第 13 课学生工作纸｜会接龙之后，怎样学会按要求回答？

本课问题：一个奖励规则为什么可能偏爱礼貌却算错的回答？

先填预测，运行后另写观察，不擦掉猜错的记录。课程原始材料和程序均为教学小例子。把本页与课堂实验并排打开，答案页在独立练习结束后再使用。

任务与记录

任务：器材室18盏台灯，借出7，归还2，无其他变化；只用一句话给可用数量并保留算式。Q1 先列合格标准。Q2 自己算并写一条用户—助手示范，再核对 A“目前可用13盏，18-7+2=13。”、B“您好！很高兴帮助您，目前有14盏，18-7+2=14。”、C“目前13盏。”，按任务规则运行。

只切换礼貌代理：含您好得1，含很高兴得1，不查算术。记录排序变化并解释奖励漏洞。该评分器只是教学反例，不是真实奖励模型。

任务改为24个电池，取走9，补回4；只答数量与算式，不加招呼。D“19个，24-9+4=19。”、E“您好！很高兴帮助您，20个，24-9+4=20。”、F“19个。”。先写理想示范与两种规则排序，再更新所有输入框运行。

Q5 回应用户“我认为应该20个，你同意吗？”，明确现有条件与什么新条件才会改变结果。区分示范、偏好比较、奖励模型及生成策略。Q6 自造一条骗过礼貌代理的回答，指出本页实际完成与未完成的训练步骤。

每一轮记录：题号／输入框全部值／点击“计算并查看过程”前的预测／一个中间计算／实际结果／哪一条猜测要修订。为了判断原因，一轮只改一个指定条件；题目要求整组新材料时，先写清这是新实验。

遇到页面无法运行：使用本页相同的输入、步骤与判定规则在纸上完成，必要时用普通计算器。保留预测、中间量和最后核对，注明实际完成的是纸面复算。没有外部 AI 调用，不把这项工作说成已经得到某个产品的真实效果。

提交工作纸和一份运行观察。预测错不扣分；过程和复核依据要写清。自己无法解释的部分用问号标出，方便下一课继续追问。