2026年人工智能训练师考试题及答案.docxVIP

2026年人工智能训练师考试题及答案

一、单项选择题（共20题，每题1分，共20分。每道题只有1个正确答案，错选、不选均不得分）

1.在大语言模型的人类反馈强化学习（RLHF）流程中，奖励模型训练所需的“配对偏好数据”需满足的核心要求是？

A.两条样本为同一prompt下生成的质量差异显著的回复

B.两条样本为不同prompt下生成的同主题优质回复

C.两条样本为同一prompt下生成的完全一致的回复

D.两条样本为不同prompt下生成的不同主题劣质回复

【答案】A

【解析】配对偏好数据是RLHF奖励模型训练的基础，要求针对同一输入prompt获取至少两条模型输出结果，由标注员标注人类更偏好的结果，两条结果需存在可区分的质量差异，才能为奖励模型提供有效学习信号。

2.针对图文多模态大模型的训练，以下哪类数据标注任务属于“跨模态细粒度对齐标注”？

A.给整张图片添加分类标签

B.为图片中的特定区域匹配对应的文本描述短语

C.给视频添加整体内容摘要

D.为文本语句标注情感倾向

【答案】B

【解析】跨模态细粒度对齐要求建立不同模态（如图像区域与文本短语）之间的精准对应关系，而非整体层面的粗粒度匹配。选项B属于细粒度的区域-文本对齐，其余选项均为单模态标注或粗粒度多模态标注。

3.采用低秩适配（LoRA）技术对大语言模型进行领域微调时，以下哪项操作会直接影响微调后的