人工智能训练师 练习卷

1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？

1. A. 随机保留一个
2. B. 删除全部同类图像
3. C. 核对标注规范并复核争议，必要时完善边界说明
4. D. 按谁提交更早选谁

2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？

1. A. 准确率必然为零
2. B. 准确率等于召回率
3. C. 所有预测均必然正确
4. D. 高准确率可能掩盖大量正类漏检

3语音转写中无法辨识的片段应怎样处理？

1. A. 凭空补成完整句
2. B. 只删掉音频
3. C. 按规范标记不可辨识区段

4检索增强生成中的检索步骤主要提供什么？

1. A. 直接修改模型全部权重
2. B. 保证资料永不错误
3. C. 与问题相关的外部资料

5训练数据按时间划分测试集主要适合什么目的？

1. A. 保证各年份分布相同
2. B. 消除所有样本重复
3. C. 模拟未来数据上的表现

6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

1. A. 要求标注员改为按目标完整范围框选并补充遮挡标记
2. B. 保留原框选结果并直接把遮挡样本从训练集中剔除
3. C. 把遮挡目标的标注类别统一改为背景类别
4. D. 让复核员按完整范围重标后覆盖原标注且不记录差异

7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

1. A. 测试集统计信息泄漏到训练过程使评估偏乐观
2. B. 训练集样本数量减少导致欠拟合
3. C. 测试集类别比例与训练集不一致
4. D. 标准化参数无法计算导致流程中断

8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

1. A. 先按图片编号随机打乱，再按 8:1:1 切分三份
2. B. 先按拍摄场景分组，再以场景为单位随机分配到三个子集
3. C. 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
4. D. 先按拍摄时间排序，再取前 8000 张作训练集、后 1000 张作验证集

9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（多选）

1. A. 按项目约定的说话人编号规则逐句核对说话人标签
2. B. 对听不清的片段直接按上下文猜测填写内容
3. C. 将置信度低的片段单独标记并提交二次复核
4. D. 复核时同步记录修改原因与音频时间戳
5. E. 对不同说话人使用同一编号以简化标注

10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？

1. A. 模型对正样本识别能力很强
2. B. 模型可能偏向预测负类，需看召回率
3. C. 数据集正样本太少，应直接删除负样本
4. D. 准确率高说明无需再做其他评估

11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？

1. A. 对每个标注员按比例随机抽样复核
2. B. 统计各标签的使用频率并与先验分布对比
3. C. 只复核标注员自认为拿不准的样本
4. D. 用已训练模型对全量标注做一致性筛查
5. E. 把复核工作交给同一位标注员自查

12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

1. A. 训练集样本量不足导致欠拟合
2. B. 测试集与训练集重叠造成数据泄漏
3. C. 模型复杂度高于数据承载能力
4. D. 评估指标未采用F1值

13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

1. A. 组织两人对分歧样本逐条讨论并修订标注规范细则
2. B. 直接把一致率低的样本全部剔除后重新计算
3. C. 要求两人各自独立再标注一遍取多数投票结果
4. D. 将500条样本按8:2拆成两份分别交给两人标注

14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

1. A. 增加正则化或减少模型复杂度以缓解过拟合
2. B. 扩大测试集比例以降低评估方差
3. C. 提高学习率让模型更快收敛
4. D. 把验证集并入训练集以增加训练数据

15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

1. A. 验证集样本数量太少导致评估波动
2. B. 模型在训练集上过拟合而泛化能力不足
3. C. 标注数据中存在大量重复样本
4. D. 学习率设置过低使模型未收敛

16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

1. A. 直接删除该类别以简化问题
2. B. 对该类别进行过采样或收集更多样本
3. C. 整体增加所有类别的样本量
4. D. 调整评估指标为宏平均后重新上线

17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

1. A. 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
2. B. 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
3. C. 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
4. D. 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

