2025年華為考試題及答案一、技術(shù)基礎(chǔ)題（每題15分，共75分）1.5G-Advanced（5G演進(jìn)版）作為3GPPR18/R19階段的核心標(biāo)準(zhǔn)，其關(guān)鍵技術(shù)包括哪些？與傳統(tǒng)5G（R15-R17）相比，在性能指標(biāo)和應(yīng)用場景上有哪些核心差異？答案：5G-Advanced的關(guān)鍵技術(shù)主要包括：①AI原生網(wǎng)絡(luò)（AI-RAN），通過端到端AI算法實(shí)現(xiàn)網(wǎng)絡(luò)自優(yōu)化、自配置；②NTN（非地面網(wǎng)絡(luò)），支持衛(wèi)星與地面網(wǎng)絡(luò)的融合，解決偏遠(yuǎn)地區(qū)覆蓋；③uRLLC增強(qiáng)，將空口時(shí)延從1ms壓縮至0.5ms以下，并支持更精準(zhǔn)的同步；④超級上行（SuperUplink），通過高低頻協(xié)同提升上行速率；⑤通感一體（ISAC），將通信與雷達(dá)感知融合，支持車路協(xié)同等場景。與傳統(tǒng)5G相比，核心差異體現(xiàn)在：性能指標(biāo)上，5G-Advanced的峰值速率可達(dá)100Gbps（傳統(tǒng)5G為20Gbps），連接密度提升至1000萬/平方公里（傳統(tǒng)5G為100萬/平方公里），定位精度從米級提升至亞米級；應(yīng)用場景上，傳統(tǒng)5G以eMBB（增強(qiáng)移動(dòng)寬帶）、uRLLC（超可靠低時(shí)延）、mMTC（海量連接）為主，5G-Advanced則擴(kuò)展至工業(yè)互聯(lián)網(wǎng)、衛(wèi)星物聯(lián)網(wǎng)、智能交通等更復(fù)雜場景，強(qiáng)調(diào)“通信+計(jì)算+感知”的融合能力。2.華為昇騰AI芯片的CANN（ComputeArchitectureforNeuralNetworks）架構(gòu)在異構(gòu)計(jì)算中采用了哪些優(yōu)化策略？與傳統(tǒng)GPU的CUDA計(jì)算框架相比，其核心優(yōu)勢是什么？答案：CANN架構(gòu)的優(yōu)化策略包括：①算子庫深度定制，針對華為達(dá)芬奇架構(gòu)NPU（神經(jīng)網(wǎng)絡(luò)處理器）設(shè)計(jì)專用算子，覆蓋CV（計(jì)算機(jī)視覺）、NLP（自然語言處理）等主流模型，支持動(dòng)態(tài)形狀（DynamicShape）計(jì)算；②自動(dòng)并行（AutoParallel），通過圖分割算法將大模型自動(dòng)分配至多NPU協(xié)同計(jì)算，降低開發(fā)者并行編程門檻；③內(nèi)存復(fù)用（MemoryReuse），在計(jì)算過程中動(dòng)態(tài)管理片上內(nèi)存，減少數(shù)據(jù)搬運(yùn)開銷；④量化壓縮（Quantization），支持INT8/INT4等低精度計(jì)算，提升算力利用率。與CUDA相比，核心優(yōu)勢在于：①專用性更強(qiáng)，CANN針對昇騰NPU的架構(gòu)特性（如3DCube矩陣計(jì)算單元）優(yōu)化，而CUDA需兼容不同廠商GPU，通用性犧牲了部分專用性能；②全棧協(xié)同，CANN與鴻蒙、歐拉等操作系統(tǒng)深度適配，支持端邊云一體化調(diào)度，而CUDA主要依賴NVIDIA生態(tài)；③開源開放，CANN通過MindSpore框架開放算子開發(fā)工具鏈，降低開發(fā)者生態(tài)構(gòu)建成本，而CUDA生態(tài)依賴NVIDIA閉源優(yōu)化。3.鴻蒙系統(tǒng)（HarmonyOS）的元服務(wù)（MetaService）在分布式調(diào)用中如何實(shí)現(xiàn)跨設(shè)備協(xié)同？請結(jié)合軟總線（DistributedSoftBus）和原子化服務(wù)（AtomicService）的技術(shù)細(xì)節(jié)說明。