为黑色并备注原色","新建蓝色类别并通知其他标注员同步使用","跳过该图片不标注并标记为无效样本","暂时标为银色待质检员后续统一修正"],"answer":[0],"explanation":"知识点是封闭标签体系下的异常处理。规范未覆盖的颜色应按最接近类别标注并备注，便于后续统一决策；擅自新建类别会破坏标签体系一致性，跳过会造成数据浪费，暂标银色属于随意处置。","tier":"进阶"},{"id":245,"type":"single","stem":"模型评估中，业务方更关心漏检带来的损失，而当前模型精确率高、召回率低，最合理的调整方向是","options":["提高判定为正类的置信度阈值","降低判定为正类的置信度阈值","保持阈值不变并增加训练轮次","保持阈值不变并减少负样本数量"],"answer":[1],"explanation":"知识点是阈值与精确率召回率的权衡。降低正类阈值会让更多样本被判为正类，通常提升召回率；提高阈值会进一步降低召回，增加轮次和减少负样本不直接针对漏检问题。","tier":"进阶"},{"id":246,"type":"single","stem":"在图像分类标注项目中，标注规范要求对每张图片只选择一个主类别，但某标注员对一张同时包含猫和狗的图片分别打上了猫和狗两个标签，复核时该批次应判定为","options":["标注正确，多标签能保留更多信息","标注错误，违反单标签互斥约定","标注正确，只要两个类别都真实存在","标注错误，需删除狗标签保留猫标签"],"answer":[1],"explanation":"知识点是标注规范中单标签与多标签任务的约定；规范明确每张图只选一个主类别时，打两个标签违反互斥约定，应判错。多标签能保留信息说法忽略了本项目单标签约定；两个类别都真实存在不等于符合规范；删除哪一个标签属于主观臆断，规范未指定优先级。","tier":"进阶"},{"id":247,"type":"single","stem":"某团队做文本情感标注，规范规定中性文本归入中性类，但标注员把大量中性短评标成正面，复核时应优先检查","options":["标注员的打字速度是否达标","该批次正面类别的标注一致性","中性短评的数量是否超过正面","标注平台是否支持批量导出"],"answer":[1],"explanation":"知识点是标注质量复核中的一致性检查；中性被大量标成正面说明正面类内部一致性可能异常，应优先检查。打字速度与标注正确性无直接关系；数量比较不能定位错标原因；平台导出功能属于工具问题，与标注质量无关。","tier":"进阶"},{"id":248,"type":"single","stem":"将一万条已标注数据划分为训练集、验证集和测试集时，若同一用户的多条评论被随机分到不同子集，最可能导致","options":["训练集样本数量不足","验证集损失曲线震荡","测试集评估结果虚高","标注成本显著上升"],"answer":[2],"explanation":"知识点是数据集划分中的样本独立性；同一用户多条评论被拆到训练集和测试集会造成信息泄漏，使测试结果虚高。样本数量不足与划分比例有关而非泄漏；验证集震荡多与学习率或批次有关；标注成本在划分前已发生。","tier":"进阶"},{"id":249,"type":"single","stem":"在提示工程中，要求模型从一段客服对话里抽取订单号和退款原因，最稳妥的提示结构应包含","options":["仅一句请帮我抽取所需信息","任务说明、字段定义和输出格式","对话原文和一句谢谢","模型名称和调用温度参数"],"answer":[1],"explanation":"知识点是提示工程中的结构化提示；明确任务、字段定义和输出格式能降低歧义。只给一句抽取要求缺少字段边界；只附原文和感谢没有任务约束；模型名称和温度属于调用参数，不构成提示内容。","tier":"进阶"},{"id":250,"type":"single","stem":"某标注项目采用多人交叉复核，复核员发现两名标注员对同一批样本的标签差异率突然升高，下一步最合理的处置是","options":["直接以复核员自己的标签覆盖全部差异","暂停项目并重新培训所有标注员","抽取差异样本对照规范定位分歧点","提高标注单价以激励标注员认真"],"answer":[2],"explanation":"知识点是标注质量复核中的分歧分析；应先抽取差异样本对照规范定位分歧原因。直接覆盖会掩盖问题；全员重新培训成本过高且未定位原因；提高单价不能解决规范理解分歧。","tier":"挑战"},{"id":251,"type":"single","stem":"在语音标注项目中，规范要求对含背景音乐的语音片段标注为含噪，某标注员把所有背景音乐音量低于人声的片段都标为纯净，复核时应判定","options":["标注正确，背景音乐低不影响识别","标注错误，规范以是否含背景音乐为准","标注正确，人声清晰即可视为纯净","标注错误，应改标为无效片段"],"answer":[1],"explanation":"知识点是标注规范中类别判定依据；规范以是否含背景音乐为准，音量低仍属含噪。