quiz.json

{
  "lesson": "50-hypothesis-generator",
  "title": "顶点课 50 —— 假设生成器",
  "questions": [
    {
      "stage": "pre",
      "question": "为什么生成器输出的是一个排序队列，而不是单个假设？",
      "options": [
        "因为解析器无法读取单条记录",
        "因为 runner 需要有深度——当第一个假设失败时，它可以弹出下一个，而不用重新采样",
        "因为 mock 模型只能输出列表",
        "因为 embedding 需要多个输入"
      ],
      "correct": 1,
      "explanation": "生成队列的目的是把采样成本分摊到整个循环中。当第一个假设失败时，runner 直接弹出下一个，无需重新做一次采样。"
    },
    {
      "stage": "pre",
      "question": "每一轮的温度递增（temperature ramp）起什么作用？",
      "options": [
        "提高解析器的容错度",
        "扩大采样分布，让后续草稿可以落到离种子更远的地方",
        "增加 embedding 维度",
        "把种子值放大三倍"
      ],
      "correct": 1,
      "explanation": "更高的温度会扩大采样分布。递增机制鼓励每一轮漂移得更远，好让新颖性过滤器有东西可以筛。"
    },
    {
      "stage": "check",
      "question": "新颖性过滤器在什么时候拒绝一条草稿？",
      "options": [
        "当它的排名分数低于阈值时",
        "当它与任何已存活草稿的最小余弦距离低于新颖性阈值时",
        "当它通过解析但标签数量不对时",
        "当它的草稿轮次大于队列长度时"
      ],
      "correct": 1,
      "explanation": "新颖性就是与已有存活草稿的最小距离。如果这个距离低于阈值，说明草稿是近似重复的，会被丢弃。"
    },
    {
      "stage": "check",
      "question": "排名分数由哪三个部分组合而成？",
      "options": [
        "延迟、吞吐量、成本",
        "新颖性、具体性、可验证性",
        "温度、种子、轮次索引",
        "变量、指标、基线长度"
      ],
      "correct": 1,
      "explanation": "排名分数是新颖性、具体性和可验证性的加权和。每个子分数都在 0 到 1 之间。"
    },
    {
      "stage": "check",
      "question": "为什么 mock 语言模型按温度桶（temperature bucket）而不是原始浮点数来索引？",
      "options": [
        "因为浮点数无法哈希",
        "因为桶化让调度离散化了——温度的微小变化就能命中不同的预设草稿",
        "因为解析器需要整数",
        "因为 embedding 需要它"
      ],
      "correct": 1,
      "explanation": "桶化把连续的调度离散化了。两个相邻的温度值可能映射到不同的桶，从而拉出不同的预设草稿，这就是 mock 模拟多样化采样的方式。"
    },
    {
      "stage": "check",
      "question": "如果 mock 模型输出的每条草稿都没通过解析器，会怎样？",
      "options": [
        "生成器抛出硬错误",
        "队列为空，每一轮都记录一条解析拒绝日志，失败模式是可审计的",
        "runner 用新 prompt 重试",
        "新颖性阈值自动降低"
      ],
      "correct": 1,
      "explanation": "解析失败会被记录为带有拒绝原因的日志。队列可以返回空而不会让循环崩溃，日志解释了原因。"
    }
  ]
}