二级人工智能训练师(技师)职业技能等级认定考试题及答案.docxVIP

二级人工智能训练师(技师)职业技能等级认定考试题及答案

一、理论知识考核（共60分）

（一）单项选择题（每题2分，共20分）

1.在人工智能训练中，针对类别不平衡的医疗影像数据（如90%正常样本、10%病变样本），以下哪种数据增强方法最不适用？

A.对正常样本进行随机旋转、翻转

B.对病变样本进行SMOTE过采样

C.对正常样本进行随机裁剪

D.对病变样本进行GAN生成合成样本

2.某目标检测模型在验证集上的mAP（平均精度均值）为0.75，但在实际部署后对小目标的检测召回率仅为0.45，最可能的原因是？

A.验证集中小目标占比过低

B.模型输入分辨率过高

C.损失函数选择了交叉熵

D.训练时未使用数据增强

3.以下关于迁移学习的描述中，错误的是？

A.预训练模型在新任务中需冻结全部层参数

B.领域自适应（DomainAdaptation）是迁移学习的一种形式

C.迁移学习可缓解小样本场景下的过拟合问题

D.微调（Finetuning）时通常从预训练模型的高层开始调整

4.某NLP模型在处理长文本时出现“注意力衰减”问题，最可能采用以下哪种技术优化？

A.引入位置编码（PositionalEncoding）

B.使用稀疏注意力机制（SparseAttention）

C.增加词嵌入维度

D.替换为LSTM模型

5.评估分类模型公平性时，若要求不同性别群体的“正类预测率”（PositivePredictiveValue）差异不超过5%，需计算的指标是？

A.统计平等性差异（StatisticalParityDifference）

B.机会平等性差异（EqualOpportunityDifference）

C.预测平等性差异（PredictiveParityDifference）

D.校准平等性差异（CalibrationParityDifference）

6.在知识图谱构建中，针对“张三的妻子是李四”与“李四的丈夫是张三”两条三元组，需进行的关键操作是？

A.实体对齐（EntityAlignment）

B.关系抽取（RelationExtraction）

C.知识融合（KnowledgeFusion）

D.实体链接（EntityLinking）

7.某时序预测模型（如LSTM）在训练时出现“梯度消失”，以下哪种优化方法效果最差？

A.改用GRU单元

B.增加批量归一化（BatchNorm）层

C.使用ReLU激活函数替代Sigmoid

D.调整学习率衰减策略

8.关于多模态学习，以下描述正确的是？

A.多模态融合仅需对文本、图像的特征向量直接拼接

B.跨模态检索（CrossModalRetrieval）需对齐不同模态的语义空间

C.多模态模型的参数量一定大于单模态模型

D.视频文本匹配任务无需考虑时序信息

9.某推荐系统在A/B测试中，实验组的点击率（CTR）提升了15%，但用户留存率下降了8%，最可能的原因是？

A.实验组推荐的内容过于迎合短期兴趣

B.样本量不足导致统计检验不显著

C.实验组模型的泛化能力更强

D.对照组的流量分配不均衡

10.在联邦学习（FederatedLearning）中，“客户端漂移”（ClientDrift）问题指的是？

A.不同客户端数据分布差异导致模型性能下降

B.通信延迟导致全局模型更新滞后

C.客户端计算资源不足影响训练效率

D.隐私加密算法导致梯度信息失真

（二）判断题（每题1分，共10分）

1.数据标注中，“软标注”（SoftLabel）是指仅标注部分关键帧，其余帧通过插值生成标签。（）

2.模型压缩中的知识蒸馏（KnowledgeDistillation）需同时训练教师模型和学生模型，最终仅保留学生模型。（）

3.强化学习中，“奖励稀疏”（SparseReward）问题可通过设计辅助任务（如好奇心驱动奖励）缓解。（）

4.对抗样本攻击（AdversarialAttack）的本质是利用模型对输入微小扰动的脆弱性。（）

5.自然语言生成（NLG）任务中，BLEU分数越高，生成文本的人类可理解性一定越强。（）

6.时间序列预测中，差分（Differencing）操作可消除数据的季节性（Seasonality）。（）

7.知识图谱的推理任务仅依赖三元组的结构信息，无需结合外部文本。