背景音乐低不影响识别属于主观判断；人声清晰不等于规范定义的纯净；改标无效片段超出规范范围。","tier":"进阶"},{"id":252,"type":"single","stem":"某团队用准确率评估一个正负样本比例为一比九的分类模型，模型把所有样本都预测为负类，此时准确率约为","options":["百分之十","百分之五十","百分之九十","百分之九十九"],"answer":[2],"explanation":"知识点是模型评估中不平衡数据下准确率的局限；负类占九成，全预测负类准确率接近百分之九十。百分之十是正类比例；百分之五十和百分之九十九均不符合该比例下的计算。","tier":"挑战"},{"id":253,"type":"single","stem":"提示工程中让模型完成多步推理任务时，在提示里给出一个完整的输入输出示例，这种做法通常称为","options":["零样本提示","单样本提示","思维链提示","对抗提示"],"answer":[1],"explanation":"知识点是提示工程中示例数量的术语；给出一个完整示例属于单样本提示。零样本提示不提供示例；思维链提示强调展示推理步骤而非仅给示例；对抗提示指构造对抗性输入。","tier":"基础"},{"id":254,"type":"single","stem":"某标注批次完成后，复核员发现部分样本的标注时间明显短于平均值且标签与规范高度一致，最合理的判断是","options":["标注质量优秀无需进一步检查","可能存在抄袭或预填标签行为","应直接删除这些样本","应提高这些样本的权重"],"answer":[1],"explanation":"知识点是标注质量复核中的异常行为识别；时间异常短且标签高度一致提示可能抄袭或预填。直接认定优秀会漏检风险；删除样本会丢失证据；提高权重没有依据。","tier":"挑战"},{"id":255,"type":"single","stem":"在划分数据集时，若测试集与验证集来自同一批标注批次而训练集来自另一批，评估结果可能受到的影响是","options":["训练收敛速度变慢","评估结果无法反映真实泛化","标注成本大幅增加","模型参数量被迫减少"],"answer":[1],"explanation":"知识点是数据集划分中批次差异导致的分布偏移；测试与验证同批而训练另一批，评估结果无法反映真实泛化。收敛速度与批次来源无必然关系；标注成本在划分前已确定；参数量由模型设计决定。","tier":"进阶"},{"id":256,"type":"single","stem":"在标注团队中，甲负责把原始图片框出目标物体，乙负责对甲已框好的结果逐条判断是否合格并退回返修，甲与乙的职责划分属于以下哪种安排","options":["甲做标注、乙做质检，属于标注与复核分离","甲做标注、乙做复核，属于同一环节的双人并行标注","甲做标注、乙做复核，属于预标注加人工修正流程","甲做标注、乙做复核，属于主动学习采样流程"],"answer":[0],"explanation":"知识点是标注与质量复核的岗位分离。正确项对：先标注后质检并退回返修，正是标注与复核分离的标准安排。错误项一错在把复核说成两人同时标注同一批数据，混淆了并行标注与质检；错误项二错在预标注是模型先出结果再由人工修正，题干没有模型预标注；错误项三错在主动学习是挑选高价值样本送标，与逐条判合格无关。","tier":"进阶"},{"id":257,"type":"single","stem":"某标注项目要求对同一批文本做情感分类，标注规范写明每条只能选一个情感标签，但标注员小周对一条既像中性又像负面的文本同时勾选了中性、负面两项，按规范小周的正确做法应是","options":["只保留一个最贴近的情感标签","保留两个标签并备注原因","把该条标记为无法标注","把该条退回给客户决定"],"answer":[0],"explanation":"知识点是单标签任务的标注约束。正确项对：规范限定单标签，就应依据规范给出唯一最贴近的标签。错误项一错在双标签会破坏单标签数据的一致性；错误项二错在无法标注不是处理边界样本的常规做法；错误项三错在把应由标注员按规范判断的边界样本外推给客户。","tier":"进阶"},{"id":258,"type":"single","stem":"标注员小陈在图像框选任务中遇到一张目标只露出很小一部分、其余被遮挡的图片，标注规范规定被遮挡面积超过一半的目标不计入标注，小陈按规范应","options":["不框选该目标并跳过","框选可见部分并标注遮挡","框选完整估计范围并标注遮挡","框选可见部分但不标遮挡"],"answer":[0],"explanation":"知识点是遮挡目标的标注规则执行。正确项对：规范已明确遮挡超半不计入，就应不框选该目标。错误项一错在只框可见部分仍属对不计入目标的标注；错误项二错在估计完整范围超出了可见信息且违反不计入规则；错误项三错在同样把应剔除的目标纳入了标注。","tier":"挑战"},{"id":259,"type":"single","stem":"在数据集划分时，工程师把同一用户产生的多条记录分别随机放进训练集和验证集，导致验证集指标明显偏高，这种划分方式造成的问题属于","options":["数据泄漏导致验证偏乐观","样本不均衡导致验证偏差","标注噪声导致验证失真","分布漂移导致验证失效"],"answer":[0],"explanation":"知识点是划分时的数据泄漏。正确项对：同一用户记录跨训练验证出现，会让模型在验证集见到相关样本，指标虚高即泄漏。