答案：元服務(wù)的分布式調(diào)用通過“軟總線+原子化服務(wù)”協(xié)同實(shí)現(xiàn)：軟總線作為底層通信協(xié)議，提供設(shè)備發(fā)現(xiàn)、連接管理、數(shù)據(jù)傳輸三大核心能力。其采用動(dòng)態(tài)組網(wǎng)技術(shù)（如Wi-FiDirect、藍(lán)牙Mesh、NFC），根據(jù)設(shè)備類型（手機(jī)、平板、車機(jī)）和場景（辦公、家居）自動(dòng)選擇最優(yōu)傳輸協(xié)議（如大文件傳輸用Wi-Fi，低時(shí)延用藍(lán)牙LE），并通過QoS（服務(wù)質(zhì)量）保障不同業(yè)務(wù)（如視頻通話、控制指令）的優(yōu)先級。原子化服務(wù)是元服務(wù)的最小功能單元，遵循“一次開發(fā)，多端部署”原則，通過FA（FeatureAbility）和PA（ParticleAbility）兩種形態(tài)實(shí)現(xiàn)。FA負(fù)責(zé)交互界面，PA負(fù)責(zé)后臺(tái)能力（如傳感器調(diào)用）。當(dāng)用戶在A設(shè)備觸發(fā)元服務(wù)時(shí)，系統(tǒng)通過軟總線發(fā)現(xiàn)附近支持該服務(wù)的B設(shè)備（如車機(jī)），將PA邏輯遷移至B設(shè)備執(zhí)行（如調(diào)用車載攝像頭），同時(shí)FA界面在A設(shè)備顯示，實(shí)現(xiàn)“能力在遠(yuǎn)端，界面在近端”的無縫協(xié)同。例如，用戶在手機(jī)上發(fā)起“車載拍照”服務(wù)，手機(jī)（FA）顯示預(yù)覽界面，車機(jī)（PA）調(diào)用攝像頭采集數(shù)據(jù)，通過軟總線低時(shí)延傳輸至手機(jī)，最終完成拍攝。4.華為光傳輸設(shè)備中，OSU（OpticalServiceUnit）技術(shù)如何解決5G承載網(wǎng)的低時(shí)延與切片需求？請對比傳統(tǒng)OTN（光傳送網(wǎng)）的TDM（時(shí)分復(fù)用）技術(shù)說明。答案：OSU技術(shù)通過“靈活時(shí)隙+硬切片”設(shè)計(jì)解決5G承載需求，與傳統(tǒng)OTN的TDM技術(shù)對比如下：傳統(tǒng)OTN的TDM采用固定時(shí)隙（如1.25Gbps的ODU1），時(shí)隙顆粒度大且不可拆分，無法適配5G業(yè)務(wù)的小顆粒（如100Mbps）、低時(shí)延（≤10ms）需求；同時(shí)，TDM切片基于物理時(shí)隙隔離，資源利用率低，難以動(dòng)態(tài)調(diào)整。OSU技術(shù)創(chuàng)新點(diǎn)：①靈活時(shí)隙（FlexO），支持時(shí)隙顆粒度從1.25Gbps細(xì)分為62.5Mbps（OSU0）、125Mbps（OSU1e）等，可按需組合（如2×OSU0=125Mbps），適配5G基站eCPRI（增強(qiáng)型通用公共無線電接口）的25G/10G/2.5G等不同速率需求；②硬切片隔離，通過ODUk（k=0~4）幀結(jié)構(gòu)中的開銷字節(jié)（如OAM）實(shí)現(xiàn)業(yè)務(wù)隔離，確保不同切片（如URLLC、eMBB）的時(shí)延、丟包率獨(dú)立保障；③低時(shí)延轉(zhuǎn)發(fā)，OSU采用逐包轉(zhuǎn)發(fā)（類似IP）與TDM時(shí)分復(fù)用結(jié)合的方式，減少幀封裝解封裝開銷，端到端時(shí)延可降至5ms以內(nèi)（傳統(tǒng)OTN為15ms以上）。5.歐拉操作系統(tǒng)（OpenEuler）在服務(wù)器場景下，針對高并發(fā)、大內(nèi)存的業(yè)務(wù)負(fù)載，其內(nèi)核在內(nèi)存管理與I/O調(diào)度上有哪些創(chuàng)新優(yōu)化？