2025技能考试人工智能训练师三级题库练习试卷附答案.docxVIP

2025技能考试人工智能训练师三级题库练习试卷附答案

一、单项选择题（每题2分，共30分）

1.以下哪种数据标注类型属于自然语言处理（NLP）领域的基础任务？

A.图像边界框标注

B.语音波形标注

C.实体命名识别标注

D.点云语义分割标注

答案：C

解析：实体命名识别（NER）是NLP中识别文本中特定实体（如人名、地名）的任务，属于典型的文本标注类型；其他选项分别对应计算机视觉（A、D）和语音处理（B）领域。

2.在监督学习中，若训练数据的类别分布严重不均衡（如正样本占95%，负样本占5%），直接训练模型最可能导致的问题是？

A.模型对负样本的识别能力差

B.模型训练速度显著降低

C.模型参数数量过多

D.模型出现梯度消失

答案：A

解析：类别不均衡时，模型易倾向于多数类（正样本），导致对少数类（负样本）的召回率和准确率下降；训练速度主要受数据量和模型复杂度影响（B错误），参数数量由模型结构决定（C错误），梯度消失与激活函数、网络深度相关（D错误）。

3.以下哪项是解决模型过拟合的有效方法？

A.增加训练数据量

B.减少模型层数

C.提高学习率

D.降低正则化系数

答案：A

解析：过拟合是模型对训练数据过度学习、泛化能力差的表现，增加数据量可提升泛化能力；减少模型层数（可能欠拟合）、提高学习率（可能导致震荡）、降低正则化系数（削弱对参数的约束）均可能加剧过拟合（B、C、D错误）。

4.在图像分类任务中，使用数据增强时，以下哪种操作可能破坏图像语义信息？

A.随机水平翻转

B.随机裁剪（保持宽高比）

C.随机添加高斯噪声

D.随机旋转180度

答案：D

解析：某些图像（如文字、标志）旋转180度会导致语义改变（如“6”变“9”）；水平翻转（A）、裁剪（B）、高斯噪声（C）通常不影响语义（除非噪声过强）。

5.对于情感分析任务（正面/负面），若测试集准确率为85%，但召回率仅为30%，最可能的原因是？

A.模型对负面样本的误判率高

B.测试集数据量不足

C.模型学习率设置过低

D.训练时未使用批量归一化

答案：A

解析：召回率（Recall）=正确预测的正样本数/实际正样本总数，召回率低说明模型漏检了大量正样本（此处假设正样本为“负面”），即对负面样本的识别能力弱；数据量不足可能影响整体指标（B错误），学习率和批量归一化主要影响训练稳定性（C、D错误）。

6.以下哪种损失函数适用于二分类任务？

A.交叉熵损失（CrossEntropyLoss）

B.均方误差（MSE）

C.绝对平均误差（MAE）

D.余弦相似度损失

答案：A

解析：交叉熵损失直接衡量预测概率与真实标签的差异，适用于分类任务；MSE和MAE用于回归（B、C错误），余弦相似度用于度量向量相似性（D错误）。

7.在标注医疗影像数据时，标注员需重点关注的核心要求是？

A.标注速度

B.标注一致性

C.标注工具的易用性

D.标注结果的可视化

答案：B

解析：医疗影像标注的准确性直接影响诊断模型的可靠性，标注一致性（不同标注员对同一数据的标注结果一致）是保证质量的关键；速度（A）、工具（C）、可视化（D）是辅助因素。

8.以下哪项属于大语言模型（LLM）微调的典型操作？

A.冻结预训练模型的所有参数，仅训练新添加的分类层

B.随机初始化模型所有参数，从头训练

C.增大模型的隐藏层维度

D.移除模型中的注意力机制

答案：A

解析：微调（Finetuning）通常冻结预训练模型的主体参数，仅调整顶层或新增的任务特定层（如分类层），以利用预训练的通用知识；从头训练（B）、修改模型结构（C、D）属于模型重构，非微调。

9.在目标检测任务中，交并比（IoU）的计算对象是？

A.预测框与真实框

B.预测类别与真实类别

C.预测概率与真实概率

D.特征图与输入图像

答案：A

解析：IoU=预测框与真实框的交集面积/并集面积，用于评估目标检测的定位准确性；类别和概率属于分类指标（B、C错误），特征图与输入图像的关系无直接计算（D错误）。

10.以下哪种场景最适合使用无监督学习？

A.基于用户点击数据预测商品购买意愿（有标签）

B.从海量未标注文本中发现主题聚类

C.训练图像分类模型识别猫狗（有标签）

D.优化推荐系统的点击率（有明确目标）

答案：B

解析：无监督学习用于从未标注数据中挖掘模式（如聚类、