错误项一错在不均衡指类别比例失衡，与同源样本跨集无关；错误项二错在标注噪声指标签错误，不是划分问题；错误项三错在分布漂移指训练与线上分布不同，题干是划分内部泄漏。","tier":"进阶"},{"id":260,"type":"single","stem":"复核员在抽检标注结果时发现某标注员对一批边界样本的判定与规范不符，但这批样本的抽检合格率整体达标，复核员按质量复核流程应","options":["对边界样本专项复检并记录问题","因整体合格率高就不必处理","直接判定整批标注全部返修","仅口头提醒不做记录"],"answer":[0],"explanation":"知识点是质量复核中的异常聚焦处理。正确项对：整体达标不能掩盖特定类型样本的系统性偏差，应专项复检并留痕。错误项一错在整体合格率不能替代对高风险样本的核查；错误项二错在整批返修缺乏依据且成本过高；错误项三错在不留记录无法追踪与改进。","tier":"挑战"},{"id":261,"type":"single","stem":"在编写提示词时，工程师希望模型按固定字段输出结果便于程序解析，最应在提示中明确的是","options":["输出字段名与字段顺序","模型的温度参数取值","训练数据的来源分布","推理硬件的显存容量"],"answer":[0],"explanation":"知识点是提示工程中的结构化输出约束。正确项对：指定字段名与顺序能让输出稳定可解析。错误项一错在温度参数属调用参数，不是提示里描述输出结构的核心；错误项二错在训练数据来源与本次输出格式无关；错误项三错在硬件容量不影响提示对输出结构的约束。","tier":"进阶"},{"id":262,"type":"single","stem":"提示词中用少量示例演示输入到输出的对应关系，让模型照此完成新样本，这种提示技术称为","options":["少样本提示","思维链提示","角色扮演提示","零样本提示"],"answer":[0],"explanation":"知识点是提示工程中示例的作用。正确项对：给出少量示例再让模型处理新样本即少样本提示。错误项一错在思维链强调展示推理步骤，核心不是示例映射；错误项二错在角色扮演是设定身份语气，与给示例不同；错误项三错在零样本不提供示例，与题干相反。","tier":"基础"},{"id":263,"type":"single","stem":"评估一个分类模型时，工程师发现准确率很高但少数类召回率极低，最应补充查看的指标是","options":["少数类的精确率与召回率","整体准确率与损失值","训练集与验证集大小","模型参数量与层数"],"answer":[0],"explanation":"知识点是不均衡数据下的评估指标选择。正确项对：准确率高可能掩盖少数类漏检，应看少数类精确率与召回率。错误项一错在整体准确率正是掩盖问题的指标；错误项二错在数据集大小不反映类别表现；错误项三错在参数量层数与分类效果无直接关系。","tier":"挑战"},{"id":264,"type":"single","stem":"复核员核对标注一致性时，让两名标注员对同一批样本独立标注再比较结果，这种做法的直接目的是","options":["衡量标注员之间的一致性","提升模型的推理速度","减少训练数据的总量","调整提示词的长度"],"answer":[0],"explanation":"知识点是标注一致性的评估方法。正确项对：双人独立标注同一批再比对，用于衡量标注员间一致性。错误项一错在推理速度与标注一致性无关；错误项二错在一致性核查不以减少数据量为目的；错误项三错在提示词长度属提示工程，与标注一致性无关。","tier":"进阶"},{"id":265,"type":"single","stem":"标注项目经理要为新任务制定可复现的标注流程，以下做法中最能保证复现性的是","options":["固定标注规范版本并记录每次变更","让标注员按个人习惯灵活判断","只在项目结束时汇总一次规范","由复核员口头传达判定标准"],"answer":[0],"explanation":"知识点是标注流程的可复现性。正确项对：规范版本固定并留变更记录，才能让不同时间不同人复现同一判定。错误项一错在个人习惯灵活判断破坏一致性；错误项二错在结束才汇总无法约束过程；错误项三错在口头传达无留痕、易失真。","tier":"进阶"},{"id":266,"type":"multi","stem":"在构建训练集、验证集、测试集时，为避免评估结果失真，以下做法中恰当的有","options":["按时间顺序划分以贴近线上使用场景","同一来源样本只放入其中一个子集","划分后固定测试集不再参与调参","每次调参后重新随机划分测试集","让验证集与测试集样本大量重叠"],"answer":[0,1,2],"explanation":"知识点是数据集划分原则。正确项一对：按时序划分能反映线上时间分布。正确项二对：同源样本只入一个子集可防泄漏。正确项三对：测试集固定不参与调参才能作为最终评估。错误项一错在每次调参后重划测试集等于让测试集参与调参，评估失真。错误项二错在验证与测试大量重叠会使测试不再独立。","tier":"进阶"},{"id":267,"type":"single","stem":"在图像数据标注项目中，标注员对同一批图片中的车辆进行拉框标注，复核员发现部分框只框住了车头而遗漏了车尾，这类错误在质量复核记录中应归类为","options":["边界框不完整","类别标签错误","重复标注同一目标","属性值缺失"],"answer":[0],"explanation":"知识点是标注质量缺陷类型。