2026年人工智能训练员中级工理论试题及核心考点.docxVIP

2026年人工智能训练员中级工理论试题及核心考点

一、单项选择题

1.人工智能训练师在数据标注项目中，发现某类关键目标在数据集中占比极低（例如不足1%），这可能导致训练出的模型在该类目标上表现极差。这种现象通常被称为：

A.梯度消失

B.过拟合

C.数据分布不均衡

D.维度灾难

答案：C

解析：数据分布不均衡是指训练数据集中各类别样本数量差异悬殊。当某一类或某几类样本数量极少时，模型难以从中学习到有效的特征，导致对这些少数类的识别率（召回率）极低，这是实际项目中常见且需要重点处理的问题。梯度消失是深度神经网络训练中的优化问题，过拟合是模型过于复杂或训练数据不足导致的泛化能力差，维度灾难是高维数据分析中出现的样本稀疏等问题。

2.在进行图像语义分割任务的数据标注时，要求标注员将图像中所有“行人”的轮廓精确勾画出来，并赋予“person”标签。这种标注类型属于：

A.图像分类

B.目标检测

C.实例分割

D.全景分割

答案：C

解析：实例分割是目标检测和语义分割的结合，它不仅要检测出图像中每个感兴趣的目标（如“行人”），还要精确地分割出每个目标的像素级轮廓。图像分类仅判断整图类别；目标检测用矩形框定位目标；全景分割则是在语义分割的基础上，进一步区分同一类别的不同个体。

3.在自然语言处理任务中，需要将一段文本中的实体（如人名、地名、组织机构名）识别并标注出来。这项任