文本抽取 + Prompt + JSONL
把原始文本、字段定义和示例压入 prompt；从模型文本中取出唯一 JSON，再逐行写出。
冲刺进度
勾选状态只保存在当前浏览器；它不替代仓库内的 progress.md。
训练完成度0 / 0
正式模拟倒计时 · 3 小时03:00:00
一张考试地图
第二轮内容被压缩成 5 条可执行路径。每条先从 starter 出发，再用 evaluator 自证，不需要额外扩展无关框架。
01 · 读约束README、允许修改位置、输入和输出一行不漏。
02 · 跑基线先让 starter 与 public data 走通，再动核心函数。
03 · 写最小解T1 写格式；T2 写相似度、Top-K、消息组装。
04 · 自测边界空值、类型、长度、布尔值、并列排序和 JSONL。
05 · 模拟收口3 小时内完成两题，最后只按 evaluator 修正。
⚠高风险提醒：模型回答“看起来对”不等于可得分。评测器会检查 JSON 是否可解析、字段名与类型是否精确、输出条数、Top-K 顺序以及是否夹杂多余文本。
Embedding + cosine + Top-K + RAG
先把检索做成确定性模块，再把命中文档拼进 messages，最终保持与 T1 相同的 JSON 纪律。
T1 · 严格 JSON 批改
目标不是写出“聪明”的 prompt，而是让每条输入稳定产出一个满足 schema 的对象。先看标准解法，再从 starter 默写。
Prompt 的约束顺序
先角色与任务，再给字段和类型，接着给原文，最后明确“只输出 JSON，不要 Markdown”。
prompt = f"""你是批改助手。
从题目文本抽取答案并判断对错。
只输出一个 JSON 对象，不要解释、不要 Markdown。
字段：answer(str), is_correct(bool), reason(str)
题目：{question}
学生答案：{student_answer}"""评测器的硬边界
一行一条 JSON、字段完整、类型正确、不能多字、输入多少条就输出多少条。先验证再提交。
record = json.loads(model_text.strip()) assert isinstance(record["answer"], str) assert isinstance(record["is_correct"], bool) assert isinstance(record["reason"], str) print(json.dumps(record, ensure_ascii=False))
先处理简单干扰
数字提取、单位括号、多数字干扰。每题有独立测试数据与答案文件。
应用题到近真题
不再依赖唯一数字。练 prompt 的抽取范围、纠错理由和 JSONL 输出稳定性。
T2 · 最小 RAG 实战
检索模块要可复现：向量归一化、cosine、稳定 Top-K、上下文拼接。LLM 只负责最后的结构化回答。
cosine similarity + Top-K
先防止零向量，再按分数降序取 K 个索引。并列和输入维度都要按题面/评测器处理。
q = F.normalize(query.float(), dim=-1) d = F.normalize(docs.float(), dim=-1) scores = d @ q top_scores, top_ids = torch.topk(scores, k=top_k) retrieved = [documents[i] for i in top_ids.tolist()]
messages 与严格输出
只拼接命中文档，不混入答案文件。最终响应沿用 T1 的 JSON schema 和本地验证。
context = "\n\n".join(retrieved)
messages = [
{"role": "system", "content": system_prompt},
{"role": "user", "content": "参考资料：\n" + context + "\n\n问题：" + query},
]
result = call_llm(messages)检索的最小闭环
折扣、单位换算、应用题。每道都有 problem_bank、JSONL 和可运行测例。
多步骤到近真题
先排查检索，再检查 Prompt；不要用模型不稳定性掩盖确定性代码的 bug。
10 道真题强化训练
4 道 T1、4 道 T2、2 道综合。题目、starter、公开数据、评测脚本和答案严格分目录；先打开题目，完成后才查看 answers/。
答案提取 / 多数字干扰
练 schema 约束和抽取边界，避免从题干中错拿数字。
单位与应用 / 近真题批改
练理由字段和不确定表达，重点是输出契约而不是修辞。
折扣检索 / 单位检索
先证明 cosine 与 Top-K 正确，再让模型利用检索内容生成字段。
关系检索 / 近真题 RAG
练多文档上下文和隐藏样例泛化，不允许用公开结果表查答案。
批改后检索
先做 T1 结构化抽取，再把可信字段交给 T2；练模块边界。
双任务限时
练 3 小时内的取舍：先让每条任务有可提交版本，再逐项补强。
3 套完整模拟卷 · 3 小时
每套都有 exam、starter、data、evaluator、answers 和解析。答案没有放在题目路径里；开始前勾选“已开始”，时间到后再去打开 answers/。
2025 同难度
以官方 T1/T2 的代码骨架和评分点作为对齐基线，适合第一次完整计时。
180 分钟T1T2
合理变式
保持题型不变，改变文本、文档和边界条件；检验是否真正掌握了结构。
180 分钟T1T2
最终冲刺
覆盖合理的新考法，但不引入竞赛算法题。把它当作考前最后一次全流程演练。
180 分钟T1T2
考前资料库
全量资料已随页面部署：官方材料、训练代码、公开数据、评测器、答案和速查均可直接打开。网页中的答案默认折叠，但静态站点不适合作为答案权限控制。
真题、逆向分析、优先级
先明确评分逻辑与 S/A/B/C，再开始任何一份练习。
终极速查 / 闭卷代码 / 流程
考前只看这三份；不再扩展新知识点。
四周路线与最后 7 天
用真题、错题、模拟和模板默写收敛到可提交的代码。