边界框不完整指框未完整覆盖目标全部可见区域，只框车头属于此类。类别标签错误是框对了但类别选错；重复标注是同一目标被标了多个框；属性值缺失是框正确但附加属性未填，三者与漏框车尾的现象不符。","tier":"挑战"},{"id":268,"type":"single","stem":"某文本分类数据集共10000条，其中正类9000条、负类1000条，若直接按此比例划分训练集和测试集，测试集上指标最可能出现的问题是","options":["准确率虚高但少数类召回偏低","训练集损失无法收敛","测试集样本数多于训练集","模型训练速度显著下降"],"answer":[0],"explanation":"知识点是类别不平衡对评估的影响。正类占九成时模型只要偏向预测正类就能获得高准确率，但负类召回被牺牲，所以准确率虚高、少数类召回偏低。损失无法收敛与划分比例无关；测试集通常小于训练集；训练速度主要受样本规模和模型影响，不是由类别比例决定的。","tier":"进阶"},{"id":269,"type":"single","stem":"在使用大语言模型做提示工程时，把“请判断下面评论是正面还是负面”改为“请先指出评论中表达情感的关键词，再判断整体是正面还是负面”，这一改动主要利用了","options":["思维链式分步引导","少样本示例注入","角色设定约束","输出格式强制"],"answer":[0],"explanation":"知识点是提示工程中的分步推理引导。要求先找关键词再判断，是把任务拆成中间步骤的思维链式引导。少样本示例注入需要给出示例对；角色设定约束是让模型扮演某身份；输出格式强制是规定返回结构，均与题干改动不符。","tier":"基础"},{"id":270,"type":"single","stem":"标注团队对一段客服对话做意图标注，同一句话中用户先询问退货政策又追问运费谁承担，标注规范要求每句话只给一个意图标签时，正确的处理方式是","options":["按规范选择主导意图并记录次要意图到备注","为这句话同时打上两个意图标签","只标注第一个出现的意图并忽略后者","将该句标记为无效样本直接剔除"],"answer":[0],"explanation":"知识点是单标签标注规范下的多意图处理。规范限定单标签时，应选主导意图并备注次要信息，既遵守规范又不丢信息。同时打两个标签违反单标签规范；只标第一个会丢信息且无记录；整句剔除会浪费有效数据。","tier":"进阶"},{"id":271,"type":"single","stem":"某团队在划分数据集时先用全部数据训练模型，再从中随机抽取20%作为测试集评估，这种做法导致的主要问题是","options":["测试集信息已泄露给模型使评估偏乐观","测试集比例过小导致方差过大","训练集样本被重复计入测试集","模型无法完成正常收敛"],"answer":[0],"explanation":"知识点是数据集划分与数据泄露。先训练后抽取测试集，模型已见过这部分数据，评估结果会偏乐观，属于典型泄露。比例大小、样本重复、能否收敛都不是该流程的核心错误。","tier":"进阶"},{"id":272,"type":"single","stem":"在语音转写标注中，遇到说话人含糊不清且无法根据上下文确定的词，标注规范通常要求标注员","options":["用约定占位标记并记录时间点","凭语感填入最可能的词","直接跳过该词不标","按前一个词重复填入"],"answer":[0],"explanation":"知识点是语音标注中的不确定内容处理。规范做法是用统一占位标记并记录位置，便于后续复核与统计。凭语感填词会引入主观错误；跳过会丢失时间对齐信息；重复前词属于编造内容。","tier":"挑战"},{"id":273,"type":"single","stem":"模型评估中，某二分类模型精确率为0.9、召回率为0.4，若业务目标是尽量不漏掉正类样本，下一步最合理的调整方向是","options":["降低判定为正类的阈值","提高判定为正类的阈值","更换为回归模型","增加负类样本的权重"],"answer":[0],"explanation":"知识点是精确率召回率与阈值的关系。要减少漏掉正类即提高召回，通常降低正类判定阈值让更多样本被判为正。提高阈值会进一步降低召回；换成回归模型偏离分类任务；增加负类权重会压低正类召回。","tier":"进阶"},{"id":274,"type":"single","stem":"标注平台对一批医疗影像做病灶勾画，复核时发现两名标注员对同一病灶的边界差异较大，最应先采取的措施是","options":["调取原始标注规范核对边界定义并做一致性校准","直接取两人勾画区域的交集作为最终结果","让资历较深的标注员结果覆盖另一人结果","将该病灶样本从数据集中删除"],"answer":[0],"explanation":"知识点是标注一致性与复核流程。边界差异大要先查规范定义并组织校准，从源头统一标准。