答案：內(nèi)存管理優(yōu)化：①大頁內(nèi)存（HugeTLB）增強(qiáng)，支持2MB、1GB、2GB等多種頁大小，通過動(dòng)態(tài)大頁分配（KSM，KernelSamepageMerging）合并重復(fù)內(nèi)存頁，減少TLB（頁表緩存）缺失，提升數(shù)據(jù)庫等大內(nèi)存應(yīng)用的訪問效率；②NUMA（非統(tǒng)一內(nèi)存訪問）優(yōu)化，引入“內(nèi)存近鄰分配”策略，優(yōu)先為CPU核分配同節(jié)點(diǎn)內(nèi)存，降低跨節(jié)點(diǎn)訪問延遲（跨NUMA節(jié)點(diǎn)訪問延遲比同節(jié)點(diǎn)高30%~50%）；③內(nèi)存壓縮（ZRAM），對不活躍內(nèi)存頁進(jìn)行實(shí)時(shí)壓縮，將內(nèi)存利用率從傳統(tǒng)的70%提升至85%以上，緩解內(nèi)存不足場景下的OOM（內(nèi)存溢出）風(fēng)險(xiǎn)。I/O調(diào)度優(yōu)化：①多隊(duì)列I/O（Multi-Queue），為NVMeSSD等高速存儲(chǔ)設(shè)備分配多個(gè)硬件隊(duì)列，通過中斷綁定（IRQAffinity）將不同隊(duì)列映射至不同CPU核，避免單隊(duì)列的鎖競爭，IOPS（輸入輸出每秒）提升2倍以上；②異步I/O（AIO）增強(qiáng)，內(nèi)核態(tài)支持深度隊(duì)列（隊(duì)列深度≥1024），結(jié)合用戶態(tài)SPDK（存儲(chǔ)性能開發(fā)工具包），減少上下文切換，將塊設(shè)備時(shí)延從傳統(tǒng)的100μs降至20μs以下；③冷熱數(shù)據(jù)分離調(diào)度，通過文件訪問頻率統(tǒng)計(jì)（如FAD，F(xiàn)ileAccessDetection），將熱點(diǎn)數(shù)據(jù)優(yōu)先調(diào)度至高速存儲(chǔ)（如PCIeSSD），冷數(shù)據(jù)遷移至低速存儲(chǔ)（如SATAHDD），平衡性能與成本。二、邏輯推理題（每題10分，共50分）1.華為2024年Q3財(cái)報(bào)顯示，亞太地區(qū)營收占比45%（同比增長8%），歐洲地區(qū)占比30%（同比增長-5%），其他地區(qū)占比25%（同比增長15%）。假設(shè)美元對各區(qū)域貨幣平均貶值3%（即當(dāng)?shù)刎泿庞?jì)價(jià)營收轉(zhuǎn)換為美元時(shí)需額外乘以1.03），計(jì)算華為Q3營收的實(shí)際美元同比增長率（保留2位小數(shù)）。答案：設(shè)2023年Q3總營收為X美元，則各區(qū)域2023年?duì)I收為：亞太：0.45X，2024年當(dāng)?shù)刎泿艩I收為0.45X×1.08=0.486X，美元營收為0.486X×1.03=0.50058X；歐洲：0.3X，2024年當(dāng)?shù)刎泿艩I收為0.3X×0.95=0.285X，美元營收為0.285X×1.03=0.29355X；其他：0.25X，2024年當(dāng)?shù)刎泿艩I收為0.25X×1.15=0.2875X，美元營收為0.2875X×1.03=0.296125X；2024年總美元營收=0.50058X+0.29355X+0.296125X=1.090255X；實(shí)際增長率=（1.090255XX）/X×100%=9.03%。2.觀察華為2018-2024年專利布局的技術(shù)領(lǐng)域分布（單位：千件）：2018年：5G（12）、AI（8）、光通信（5）、云計(jì)算（3）、智能汽車（2）2019年：5G（15）、AI（10）、光通信（6）、云計(jì)算（5）、智能汽車（4）2020年：5G（18）、AI（14）、光通信（8）、云計(jì)算（8）、智能汽車（7）2021年：5G（20）、AI（19）、光通信（11）、云計(jì)算（12）、智能汽車（12）2022年：5G（21）、AI（25）、光通信（15）、云計(jì)算（18）、智能汽車（20）2023年：5G（21）、AI（32）、光通信（20）、云計(jì)算（25）、智能汽車（30）請總結(jié)規(guī)律并推斷2024年智能汽車領(lǐng)域的專利數(shù)量。