第 13 课参考答案与评分｜会接龙之后，怎样学会按要求回答？

仅在独立题结束后展开。首次预测不按对错扣分；下列固定算例的答案来自明确的输入与算法。

Q2 18−7+2=13，理想示范包含用户条件和“目前可用13盏，18-7+2=13。”。任务标准 A>C>B；C 数量对但漏算式，B 数量与算式均错。Q3 礼貌代理 B=2、A=C=0，B 排前并不表示任务质量好。

Q4 24−9+4=19，理想回答“19个，24-9+4=19。”。任务标准 D>F>E；礼貌代理 E=2、D=F=0。正确性不能用招呼词抵消。Q5 可答：按现有条件是19个，因为24-9+4=19；如果另补入1个才是20个。不应无据迎合。

Q6 任何含两礼貌词而算错或漏关键要求的候选均能暴露本代理漏洞，须指出具体缺失。SFT 用示范进一步训练，偏好比较提供排序信号；经典奖励建模与策略优化是不同步骤，并非所有系统采用同一种流程。本页仅规则计分和材料制作，没有训练奖励模型或生成模型。对不在整数式/数量表达识别范围内的回答，应人工复核，不能据自动匹配失败断言一切语义错误。

10 分评分

• Q1—Q2：保留预测并正确展示默认条件的一个手算中间量，2 分；不因预测猜错扣分。
• Q3：按题目只改一个条件，记录原值、新值和实际变化，2 分。
• Q4：独立材料中的计算或检查过程可复算，2 分。
• Q5：解释本课机制并指出证据对应哪一步，2 分。
• Q6：迁移题与离堂题明确实验边界，2 分。

评分时应接受含义相同的学生表述。若输入条件与题目不同，先标记为另一轮实验，再要求补做指定条件；不要将不同条件的输出直接判成同一题的答案。