取交集、资历覆盖都属于绕过规范的主观裁决；删除样本会损失有效数据且未解决标准问题。","tier":"挑战"},{"id":275,"type":"single","stem":"在构建提示词时，把“总结这篇文章”改成“用三句话总结这篇文章，每句不超过20字，面向初中生”，改动带来的主要作用是","options":["增加了输出长度、受众和粒度的约束","为模型提供了少样本示例","改变了任务本身的目标类别","引入了外部知识检索步骤"],"answer":[0],"explanation":"知识点是提示词约束条件的设置。三句话、每句上限、面向初中生分别对应长度、粒度与受众约束。少样本示例需要提供样例；任务目标仍是总结；外部检索需要接入知识库，题干均未涉及。","tier":"基础"},{"id":276,"type":"multi","stem":"在开展文本标注质量复核时，下列做法有助于提升复核结果可靠性的有","options":["对争议样本组织多人独立复核后再讨论定论","按固定比例随机抽检并记录复核轨迹","由同一名标注员复核自己此前的标注结果","对易混类别制定更细的判定细则并同步给全员","仅复核模型预测错误的样本"],"answer":[0,1,3],"explanation":"知识点是标注质量复核流程。多人独立复核、随机抽检留痕、细化易混类别细则都能提升可靠性。同一人复核自己的结果缺乏独立性；只复核模型预测错误的样本会漏掉模型预测正确但标注错误的情况，覆盖不全。","tier":"进阶"},{"id":277,"type":"single","stem":"在图像标注项目中，标注员对同一张图片中的同一目标重复画了两个高度重叠的边界框，质量复核时判定为不合格，最直接的判定依据是","options":["该目标被重复标注导致一物多框","边界框面积小于项目规定的最小像素","边界框颜色未使用指定标注色","标注顺序晚于同批次其他目标"],"answer":[0],"explanation":"知识点是标注重复性检查：同一目标只应有一个有效边界框，重复框会造成计数与训练标签冲突。正确项对：一物多框直接违反唯一性，是复核退回的典型依据。错误项一错在最小像素属尺寸规范，与重复框无关；错误项二错在颜色属显示约定，不是重复判定依据；错误项三错在标注时间顺序与重复性判定无关。","tier":"进阶"},{"id":278,"type":"single","stem":"某文本分类数据集共1000条，其中正类50条、负类950条，训练时模型对多数类预测偏向明显，若只允许调整数据侧且要保持原始标签语义，较合理的处置是","options":["对正类样本做合理增广并配合类别权重","直接把负类样本随机删除一半","把正类标签全部复制成负类标签","将正负类样本顺序完全打乱后重训"],"answer":[0],"explanation":"知识点是不平衡数据处置：数据侧可通过增广少数类或加权缓解偏置，且不改变标签语义。正确项对：增广少数类并配合权重能在不篡改语义下改善偏置。错误项一错在直接删负类会损失信息且可能引入新偏置；错误项二错在改标签破坏语义；错误项三错在打乱顺序不改变类别分布，无法解决偏置。","tier":"进阶"},{"id":279,"type":"single","stem":"提示工程中要求模型从一段会议记录里抽取所有行动项，并明确每条行动项的负责人和截止日期，最能提升抽取完整性的提示写法是","options":["请阅读记录并输出行动项负责人和截止日期","请总结会议记录的主要内容","请判断记录中是否提到负责人","请把记录翻译成英文后再抽取"],"answer":[0],"explanation":"知识点是提示的任务要素完整性：抽取类任务需明确抽取对象与字段。正确项对：直接点明行动项、负责人、截止日期三个字段，约束最清晰。错误项一错在总结不保证逐条抽取；错误项二错在只判断有无负责人，不产出行动项；错误项三错在翻译属额外变换，不解决抽取完整性。","tier":"进阶"},{"id":280,"type":"single","stem":"在划分训练集、验证集、测试集时，若同一用户的多条行为记录被随机拆到训练集和测试集，评估结果最可能出现的问题是","options":["测试指标被高估因为存在用户信息泄漏","测试指标被低估因为测试样本太少","训练速度明显下降因为样本被拆分","标签分布自动变成均衡分布"],"answer":[0],"explanation":"知识点是数据集划分的泄漏问题：同一实体样本跨集合会造成信息泄漏。正确项对：同用户记录分散会令模型记住用户特征，测试指标虚高。错误项一错在样本总数未减少，不会因拆分导致测试样本变少；错误项二错在拆分与训练速度无必然关系；错误项三错在随机拆分不改变标签分布均衡性。","tier":"进阶"},{"id":281,"type":"single","stem":"质量复核发现某标注员提交的100条数据中有8条把“行人”标成了“骑行者”，复核员最合适的下一步处置是","options":["退回该批次并附上错例要求全量自查","只把8条错误改完直接入库","把该标注员所有历史数据全部作废","将该标注员账号权限立即永久停用"],"answer":[0],"explanation":"知识点是标注质量闭环：发现系统性混淆需退回自查并保留错例。正确项对：退回并附错例可定位混淆原因，防止同类错误扩散。