智能体与具身智能数据标注工程师实训营结业理论考试（满分100分）

基本信息：

姓名：
姓名：
单位/院校：
单位/院校：
身份证号:
身份证号:

与传统专家系统相比，现代大语言模型智能体在知识存储上的主要变化是

A. 由符号逻辑改为封闭数据库加索引

B. 由封闭数据库改为参数内隐知识加外部检索

C. 由参数内隐知识改为规则库逐条写入

D. 由外部检索改为只依赖上下文窗口

ReAct 把推理与行动交织在同一个循环里，单轮循环的三个步骤依次是

A. 观察、思考、行动

B. 行动、思考、观察

C. 思考、观察、行动

D. 思考、行动、观察

按「大模型负责想和说、系统负责记和做」的边界，下列工作应由系统承担的是

A. 精确计算与持久化存储

B. 文本与方案撰写

C. 意图识别与歧义消解

D. 任务分解与优先级排序

与只在软件环境里运行的单智能体相比，具身智能体额外强调的是

A. 更长的上下文窗口与更快的生成速度

B. 更多的可调用工具与更细的权限分级

C. 与物理环境实时交互的感知—行动闭环

D. 更强的多轮对话记忆与用户画像

用「大模型＋机器人＝具身智能」概括这一技术形态，两部分分别对应人的

A. 智能与体能

B. 记忆与语言

C. 感知与推理

D. 经验与本能

逆强化学习（IRL）与正向强化学习相比，差别在于它

A. 直接用生成器与判别器对抗训练

B. 只做行为克隆、不涉及奖励

C. 从专家示范中反推代价或奖励函数

D. 用人工规则为每个状态打分

行为克隆（BC）在长步骤任务中效果变差，主要原因是

A. 奖励函数设计不合理、收敛困难

B. 单步小偏差累积，状态偏离专家分布

C. 专家示范的动作本身带有随机抖动

D. 训练样本太少，模型只记住了训练集

具身智能进入养老场景，课件指出的法规与伦理难题是

A. 养老机构普遍缺少网络覆盖

B. 智能设备采购成本高于人力

C. 老年人不愿意使用智能手机

D. 设备决策失误时责任如何界定

判断某一列数据是否属于个人信息，课件要求判定依据的是

A. 字段名里是否出现姓名、手机号等字样

B. 数据是否存放在加密的数据库中

C. 能否识别到特定的自然人

D. 数据是否已通过脱敏工具处理

10.

点云数据脱敏，课件要求首先处理的是

A. 剥离 GPS 头文件、切断绝对定位

B. 对人脸区域做像素掩膜

C. 对声纹做变调与替换处理

D. 对文本中的姓名做统一替换

11.

去掉姓名、身份证号等直接标识符，但保留年龄、住址等间接标识符的数据，按课件界定属于

A. 完全脱敏，不再受任何约束

B. 去标识化，仍按个人信息管理

C. 匿名化，可作为非个人信息使用

D. 假名化，属受控密钥资产

12.

工具权限四级模型下，动机器人、改库、退款应归入

A. L1 只读

B. L2 生成

C. L3 建议

D. L4 执行

13.

CVAT 把标注工作拆成四层，其中负责分片、执行与状态的是

A. Project

B. Task

C. Annotation

D. Job

14.

三级质控里的「机器初检」，负责拦下的是

A. 类别标错与语义边界的判断

B. 缺标、重叠框、越界坐标、类别不在标签表

C. 标注理由是否充分、能否复核

D. 抽样比例与分层方案是否达标

15.

同一类别在 COCO 与 YOLO 里的编号不一致，格式转换时应当

A. 按类别名称建立映射并保存

B. 直接把源编号复制过去

C. 统一改成从 1 开始编号

D. 只保留类别名、不写编号

16.

把预标注的置信度阈值调低，人工环节出现的变化是

A. 候选变少，漏标风险上升

B. 候选与错误结构都不变

C. 候选变多，误检增加、漏标减少

D. 候选变多，误检与漏标同时下降

17.

原文「拿起红杯子」中「红杯子」位于 [3,6)，去掉空格后同一短语的位置变为

A. [2,5)

B. [3,6)

C. [2,6)

D. [3,5)

18.

课件对语音区间采用半开区间，含义是

A. 起点与终点都不包含

B. 起点不包含、终点包含

C. 起点包含、终点不包含

D. 起点与终点都包含

19.

课件原片为 24 fps、共 190 帧，按从 0 开始编号，最后一帧的帧号与其所对应的时间应为

A. 190 帧，约 7.875 秒

B. 189 帧，约 7.875 秒

C. 189 帧，约 7.917 秒

D. 190 帧，约 7.917 秒

20.

点云中点的排列通常不携带邻接关系，恢复局部结构要依靠

A. 类别标签的排列顺序

B. 颜色通道的连续性

C. 近邻搜索或网格化

D. 文件头里的读取顺序

21.