答案：觀察各領(lǐng)域增速：5G：2018-2023年增速從25%（15/12-1）降至0%（21/21-1），趨于飽和；AI：增速依次為25%（10/8-1）、40%（14/10-1）、35.7%（19/14-1）、31.6%（25/19-1）、28%（32/25-1），年均增速約30%；光通信：增速20%（6/5-1）、33.3%（8/6-1）、37.5%（11/8-1）、36.4%（15/11-1）、33.3%（20/15-1），年均增速約32%；云計(jì)算：增速66.7%（5/3-1）、60%（8/5-1）、50%（12/8-1）、50%（18/12-1）、38.9%（25/18-1），年均增速約50%；智能汽車：增速100%（4/2-1）、75%（7/4-1）、71.4%（12/7-1）、66.7%（20/12-1）、50%（30/20-1），增速逐年遞減約10%~15%，2023年增速為50%，推測2024年增速約35%（遞減15%）；2023年智能汽車專利為30千件，2024年預(yù)計(jì)為30×1.35=40.5千件（取整為41千件）。3.用Python編寫一個(gè)分布式任務(wù)調(diào)度函數(shù)`distributed_scheduler(tasks,nodes)`，其中`tasks`是任務(wù)列表（每個(gè)任務(wù)為字典，包含`id`、`duration`（執(zhí)行時(shí)長，秒）、`priority`（優(yōu)先級，1-5，數(shù)值越大越優(yōu)先）），`nodes`是可用節(jié)點(diǎn)列表（每個(gè)節(jié)點(diǎn)為字典，包含`id`、`load`（當(dāng)前負(fù)載，已分配任務(wù)總時(shí)長））。要求：①優(yōu)先調(diào)度高優(yōu)先級任務(wù)；②同優(yōu)先級下，時(shí)長較短的任務(wù)先調(diào)度；③節(jié)點(diǎn)選擇時(shí)，優(yōu)先選擇當(dāng)前負(fù)載最小的節(jié)點(diǎn)；④返回任務(wù)分配結(jié)果（格式：`{task_id:node_id}`）。答案：```pythondefdistributed_scheduler(tasks,nodes):按優(yōu)先級降序、時(shí)長升序排序任務(wù)sorted_tasks=sorted(tasks,key=lambdax:(-x['priority'],x['duration']))按負(fù)載升序排序節(jié)點(diǎn)（每次動(dòng)態(tài)更新）node_list=sorted(nodes,key=lambdax:x['load'])result={}fortaskinsorted_tasks:選擇負(fù)載最小的節(jié)點(diǎn)min_node=min(node_list,key=lambdax:x['load'])result[task['id']]=min_node['id']更新節(jié)點(diǎn)負(fù)載min_node['load']+=task['duration']重新排序節(jié)點(diǎn)列表（保持動(dòng)態(tài)最小負(fù)載優(yōu)先）node_list.sort(key=lambdax:x['load'])returnresult```4.華為云某制造客戶2024年1-12月的云服務(wù)器用量數(shù)據(jù)如下（單位：vCPU小時(shí)）：[1200,1150,1300,1400,1450,1500,1800,1750,1600,1550,1500,1450]假設(shè)數(shù)據(jù)服從正態(tài)分布，使用Z-score方法識(shí)別異常值（閾值取±3σ），并提出資源優(yōu)化建議。