错误项一错在只改8条未排查其余样本，漏检风险仍在；错误项二错在全量作废过度且无依据；错误项三错在永久停用属过度处置，未先做原因分析。","tier":"挑战"},{"id":282,"type":"single","stem":"某团队用验证集反复调参并选择最优结果，随后直接把该验证集指标作为最终泛化性能上报，这种做法的主要问题是","options":["验证集已被用于选择模型导致指标偏乐观","验证集样本数量一定少于训练集","验证集标签通常比测试集更准确","验证集不能用于任何模型比较"],"answer":[0],"explanation":"知识点是验证集与测试集职责：验证集用于调参与选择，反复使用会过拟合。正确项对：把调参用过的验证集当最终指标会偏乐观。错误项一错在样本数量少不是该做法的主要问题；错误项二错在标签准确性与集合角色无关；错误项三错在验证集可以用于模型比较，但不能替代最终测试评估。","tier":"进阶"},{"id":283,"type":"single","stem":"标注规范中规定“遮挡面积超过50%的目标不标注”，某标注员对遮挡约30%的目标也选择不标，质量复核应判定为","options":["漏标因为未达到规范的不标阈值","正确因为遮挡目标都可不标","重复标因为该目标被跳过","越界标因为遮挡属于边界情况"],"answer":[0],"explanation":"知识点是标注规范阈值执行：超过50%才不标，30%应标。正确项对：未达阈值却跳过，属于漏标。错误项一错在规范并非所有遮挡都不标；错误项二错在跳过不是重复标注；错误项三错在越界标指框超出图像范围，与此无关。","tier":"进阶"},{"id":284,"type":"single","stem":"某分类数据集标注完成后，复核员随机抽取200条进行一致性检查，发现两名标注员对同一批样本的标签一致率为72%，下一步较合理的质量改进动作是","options":["针对分歧类别组织标注员对齐规范并复训","直接宣布该批次质量合格入库","把一致率低的样本全部删除","要求两名标注员交换标签重新标注"],"answer":[0],"explanation":"知识点是标注一致性评估与改进：一致率偏低说明规范理解有分歧。正确项对：针对分歧类别对齐规范并复训是闭环改进。错误项一错在72%一致率通常不足以直接入库；错误项二错在删除低一致样本会损失数据且掩盖问题；错误项三错在交换标签不解决规范理解分歧。","tier":"挑战"},{"id":285,"type":"single","stem":"在模型评估中，若测试集与训练集来自不同时间段，且测试集指标明显低于验证集，最应先排查的是","options":["是否存在时间分布漂移导致泛化下降","测试集样本数量是否少于验证集","测试集标签是否由同一标注员完成","模型参数量是否设置得过小"],"answer":[0],"explanation":"知识点是分布漂移对评估的影响：跨时间段数据常出现协变量漂移。正确项对：时间不同导致分布漂移，是验证与测试差距的常见原因。错误项一错在样本数量差异通常不造成系统性大幅下降；错误项二错在标注员是否同一与分布漂移无直接关系；错误项三错在参数量小会影响整体性能，但不专门解释跨时间段差距。","tier":"进阶"},{"id":286,"type":"single","stem":"在图像标注项目中，标注员对同一张图片中的遮挡目标采用了“仅标注可见部分”的规则，复核员发现部分框只覆盖了目标可见区域，部分框却按预估完整轮廓画到了遮挡物后面，此时最应优先完善的环节是","options":["补充一份遮挡程度分级表并统一各类目标的框选边界规则","要求标注员对所有遮挡目标一律改用多边形逐像素描边","把该批次图片退回给客户重新采集无遮挡版本","将复核员换成标注该批次的原标注员以减少理解偏差"],"answer":[0],"explanation":"知识点：标注规范的一致性依赖可操作的边界定义。遮挡目标框选边界属于典型易混点，需在规范中按遮挡比例或类别明确可见框或预估框。正确项通过补充分级表和统一边界规则，直接消除歧义。错误项一改为多边形描边会改变任务类型和成本，未必符合原标注协议；错误项二把数据问题推给采集，掩盖规范缺失；错误项三让原标注员自审会削弱复核独立性。","tier":"挑战"},{"id":287,"type":"single","stem":"某文本分类数据集共10000条，其中正类900条、负类9100条，若直接按7:1:2划分训练/验证/测试集，最可能导致评估结果失真的原因是","options":["验证集与测试集中正类样本过少，指标波动大","训练集样本总量不足，模型无法收敛","负类样本被重复采样进入多个子集","划分比例不符合常规的6:2:2要求"],"answer":[0],"explanation":"知识点：类别极不平衡时随机划分会使少数类在验证/测试集中数量过少。按7:1:2划分后验证集约1000条、测试集约2000条，其中正类分别约90条和180条，指标方差大。错误项一：10000条对训练总量通常够用，不是主因；错误项二：随机划分本身不产生重复采样；错误项三：比例没有唯一标准，6:2:2并非强制。","tier":"进阶"},{"id":288,"type":"single","stem":"标注团队在质检时发现某标注员提交的100个实体抽取样本中有12个把“北京市朝阳区”整体标为地名，而规范要求只标“北京市”和“朝阳区”两个独立地名，复核员下一步最合适的处置是","options":["统计该标注员此类边界错误占比并安排针对性边界规则培训","直接判定该标注员全部样本不合格并整批返工","把12个样本改为正确边界后不记录错误类型","修改标注规范，允许地名整体标注以减少争议"],"answer":[0],"explanation":"知识点：质量复核需定位错误模式并推动纠正，而非只修个案。