🗂

数据驱动域

数据质量、来源、编码、清洗与数据集工程

14 个考点

数1 合成数据 数2 数据中毒 数3 数据代表性 数4 数据增强 数5 数据完整性 数6 数据来源 数7 数据治理 数8 数据沿袭 数9 数据清洗 数10 数据相关性 数11 数据编码 数12 数据质量 数13 数据集拆分 数14 输入规范

🧠

模型与算法域

模型类型、验证、漂移、鲁棒性与生成缺陷

10 个考点

模1 上下文限制 模2 幻觉 16— 模3 性能指标 模4 模型-算法-类型 模5 模型泄露 模6 模型漂移 模7 模型验证 模8 目标一致性 模9 自然语言 模10 鲁棒性

🛡

风险与治理域

风险管理、治理结构、供应商与业务连续性

7 个考点

风1 事件响应 风2 供应商管理 风3 变更管理 风4 治理结构 风5 治理风险 风6 灾难恢复 风7 风险管理

⚖

伦理与合规域

伦理风险、隐私、偏见、透明与人工监督

6 个考点

伦1 人工监督 伦2 伦理风险 伦3 偏见 伦4 深度伪造 伦5 透明度 伦6 隐私

🔏

安全与审计域

智能体安全、代码风险、提示注入与审计

8 个考点

安1 代码风险 安2 审计利用AI的有效方式 安3 审计利用AI的风险 安4 审计报告 安5 提示注入 安6 政策培训 安7 智能体安全 安8 输出控制