答案：計(jì)算均值μ=(1200+1150+…+1450)/12=1470.83；計(jì)算標(biāo)準(zhǔn)差σ=√[Σ(xi-μ)2/12]≈201.67；Z-score=(xi-μ)/σ，各月Z-score：1月：(1200-1470.83)/201.67≈-1.34；2月：(1150-1470.83)/201.67≈-1.59；3月：(1300-1470.83)/201.67≈-0.85；4月：(1400-1470.83)/201.67≈-0.35；5月：(1450-1470.83)/201.67≈-0.10；6月：(1500-1470.83)/201.67≈0.14；7月：(1800-1470.83)/201.67≈1.63；8月：(1750-1470.83)/201.67≈1.38；9月：(1600-1470.83)/201.67≈0.64；10月：(1550-1470.83)/201.67≈0.39；11月：(1500-1470.83)/201.67≈0.14；12月：(1450-1470.83)/201.67≈-0.10；所有Z-score絕對值均<3σ（±3×201.67≈±605），無異常值。但7月用量（1800）顯著高于均值，推測為生產(chǎn)旺季。建議：①與客戶確認(rèn)7月高用量原因，若為周期性旺季，可提前購買預(yù)留實(shí)例（比按需實(shí)例便宜40%~60%）；②其他月份用量平穩(wěn)，可調(diào)整為彈性實(shí)例（支持自動(dòng)擴(kuò)縮容），降低閑置成本；③啟用云服務(wù)器超賣（Overcommit）策略，在保證SLA（服務(wù)級別協(xié)議）的前提下，提升資源利用率。5.華為智能汽車ADS（高階自動(dòng)駕駛系統(tǒng)）在交叉路口遇到以下場景：行人A（距離5米，速度1m/s）闖紅燈進(jìn)入車道；車輛B（距離10米，速度5m/s）從右側(cè)支路匯入主路；交通信號(hào)燈顯示主路為綠燈（剩余10秒）。請用決策樹模型描述ADS的優(yōu)先級決策流程（需明確條件判斷順序和最終動(dòng)作）。答案：決策樹流程：條件1：是否檢測到行人（是→條件2；否→條件3）；條件2：行人是否在本車行駛路徑內(nèi)（是→條件4；否→條件3）；條件4：行人距離≤安全制動(dòng)距離（安全制動(dòng)距離=當(dāng)前車速2/(2×減速度)，假設(shè)車速為10m/s，減速度5m/s2，則制動(dòng)距離=102/(2×5)=10米；行人距離5米≤10米→緊急制動(dòng)；否則→減速避讓）；條件3：是否檢測到其他車輛（是→條件5；否→正常行駛）；條件5：其他車輛是否會(huì)與本車發(fā)生碰撞（碰撞時(shí)間TTC=距離/(本車速度+對方速度)=10/(10+5)≈0.67秒<TTC閾值（如1秒）→減速讓行；否則→保持車速）；最終動(dòng)作：因行人A在路徑內(nèi)且距離5米≤安全制動(dòng)距離（10米），優(yōu)先級最高，ADS應(yīng)執(zhí)行緊急制動(dòng)（制動(dòng)減速度≥5m/s2），同時(shí)觸發(fā)雙閃提醒后車。三、案例分析題（每題35分，共70分）案例1：華為海外某國5G項(xiàng)目因當(dāng)?shù)卣雠_(tái)新規(guī)（要求2025年底前所有5G設(shè)備必須使用該國認(rèn)證的芯片，原供應(yīng)商A（占比70%）的芯片未獲認(rèn)證），需在6個(gè)月內(nèi)完成供應(yīng)商切換。假設(shè)你是項(xiàng)目負(fù)責(zé)人，需制定切換方案。請分析：①供應(yīng)鏈風(fēng)險(xiǎn)點(diǎn)；②替代供應(yīng)商選擇標(biāo)準(zhǔn)；③關(guān)鍵實(shí)施步驟。答案：①供應(yīng)鏈風(fēng)險(xiǎn)點(diǎn)：技術(shù)兼容性風(fēng)險(xiǎn)：原設(shè)備與新芯片的接口（如PCIe、CXL）、協(xié)議（如CPRI、eCPRI）可能不兼容，需驗(yàn)證射頻、基帶模塊的適配性；交付周期風(fēng)險(xiǎn)：新供應(yīng)商的芯片產(chǎn)能（月產(chǎn)10萬片vs項(xiàng)目需求15萬片）、認(rèn)證時(shí)間（需通過華為實(shí)驗(yàn)室測試+當(dāng)?shù)仉娦胚\(yùn)營商驗(yàn)收，通常需3個(gè)月）可能無法滿足6個(gè)月切換期限；成本風(fēng)險(xiǎn)：新芯片單價(jià)（$800vs原$600）更高，且可能產(chǎn)生改造費(fèi)用（如軟件重編譯、硬件適配）約$50/片；庫存風(fēng)險(xiǎn)：原供應(yīng)商A的芯片庫存僅支持3個(gè)月用量（當(dāng)前庫存5萬片，月消耗2萬片），切換期可能出現(xiàn)斷供。