同一帧里两垛同为 pallet_load 的货物，课件要求分别给实例编号，理由是

A. 类别标签本身不允许重复出现

B. 实例编号决定点云的配色

C. 语义分割不支持一帧多目标

D. 库存要分开数、动作要分开做

22.

同一物体分别按几何中心与底面中心记录 z 值，两者相差

A. 一个宽度

B. 一个高度

C. 取决于朝向角 yaw

D. 半个高度

23.

60 公里/小时车速下，50 毫秒时间差约等于多少位置误差

A. 0.08 米

B. 0.83 米

C. 8.3 米

D. 0.14 米

24.

一条训练数据形如「一个 prompt 加 chosen、rejected 两个回答」，它的用途是

A. 告诉模型这类问题应该怎么答

B. 告诉模型两个回答里哪一个更好

C. 为模型补充事实性知识

D. 用于图像分类任务的预训练

25.

两份候选都未通过任务的基本要求，比较结果应当记为

A. tie 并列

B. cannot_judge 无法判断

C. 强行判一份更优

D. both_bad 都不合格

26.

要比较两条轨迹哪条更好，课件要求先确认的是

A. 任务、初始状态、观测范围与动作定义是否可比

B. 两条轨迹的耗时谁更短

C. 两条轨迹是否由同一人录制

D. 两条轨迹的评分是否都在 0.8 以上

27.

与经典 RLHF 相比，原始 DPO 真正省掉的是

A. 成对偏好数据

B. 参考模型与 β 参数

C. 单独训练奖励模型这一环

D. 参考约束与独立评测

28.

两条记录措辞不同、内容相近、来自同一任务族，去重与数据划分时应当

A. 文本不同即视为不重复，分别保留

B. 只保留字数较多的一条，其余删除

C. 全部删除，等重新采集后再用

D. 按 group_id 归为同源，放进同一划分

29.

observation.state 与 action 的区别是

A. 前者是希望执行的命令，后者是实测情况

B. 前者是实测情况，后者是希望执行的命令

C. 两者名称不同，含义其实一致

D. 前者只在训练阶段出现、后者只在推理时出现

30.

课件中的标注工具用闭区间 [195,254] 标定一段动作，写成 Python 切片应为

A. [195:254]

B. [196:255]

C. [195:255]

D. [195:253]

31.

「把红色方块放入目标盒」与「夹持方块移向盒子上方」这两段文字，标注时应

A. 分别写入任务输入字段与片段描述字段

B. 都写入任务输入字段，并在备注里注明区间

C. 都写入片段描述字段，任务输入留空即可

D. 合并成一句写入备注，由下游自行拆分

32.

一段轨迹里既有策略自主执行、也有人工接管，记录控制来源的作用是

A. 避免把接管成功算作策略成功

B. 便于统计标注员的工作量

C. 减少动作数据的存储体积

D. 决定夹爪开合的目标宽度

33.

同一 episode 相邻帧分到训练集与测试集两侧，后果是

A. 训练速度明显变慢，收敛更差

B. 标注成本与复核工作量上升

C. 测试成绩被抬高，泛化能力被高估

D. 动作单位与坐标定义出现错乱

34.

业务系统里的设备台账已经更新，助手仍报旧状态。按三层责任边界，首先应查

A. 模型参数与版本是否最新

B. 平台是否真取到最新数据、调用是否留痕

C. 用户提问的措辞是否清楚

D. 终端的显示设置是否正确

35.

把知识库的嵌入模型换成另一个之后，正确的做法是

A. 直接沿用原索引，只改模型配置

B. 只把 TopK 调大以补偿

C. 关闭重排，避免结果冲突

D. 用新模型重建索引并验证召回

36.

条件节点比较 route 是否等于 DRAFT，应当采用的判断是

A. 语义判断，交由模型理解意图

B. 模糊包含，出现 DRAFT 即通过

C. 精准判断，按字符串精确匹配

D. 交给大模型自由判断

37.

十二条评测用例全部执行成功，据此能得出的结论是

A. 只说明流程跑通，答案是否正确未验证

B. 应用已具备上线条件，可直接发布

C. 说明检索与生成环节都已准确

D. 说明提示词无需再改，可冻结版本

38.

一名新入职的标注员起初嫌画框打点枯燥、动过换岗的念头。后来他弄清了这批数据训练什么模型、自己画的框起什么作用，明白意义后渐渐喜欢上这份工作，活干得更主动，说「这活儿挺有意义」。上述做法体现的是

A. 爱岗敬业

B. 精益求精

C. 团队共进

D. 追求卓越

智能体与具身智能数据标注工程师实训营
结业理论考试（满分100分）

智能体与具身智能数据标注工程师实训营
结业理论考试（满分100分）