quiz.json

{
  "lesson": "51-literature-retrieval",
  "title": "顶点课 51 —— 文献检索",
  "questions": [
    {
      "stage": "pre",
      "question": "为什么检索客户端要分别跑一轮 BM25 和一轮引用图谱检索？",
      "options": [
        "因为 BM25 需要图谱来构建索引",
        "因为词汇匹配会漏掉用不同术语表述的基础论文，而图谱匹配会漏掉与种子论文没有引用关系的论文",
        "因为 mock API 要求这样做",
        "因为解析器不支持其他方式"
      ],
      "correct": 1,
      "explanation": "两种方式互补。词汇匹配覆盖共享术语的论文；图谱匹配覆盖有引用关系但措辞不同的论文。"
    },
    {
      "stage": "pre",
      "question": "为什么引用图谱遍历的跳数上限是两跳？",
      "options": [
        "因为超过两跳后结果集往往偏离主题，淹没下游排序",
        "因为 Python 递归限制不允许三跳",
        "因为 BM25 只能打分两跳以内的论文",
        "因为语料库只存储了两层引用"
      ],
      "correct": 0,
      "explanation": "两跳是实际上限。在一个连通图上三跳会导致结果集爆炸，而且很少能带回更多相关论文。"
    },
    {
      "stage": "check",
      "question": "对于一个在每篇文档中都出现的词，idf 计算结果是什么？",
      "options": [
        "一个很大的正数",
        "接近零的值",
        "负无穷",
        "未定义；BM25 实现会跳过它"
      ],
      "correct": 1,
      "explanation": "当 df 等于 N 时，log 里的分子分母很接近，加 1 后保持非负但很小。处处出现的常见词贡献接近于零。"
    },
    {
      "stage": "check",
      "question": "合并步骤用哪个字段对两轮结果进行去重？",
      "options": [
        "论文标题文本",
        "稳定的论文 id",
        "年份加第一作者",
        "BM25 分数桶"
      ],
      "correct": 1,
      "explanation": "论文 id 是稳定标识。标题和作者在不同版本间会重复，仅靠年份也有歧义。"
    },
    {
      "stage": "check",
      "question": "对于距离种子集两跳的论文，graph_score 返回什么值？",
      "options": [
        "零",
        "默认 0.3",
        "默认 1.0",
        "BM25 分数除以十"
      ],
      "correct": 1,
      "explanation": "默认的图谱分数计划是：零跳 1.0，一跳 0.6，两跳 0.3，超过两跳为零。"
    },
    {
      "stage": "check",
      "question": "为什么语料库在 RetrievalClient 中一次性加载，而不是每次查询都重新获取？",
      "options": [
        "因为 mock API 每次调用都很慢",
        "因为 BM25 索引和引用图谱在构造时一次性建好，之后跨查询复用",
        "因为解析器是全局的",
        "因为时效性评分需要它"
      ],
      "correct": 1,
      "explanation": "索引构建是开销大的步骤。复用索引把这个成本分摊到客户端处理的每次查询上。"
    }
  ]
}