②替代供應(yīng)商選擇標(biāo)準(zhǔn)：技術(shù)匹配度：芯片需支持3GPPR16/R17標(biāo)準(zhǔn)，兼容現(xiàn)網(wǎng)設(shè)備的O-RAN（開放無線接入網(wǎng)）架構(gòu)，提供完整的驅(qū)動(dòng)程序和API；產(chǎn)能保障：供應(yīng)商需承諾6個(gè)月內(nèi)交付15萬片（含3萬片應(yīng)急庫存），并提供產(chǎn)能爬坡計(jì)劃（如首月5萬片，次月6萬片，后續(xù)4萬片）；認(rèn)證進(jìn)度：已通過或預(yù)計(jì)2個(gè)月內(nèi)通過當(dāng)?shù)仉娦旁O(shè)備認(rèn)證（如印度TSDSI、歐洲ETSI），且已獲得華為供應(yīng)商資格（避免重新審計(jì)）；成本可控：綜合成本（芯片價(jià)+改造成本）≤原方案的110%（即≤$660/片），支持階梯定價(jià)（量大降價(jià)）。③關(guān)鍵實(shí)施步驟：步驟1（第1-2月）：風(fēng)險(xiǎn)評估與供應(yīng)商篩選。梳理原設(shè)備的芯片接口規(guī)范，列出替代芯片需滿足的20項(xiàng)關(guān)鍵指標(biāo)（如功耗≤15W、支持256QAM調(diào)制）；通過華為供應(yīng)商管理系統(tǒng)（SCM）篩選3家候選（B、C、D），開展技術(shù)背對背測試（B測試得分92%、C88%、D90%），選定B為首選。步驟2（第3-4月）：技術(shù)適配與小批量驗(yàn)證。與B聯(lián)合開發(fā)適配固件（修改基帶算法中的FFT（快速傅里葉變換）模塊以匹配新芯片的NPU指令集），生產(chǎn)1000片樣機(jī)，在當(dāng)?shù)剡\(yùn)營商實(shí)驗(yàn)室測試（吞吐量≥10Gbps、時(shí)延≤10ms、斷鏈率<0.1%），通過后簽署量產(chǎn)協(xié)議。步驟3（第5-6月）：量產(chǎn)交付與割接。B按計(jì)劃交付首批發(fā)5萬片，華為工廠完成設(shè)備組裝（測試良率98%）；制定割接方案（分3個(gè)區(qū)域，每晚10點(diǎn)-次日6點(diǎn)割接，單站割接時(shí)間≤2小時(shí)），同步對運(yùn)維人員培訓(xùn)（重點(diǎn)：新芯片的溫度監(jiān)控閾值（≤85℃）、故障排查流程）；割接后連續(xù)72小時(shí)監(jiān)控（平均吞吐量9.8Gbps、時(shí)延9.5ms），確認(rèn)達(dá)標(biāo)后完成切換。案例2：華為云為某制造企業(yè)（生產(chǎn)手機(jī)外殼）提供AI質(zhì)檢解決方案，試點(diǎn)階段（3條產(chǎn)線，每條產(chǎn)線1000件/天）的良率檢測準(zhǔn)確率僅82%（目標(biāo)95%）。假設(shè)你是項(xiàng)目技術(shù)負(fù)責(zé)人，需分析可能原因并提出改進(jìn)方案。答案：可能原因分析（從模型、數(shù)據(jù)、部署三方面）：①模型層面：模型復(fù)雜度不足：當(dāng)前使用ResNet-18（參數(shù)量1100萬），而手機(jī)外殼缺陷（劃痕、凹點(diǎn)、色差）形態(tài)多樣，需更深的模型（如ResNet-50，參數(shù)量2500萬）捕捉細(xì)節(jié)特征；過擬合/欠擬合：訓(xùn)練集準(zhǔn)確率90%，驗(yàn)證集82%（過擬合），可能因未做數(shù)據(jù)增強(qiáng)（如旋轉(zhuǎn)、亮度調(diào)整）或正則化（L2正則系數(shù)0.001過低）；類別不平衡：良品占比90%，不良品（劃痕4%、凹點(diǎn)3%、色差3%）樣本少，模型傾向于預(yù)測良品，需調(diào)整損失函數(shù)（如FocalLoss）。②數(shù)據(jù)層面：標(biāo)注質(zhì)量低：標(biāo)注員將“輕微劃痕”誤標(biāo)為良品（占不良品樣本的15%），導(dǎo)致訓(xùn)練數(shù)