2026年人工智能训练师竞赛实操试题.docxVIP

2026年人工智能训练师竞赛实操试题

本次实操考核总时长240分钟，总分100分，考核环境预置开源大模型训练框架、标注工具集群、A100-80G算力节点、脱敏行业数据集，所有操作需在给定隔离环境内完成，禁止外接存储设备、访问外部网络，作答结果需按指定路径存储，未按要求存储的内容不予评分。

模块一：垂域AI训练数据集全链路质量管控（分值25分，建议用时50分钟）

本模块所用基础数据集为国内头部新能源车企2025年1-12月售后客服场景脱敏语料，总计12000条多轮交互样本，单轮平均文本长度72字，覆盖5大类业务场景，经初步分层抽样统计，样本分布为：故障咨询类3200条（含三电系统故障1820条、车机系统故障960条、底盘及机械结构故障420条）、服务办理类4300条（含维保预约1750条、道路救援申请920条、充电桩安装咨询1230条、资料变更400条）、权益查询类2500条（含保修政策查询1100条、活动权益查询900条、积分兑换查询500条）、投诉建议类1500条、无效内容500条，整体抽样检测显示数据集噪声率为8.7%。

任务1：数据集噪声排查与清洗规则制定（10分）

经初筛，数据集存在四类典型问题：标签错配（占比3.2%，共384条）、个人敏感信息未脱敏（含车主手机号、车架号后6位、精确居住地址，占比2.1%，共252条）、多轮对话逻辑断链（上下文回复语义关联度低于0.3，占