正确项先量化错误类型再培训，符合可复现质量改进流程。错误项一：整批返工扩大范围，未区分错误比例；错误项二：只改不记录会丢失错误分析数据；错误项三：为迁就错误修改规范会破坏标注一致性。","tier":"挑战"},{"id":289,"type":"single","stem":"在构建提示词时，要求模型从一段客服对话中抽取“用户诉求”和“情绪倾向”两个字段，为了让输出便于程序解析，最稳妥的提示设计是","options":["在提示中给出字段名、取值枚举和JSON输出示例","要求模型用自然语言分两段分别描述诉求和情绪","让模型先自由总结再自行决定输出格式","在提示末尾强调“请务必准确抽取两个字段”"],"answer":[0],"explanation":"知识点：结构化抽取任务需在提示中约束字段名、取值范围和输出格式。正确项同时给出字段、枚举和示例，便于稳定解析。错误项一：自然语言分段难以程序化解析；错误项二：自由格式不可控；错误项三：只强调准确不约束格式，输出仍可能不稳定。","tier":"进阶"},{"id":290,"type":"single","stem":"标注员在处理音频转写任务时遇到一段含背景音乐的语音，规范要求只转写人声，但音乐歌词清晰可辨，此时正确的处置是","options":["只转写人声内容，对音乐部分用统一占位标记并上报","把歌词一并转写，因为歌词也属于可辨识语音","跳过整段音频不转写并在备注写“有音乐”","先转写歌词再转写人声，用换行区分"],"answer":[0],"explanation":"知识点：音频转写需严格执行人声/非人声边界规则。正确项既遵守只转人声的规范，又用占位标记保留信息并上报争议。错误项一：把歌词当语音转写会污染文本；错误项二：整段跳过会丢失人声内容；错误项三：转写歌词违反规范且换行不能解决边界问题。","tier":"挑战"},{"id":291,"type":"single","stem":"某项目将数据集按8:1:1随机划分后，发现同一用户的多条记录同时出现在训练集和测试集中，导致评估指标虚高，正确的改进措施是","options":["按用户维度分组后再划分，确保同一用户只出现在一个子集","改为按时间顺序划分并打乱同一用户的记录","增大测试集比例到2:1:7以稀释重叠影响","在测试前删除训练集中出现过的用户记录"],"answer":[0],"explanation":"知识点：数据泄漏常由同一实体跨子集造成，应按实体分组划分。正确项按用户分组可消除泄漏。错误项一：按时间划分仍可能让同一用户跨集；错误项二：调整比例不解决重叠；错误项三：删除记录会改变数据分布且未从划分机制上解决。","tier":"挑战"},{"id":292,"type":"single","stem":"在质量复核中，复核员对标注结果进行抽样检查，发现某类错误在抽样中反复出现但总体错误率低于合格线，最符合质量管理的做法是","options":["记录该类错误并触发针对性复检或规则澄清","因总体错误率达标而直接通过不记录","把抽样比例提高到100%再决定是否通过","要求标注员重标全部该类样本但不说明原因"],"answer":[0],"explanation":"知识点：质量复核不仅看总体合格线，还要关注系统性错误模式。正确项记录并触发针对性复检或规则澄清，能防止同类错误扩散。错误项一：达标不记录会丢失改进线索；错误项二：全量重标成本高且未必必要；错误项三：不说明原因的重标无法纠正根因。","tier":"挑战"},{"id":293,"type":"single","stem":"设计提示词让模型对工单进行优先级分类时，模型经常把“系统无法登录”判为低优先级，而业务规则要求此类问题为高优先级，最有效的提示改进是","options":["在提示中列出高优先级判定规则并给出对应示例","把“请准确分类”重复三次以增强模型注意力","要求模型输出置信度分数供人工二次判断","将分类标签从三级改为五级以增加区分度"],"answer":[0],"explanation":"知识点：提示工程中业务规则和示例能显著约束模型判断。正确项把高优先级规则和示例写入提示，直接针对误判原因。错误项一：重复指令不补充规则信息；错误项二：置信度不纠正规则缺失；错误项三：增加标签层级与优先级规则无关。","tier":"进阶"},{"id":294,"type":"single","stem":"某标注任务要求对长文档中的每个句子判断是否包含个人隐私信息，标注员为提速先通读全文再凭记忆批量勾选，复核发现漏标率偏高，最应调整的操作是","options":["改为逐句阅读并即时判断，减少跨句记忆负担","把长文档切成两半分给两名标注员并行勾选","要求标注员只标注明显含手机号和身份证号的句子","在批量勾选后增加一次全文快速浏览补漏"],"answer":[0],"explanation":"知识点：标注作业程序影响漏标率，逐句即时判断可降低记忆负荷。正确项直接针对凭记忆批量勾选的缺陷。