人工智能系统运维主管岗位考试试卷及答案.docxVIP

人工智能系统运维主管岗位考试试卷及答案

一、单项选择题（每题2分，共20分）

1.以下哪项不属于人工智能系统运维中模型服务监控的核心指标？

A.推理延迟（Latency）

B.模型准确率波动

C.GPU内存占用率

D.数据库连接数

答案：D

2.针对基于TensorFlowServing部署的在线推理服务，当发现QPS（每秒请求数）未达预期时，优先排查的环节是？

A.模型输入数据格式是否符合要求

B.负载均衡器的流量分发策略

C.底层Kubernetes集群的Pod调度策略

D.日志系统的存储容量

答案：A（模型服务QPS未达预期通常与推理服务本身处理能力相关，输入数据格式错误会导致请求被拒绝或处理耗时增加）

3.在AI训练任务运维中，若观察到分布式训练作业的通信延迟突然升高，最可能的原因是？

A.训练数据集中出现脏数据

B.节点间RDMA网络链路故障

C.模型超参数设置不合理

D.日志采集服务资源占用过高

答案：B（分布式训练依赖高速网络通信，RDMA链路故障会直接导致节点间同步延迟）

4.以下哪种场景最适合使用A/B测试进行模型版本切换的运维操作？

A.生产环境核心推荐模型从v2.1升级至v2.2

B.测试环境验证新数据预处理算法

C.修复线上模型因代码逻辑错误导致的崩溃问题

D.临时扩容推理服务实例应对突发流量

答案：A（A/B测试适用于需要验证新版本模型效果的生产环境切换场景）

5.对于采用Horovod框架的分布式训练任务，运维时需重点监控的指标是？

A.各节点梯度同步耗时

B.模型损失函数下降曲线

C.训练数据读取速率

D.开发者代码提交频率

答案：A（Horovod通过梯度同步实现分布式训练，同步耗时直接影响训练效率）

6.当AI推理服务的GPU利用率长期低于30%时，运维优化的合理措施是？

A.增加模型batchsize以提升计算密度

B.升级GPU硬件型号（如V100换A100）

C.关闭模型的量化优化功能

D.扩大日志采集的采样频率

答案：A（低GPU利用率通常是计算密度不足，增加batchsize可提升单批次计算量）

7.以下哪项不属于AI系统运维中的“模型漂移”监控范畴？

A.输入特征分布与训练时的差异度

B.模型输出结果的置信度分布变化

C.服务实例的CPU内存使用波动

D.预测结果与业务实际效果的偏差

答案：C（模型漂移关注模型性能与数据分布变化，与服务资源使用无关）

8.在设计AI系统容灾方案时，“RPO（恢复点目标）”主要衡量的是？

A.故障发生后系统恢复所需时间

B.故障导致的数据丢失量

C.容灾系统与主系统的同步频率

D.灾备资源的冗余比例

答案：B（RPO定义为允许丢失的最大数据量，通常以时间单位表示）

9.针对AI训练任务的日志分析，若发现“OutOfMemory”错误频繁出现，优先检查的配置是？

A.训练任务的GPU显存分配参数

B.数据加载器的并行线程数

C.模型的学习率调度策略

D.监控告警的阈值设置

答案：A（OOM错误直接关联内存/显存资源不足）

10.以下哪种工具最适合用于AI推理服务的流量镜像与回放测试？

A.JMeter

B.Tcpdump

C.Locust

D.ServiceMesh（如Istio）的流量镜像功能

答案：D（ServiceMesh的流量镜像可直接复制线上流量到测试环境，保持数据真实性）

二、填空题（每空2分，共20分）

1.AI系统运维中，模型版本管理的核心是通过__________实现不同版本模型的可追溯与快速切换。（答案：版本控制系统/版本号+元数据记录）

2.分布式训练任务的通信效率优化通常通过__________（如NCCL）或__________（如RDMA）技术实现。（答案：通信库；高速网络协议）

3.在线推理服务的SLA（服务级别协议）通常包含__________（如99.9%）、__________（如P99延迟≤200ms）和__________（如QPS≥10万）三个核心指标。（答案：可用性；延迟；吞吐量）

4.应对模型“概念漂移”的常见运维措施包括__________、__________和__________。（答案：定期重训模型；动态调整特征工程；引入漂移检测模块）

5.GPU资源池化管理的关键技术是__________（如MPS多进程服务）和____