人工智能训练师 认证题库

人工智能训练师 认证题库共 95 道题（单项选择题 60 题、判断题 18 题、多项选择题 17 题），逐题提供题干、选项、正确答案与详细解析，支持按题查看、在线练习与自动批改。

题目列表

• 人工智能（AI）、机器学习（ML）、深度学习（DL）三者关系，正确的是？AI基础
• 下列任务中，最适合用机器学习而非硬编码规则解决的是？AI基础
• “弱人工智能”指的是？AI基础
• 深度学习模型一定比传统机器学习模型在所有任务上表现更好。AI基础
• 在采集包含个人信息的训练数据前，依法应首先？数据采集
• 下列哪种数据来源最符合“合法、正当、必要”原则？数据采集
• 数据采集阶段需关注的维度包括？数据采集
• 只要数据用于“研究”，就可以不经同意采集任何个人信息。数据采集
• 发现某字段大量缺失值，下列做法最合理的是？数据清洗
• “去重”操作主要是为了？数据清洗
• 识别并处理“异常值（离群点）”常用方法不包括？数据清洗
• 下列属于数据清洗典型步骤的有？数据清洗
• 图像分类任务中，标注员最核心的工作是？数据标注
• 下列哪种标注属于“目标检测”而非“图像分类”？数据标注
• 文本情感分析标注，标签通常表示为？数据标注
• 为保证标注质量，最有效的措施是？数据标注
• 常见标注类型包括？数据标注
• 标注规范越模糊，标注效率越高、质量越好。数据标注
• “特征归一化（标准化）”的主要目的是？特征工程
• 将“城市”这样的类别型变量转换为数值，常用方法是？特征工程
• 特征选择的意义包括？特征工程
• 训练集、验证集、测试集的典型作用是？模型训练
• 模型在训练集表现极好、测试集很差，这种现象称为？模型训练
• 缓解过拟合的常用方法不包括？模型训练
• 损失函数（Loss）的作用是？模型训练
• 常见的优化算法包括？模型训练
• 二分类中，精确率（Precision）衡量的是？模型评估
• 混淆矩阵中，FN（假阴性）表示？模型评估
• 综合考虑精确率与召回率的常用指标是？模型评估
• 评估分类模型常用指标有？模型评估
• 准确率高就说明模型在所有场景下都可靠。模型评估
• 模型“推理（Inference）”指的是？部署运维
• 线上模型效果随时间下降（如数据分布变化），称为？模型运维
• 《个人信息保护法》确立的核心处理原则不包括？AI伦理
• 为减少算法偏见，训练数据应？AI伦理
• 人工智能应用中需重点关注的合规与伦理问题有？AI伦理
• 只要模型准确率高，就不需要考虑其决策是否可解释。AI伦理
• 神经网络中"激活函数"的主要作用是？深度学习基础
• 卷积神经网络（CNN）最擅长处理的数据类型是？深度学习基础
• 循环神经网络（RNN/LSTM）最适合处理的数据是？深度学习基础
• 反向传播算法的作用是？深度学习基础
• 模型"过拟合"的典型表现是？深度学习基础
• 下列不属于缓解过拟合措施的是？深度学习基础
• 神经网络层数越深，训练效果就一定越好。深度学习基础
• GPU 比 CPU 更适合深度学习训练，主要因为它具备大规模并行计算能力。深度学习基础
• 大语言模型（LLM）生成文本的基本原理是？大模型与提示工程
• "提示词工程（Prompt Engineering）"指的是？大模型与提示工程
• 大模型的"幻觉（Hallucination）"是指？大模型与提示工程
• 对预训练大模型做"微调（Fine-tuning）"的主要目的是？大模型与提示工程
• 大模型处理文本时，"token"通常指？大模型与提示工程
• 下列哪些做法有助于降低大模型的"幻觉"？大模型与提示工程
• 大模型参数量越大，在任何任务上的输出质量就一定越好。大模型与提示工程
• 监督学习与无监督学习的核心区别是？机器学习基础
• 下列属于无监督学习典型任务的是？机器学习基础
• 机器学习中"验证集"的主要用途是？机器学习基础
• 模型出现"欠拟合"时，合理的处理是？机器学习基础
• 下列属于监督学习算法的有？机器学习基础
• 交叉验证能让模型评估结果更稳定、更充分利用数据。机器学习基础
• 只要不断增加训练数据，就一定能彻底消除过拟合。机器学习基础
• 图像目标检测任务常用的标注形式是？数据标注
• 多名标注员对同一批数据标注一致性偏低时，首先应该？数据标注
• 对文本中的人名、地名、机构名进行标注，属于哪类任务？数据标注
• 众包标注质量控制最常用的手段是？数据标注
• 标注平台常见的质检机制包括？数据标注
• 对模型效果而言，标注质量通常比单纯堆数量更关键。数据标注
• 召回率（Recall）的计算公式是？模型评估
• 在疾病筛查场景中，漏诊代价极高，模型应优先保证？模型评估
• 混淆矩阵中的"假阳性（FP）"指？模型评估
• 下列属于分类模型评估指标的有？模型评估
• 测试集数据若曾参与训练，模型评估结果会偏高、失去参考意义。模型评估
• 使用网络爬虫采集数据时，合规做法是？数据采集
• 处理数值型缺失值的常见方法不包括？数据清洗
• 发现数据集中同一记录被重复录入多次，正确处理是？数据清洗
• 多路传感器数据采集时，最需要保证的是？数据采集
• 常见的数据质量问题包括？数据清洗
• 只要数据量足够大，即使质量很差，模型效果也一定很好。数据清洗
• 模型上线一段时间后准确率明显下滑，首先应排查？模型运维
• A/B 测试在模型迭代中的作用是？模型运维
• 模型对外提供预测服务时，最常见的接口形态是？部署运维
• MLOps 实践通常包含哪些环节？模型运维
• 模型线上服务需要监控的指标包括？部署运维
• 模型部署上线后就无需再监控，可以长期一劳永逸。模型运维
• 依据《人工智能生成合成内容标识办法》，AI 生成的图片、视频等内容应当？AI伦理
• 训练数据中包含个人信息时，符合《个人信息保护法》的做法是？AI伦理
• 公认的 AI 伦理原则包括？AI伦理
• 算法偏见可能源于训练数据本身的不均衡或历史歧视。AI伦理
• 生成式 AI 服务只要技术先进，就无需建立内容安全审核机制。AI伦理
• "独热编码（One-Hot）"适用于处理哪类特征？特征工程
• 对特征做归一化（如 Min-Max）的主要好处是？特征工程
• 常用的特征选择方法包括？特征工程
• 特征数量越多，模型效果就一定越好。特征工程
• 推荐系统中"协同过滤"的核心依据是？业务应用
• 智能客服中"理解用户想办什么事"的模块属于哪类任务？业务应用
• 计算机视觉技术已广泛落地的场景包括？业务应用
• AI 项目落地应先明确业务目标、评估数据可行性，再选择技术方案。业务应用