错误项一：分给两人仍可能各自凭记忆批量操作；错误项二：缩小隐私范围会漏掉其他类型；错误项三：事后快速浏览补漏效果不稳定。","tier":"挑战"},{"id":295,"type":"multi","stem":"在多选题库建设中，为降低标注结果的可复现性风险，下列做法中合理的有","options":["为易混类别编写带边界说明的正反例对照表","对同一批样本安排两名标注员独立标注并计算一致性","在标注界面隐藏类别定义以减少标注员认知负担","定期抽取已通过样本进行盲复核并记录复核结论","把争议样本直接删除以保证数据集干净"],"answer":[0,1,3],"explanation":"知识点：可复现性依赖明确规范、一致性度量和持续复核。正确项一提供边界对照减少歧义；正确项二用独立双标和一致性指标发现分歧；正确项四用盲复核监控质量漂移。错误项一：隐藏定义会增加随意判断；错误项五：删除争议样本会丢失难例并引入选择偏差。","tier":"挑战"},{"id":296,"type":"single","stem":"在图像数据标注项目中，标注员对同一批图片的“车辆”类别反复出现漏标，质量复核时最适合优先核查的环节是","options":["标注规范的类别边界定义是否含遮挡与截断情形","标注工具的快捷键是否支持连续标注","标注员的日均标注数量是否达到定额","标注结果的导出格式是否为JSON"],"answer":[0],"explanation":"知识点：标注质量波动的根因定位。规范中类别边界未覆盖遮挡/截断会导致系统性漏标，所以优先核查规范定义。快捷键、日均产量、导出格式都不直接决定漏标是否发生，属于相邻但非根因的干扰项。","tier":"进阶"},{"id":297,"type":"single","stem":"某团队将1万条对话数据按8:1:1划分训练/验证/测试集后，又用测试集反复调参并汇报最优结果，这一做法最主要的问题是","options":["测试集被当作验证集使用导致泛化评估失真","训练集比例偏低导致模型欠拟合","验证集数量不足导致早停失效","数据划分未分层导致类别比例偏移"],"answer":[0],"explanation":"知识点：数据集划分与模型评估的独立性。测试集只能用于最终一次评估，反复调参会使评估结果偏向调参目标而失真。训练集比例、验证集数量、分层问题都可能存在，但不是“反复用测试集调参”的核心错误。","tier":"进阶"},{"id":298,"type":"single","stem":"在提示工程中，要求模型“先列出推理步骤再给出最终答案”，与直接要求“只给最终答案”相比，通常更可能带来的效果是","options":["提升多步推理任务的正确率但增加输出长度","降低模型对提示词长度的敏感度","消除模型产生事实性错误的可能","使模型不再需要温度参数控制随机性"],"answer":[0],"explanation":"知识点：思维链式提示的作用与代价。分步推理有助于复杂任务正确率，但会生成更多token。它不能消除事实错误，也不改变温度参数的作用，对提示词长度敏感度通常也不会因此降低。","tier":"进阶"},{"id":299,"type":"single","stem":"某标注团队发现同一批文本在两名复核员之间的“情感极性”判定一致率只有0.62，下一步最合理的处置是","options":["抽取分歧样本复盘并补充极性判定细则后重新培训","直接让第三名复核员对全量数据重新判定","把一致率阈值下调到0.6以通过验收","改用模型自动判定替代人工复核"],"answer":[0],"explanation":"知识点：标注一致性分析与纠偏流程。一致率低应先定位分歧原因、细化规范并再培训。直接全量重判成本高且不解决根因，下调阈值是掩盖问题，模型替代人工会绕过质量复核要求。","tier":"挑战"},{"id":300,"type":"multi","stem":"某团队为智能客服意图分类项目构建训练集，已完成首轮人工标注，现进入质量复核与数据集划分阶段；在标注一致性检验中，同一批500条样本由两名标注员独立标注，其中A标为“退款”的80条里B有12条标为“物流”，B标为“物流”的90条里A有8条标为“退款”，其余样本两人标注完全一致，团队对不一致样本逐条仲裁并修正标签后，下一步应当如何组织复核与划分工作","options":["先计算标注一致率并记录不一致样本的仲裁结论，再按类别分层抽样划分训练集、验证集与测试集","将两名标注员不一致的20条样本全部划入测试集，用其检验模型对难例的识别能力","把仲裁修正后的全部样本统一打乱后按7:2:1随机切分，并保证同一用户的多轮对话只出现在同一子集中","将A的原始标注作为训练集、B的原始标注作为测试集，用两者差异衡量模型稳健性"],"answer":[0,2],"explanation":"本题考查标注一致性复核、仲裁修正后数据集划分与防泄漏。正确项0：先算一致率并留存仲裁结论，再按类别分层划分，能保证各子集类别分布稳定且复核过程可追溯。正确项2：打乱后按比例切分并让同一用户多轮对话只落入同一子集，既常规又能防止同源样本跨集泄漏。错误项1：把全部不一致样本划入测试集，会人为抬高测试集难度并使其分布偏离真实数据，不能代表整体泛化。错误项3：用A的原始标注训练、B的原始标注测试，会把标注员个体偏差误当成模型误差，且测试集未经过仲裁修正，评估结论不可靠。","tier":"挑战"}]}