18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

1. A. 在提示中给出输出格式示例并明确字段顺序
2. B. 提高采样温度以增加回答多样性
3. C. 把问题拆成多个子问题分别提问
4. D. 增加系统提示的字数使说明更详细

19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

1. A. 记为标签体系使用错误并纳入该员准确率统计
2. B. 记为漏标并直接扣减该条数据权重
3. C. 记为格式错误并忽略不计入统计
4. D. 记为边界错误并只提醒不记录

20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

1. A. 测试集与线上数据的分布差异
2. B. 模型参数量是否不足以拟合
3. C. 训练时是否使用了早停策略
4. D. 推理服务的批处理大小设置

21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

1. A. 标注前的准入与一致性校准
2. B. 标注后的质量抽检与返工
3. C. 数据集的划分与版本管理
4. D. 模型评估指标的选取与计算

22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

1. A. 模型在训练集上欠拟合需要增加训练轮次
2. B. 验证集与测试集的数据分布存在明显差异
3. C. 测试集标注质量差导致指标被系统性拉低
4. D. 模型参数量过大导致在测试集上过拟合

23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

1. A. 模型在不同子群体上的分类性能差异
2. B. 模型推理耗时是否超过业务容忍上限
3. C. 训练集与测试集的样本总量是否一致
4. D. 模型参数量是否适合当前部署硬件

24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

1. A. 切分后总时长与原始音频不一致
2. B. 重叠语音的声学特征被错误归为单人
3. C. 两段标注的说话人编号可能重复
4. D. 单人语音标签数量超出任务配额

25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（多选）

1. A. 固定提示模板与解码参数后重复多次运行
2. B. 统计不同提示版本下的字段抽取完整率
3. C. 把温度参数调高以增加输出多样性
4. D. 对失败样本按缺失字段类型归类分析
5. E. 直接用最终业务指标替代中间评估

26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？

1. A. 直接按多数标注员的意见统一
2. B. 补充标注指南并组织一致性校准
3. C. 删除所有讽刺类样本
4. D. 把该类别从标签体系中移除

27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？（多选）

1. A. 按时间顺序划分时间序列数据
2. B. 按用户或设备分组划分数据
3. C. 对同一来源的重复样本先去重再划分
4. D. 先标准化全量数据再划分训练集和测试集
5. E. 把测试集样本复制进训练集增加数据量

28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

1. A. 直接修改所有偏大框并记录修改数量
2. B. 组织针对边界判定标准的再培训与校准
3. C. 将该标注员负责的批次全部重新标注
4. D. 降低该批次数据的验收合格阈值

29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（多选）

1. A. 使用分层抽样保持各集合类别比例
2. B. 在训练集内部再划分出验证集用于调参
3. C. 反复使用测试集调整超参数直至最优
4. D. 对同一数据先训练再测试再训练
5. E. 记录并固定随机种子以保证划分可复现

30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

1. A. 指标对未知数据的高估
2. B. 训练集与测试集分布偏移
3. C. 评估脚本运行报错
4. D. 模型推理速度下降

31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

1. A. 在提示中给出字段名和示例输出格式
2. B. 把温度参数调到最高以增加多样性
3. C. 要求模型自由发挥后人工整理字段
4. D. 在系统提示中只写请认真回答

32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

1. A. 结合混淆矩阵分析少数类被误判的流向
2. B. 直接提高整体准确率的阈值
3. C. 增加测试集样本总数后重新评估
4. D. 删除少数类样本以简化问题

33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

1. A. 静音标签的数量超过了该批次平均值
2. B. 背景音乐属于非语音但非静音，应标为其他类别
3. C. 标注员未在标注文件中填写个人信息
4. D. 静音片段时长普遍短于其他片段

34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

1. A. 整批退回，要求标注员全部重新标注
2. B. 仅对重复框样本去重并记录问题类型与数量
3. C. 忽略重复框，因为对训练影响不大
4. D. 将重复框样本直接删除，不纳入统计

35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

1. A. 整体准确率与训练损失曲线
2. B. 少数类的召回率与F1值
3. C. 模型参数量与推理时延
4. D. 训练集与测试集的样本总量

36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

1. A. 提升标注界面的操作响应速度
2. B. 支持问题追溯与规范版本对比
3. C. 自动完成标注质量的一致性校验
4. D. 减少标注任务的总体人力成本

37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

1. A. 标记为“不确定”并进入仲裁队列，由第二人复听
2. B. 凭第一印象直接标为“不包含”，保证进度
3. C. 反复播放直到自己给出确定答案，不记录不确定
4. D. 跳过该片段，等全部标完再统一补标

38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

1. A. 在提示中补充否定句示例，并让审核优先抽查否定句样本
2. B. 提高生成温度，让初稿更多样化以减少否定错误
3. C. 减少人工审核比例，把节省时间用于增加数据量
4. D. 直接把否定句样本从数据集中删除以降低错误率

39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

1. A. 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
2. B. 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
3. C. 在质检规则中放宽边界框面积阈值，以减少不合格判定
4. D. 把该标注员的历史标注全部删除，重新招募新标注员

40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

1. A. 标注员的疲劳程度与当天工作时段安排
2. B. 标注规范中边界框贴合目标的判定描述是否可操作
3. C. 标注工具是否支持自动保存与断点续标
4. D. 被标注图片的采集设备与拍摄角度是否一致

41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

1. A. 把该标注员全部片段退回并重新随机抽检
2. B. 针对数字与专有名词补充标注规范与专项练习
3. C. 降低该标注员后续任务的抽检比例以节省人力
4. D. 将该标注员片段直接从训练集中剔除不再使用

42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

1. A. 标注员的打字速度是否达标
2. B. 该批次正面类别的标注一致性
3. C. 中性短评的数量是否超过正面
4. D. 标注平台是否支持批量导出

43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

1. A. 零样本提示
2. B. 单样本提示
3. C. 思维链提示
4. D. 对抗提示

44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

1. A. 数据泄漏导致验证偏乐观
2. B. 样本不均衡导致验证偏差
3. C. 标注噪声导致验证失真
4. D. 分布漂移导致验证失效

45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

1. A. 固定标注规范版本并记录每次变更
2. B. 让标注员按个人习惯灵活判断
3. C. 只在项目结束时汇总一次规范
4. D. 由复核员口头传达判定标准

46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

1. A. 测试集信息已泄露给模型使评估偏乐观
2. B. 测试集比例过小导致方差过大
3. C. 训练集样本被重复计入测试集
4. D. 模型无法完成正常收敛

47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

1. A. 该目标被重复标注导致一物多框
2. B. 边界框面积小于项目规定的最小像素
3. C. 边界框颜色未使用指定标注色
4. D. 标注顺序晚于同批次其他目标

48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

1. A. 漏标因为未达到规范的不标阈值
2. B. 正确因为遮挡目标都可不标
3. C. 重复标因为该目标被跳过
4. D. 越界标因为遮挡属于边界情况

49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

1. A. 在提示中给出字段名、取值枚举和JSON输出示例
2. B. 要求模型用自然语言分两段分别描述诉求和情绪
3. C. 让模型先自由总结再自行决定输出格式
4. D. 在提示末尾强调“请务必准确抽取两个字段”

50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（多选）

1. A. 为易混类别编写带边界说明的正反例对照表
2. B. 对同一批样本安排两名标注员独立标注并计算一致性
3. C. 在标注界面隐藏类别定义以减少标注员认知负担
4. D. 定期抽取已通过样本进行盲复核并记录复核结论
5. E. 把争议样本直接删除以保证数据集干净