多选题评分算法原理

ReVeL框架:结合开放问答与多选题评估的AI解决方案 自然语言处理中的问答系统面临开放性与准确性的平衡难题。传统方法通常需要在结构化多选题和自由格式回答之间做出取舍,而基于大语言模型的ReVeL框架创新性地解决了这一矛盾。该技术通过'生成-修订-验证'的三阶段流程,首先利用Transformer架构生成自然语言回答,再通过语义相似度计算映射到标准化选项,最后采用双通道验证机制确保结果可靠性。在HuggingFace生态中实现的这一方案,特别强调领域适应训练和动态阈值调整等关键技术,使其在教育评估和客户服务等场景中展现出显著优势。实际部署数据显示,系统不仅能提升 阅读详情

昨天复习位运算时突然来了灵感(自己悟出了一种判断多选题对错的方法),自我感觉很巧妙,绝对是原创(不知道以前有没有人想到过),很兴奋于是整理如下:

先介绍一下多选题常用评分规则:
1. 全部选对得满分;
2. 少选并且没有选错误选项得一半分;
3. 多选错选(只要选择了错误选项)不得分。

下面一张图是我最简单的想法(脑子里闪出的灵感)


我让ABCD与8421分别一一对应

对于多选题目,它的结果共有15种(不答除外)
单选 A=8,B=4,C=2,D=1
双选 AB=12,AC=10,AD=9,BC=6,BD=5,CD=3
三选 ABC=14,ABD=13,ACD=11,BCD=7
全选 ABCD=15
我们惊奇地发现,15种结果15个值,正好是1-15

既然这样,那我们的答案就可以用1-15来唯一表示了(特例:不答则为0)

因此我用四个二进制位来表示答案(取值范围[0,15])

标准正确答案假设为abcd

答题者的答案假设为xyzh

两者异或运算之后得到的是两个答案的不同值(简单说就是这两个答案的差别有多少用一个值来衡量)

这个结果我们可以假设等于qwer

如果qwer=0000,那说明两个答案没有任何区别(完全正确)
否则两个答案有区别(少选得一半分,或者多选错选没分)

这里我们只需要判断是否少选(选择的答案集合是正确选项的子集,不选除外)

怎么判断是否少选呢,很简单,让qwer与标准正确答案abcd进行或运算

如果或运算的结果等于标准正确答案abcd则是少选(得一半分),否则或运算结果必大于abcd(多选错选不得分)

//就是这么简洁!最多运算两次即可判出得分,下面是伪代码
if (xyzh == 0) {
    return 未答题没分
}
int qwer = abcd ^ xyzh;  
if (qwer == 0) {  
    //全对满分  
} else {  
    if (qwer | abcd == abcd) {  
        //少选得一半分  
    } else {  
        //多选不得分  
    }  
}

理解了关键的两步位运算,你会发现这个方法很巧妙也非常的简单。

下面通过图例的方法更清晰地向读者展示

1. 答题者答案完全正确的情况


2. 答题者答案少选的情况


3. 答题者答案错选情况(多选与其类似)


通过这三张图清楚地表述了三种不同的答案及其得分情况。

之所以写篇博客记录下来自己一时的想法,主要是因为这种解决问题的思路比较巧妙。

若读者有更好的解决思路,欢迎留言分享!

2024秋招小米算法岗笔试全解析:考点题型与备考策略 在互联网大厂秋招中,算法岗笔试往往既考察数据结构与算法基本功,也涉及机器学习与深度学习理论。从KMP的next数组到堆排序求TopK,从贪心区间调度到动态规划的状态转移,都要求答题者不仅会写代码,更理解原理与适用场景。针对线上笔试的时间压力和多选题“宁少勿多”的答题策略,工程实践中的边界条件处理、编译环境习惯同样决定成败。本文结合2024年小米集团算法岗第一批笔试的真实经历,梳理经典考点、编程题解题流程与避坑经验,为备战大厂算法岗笔试的求职者提供可落地的复习路线。无论目标公司是小米还是字节、腾讯,算法岗考察 阅读详情

相关推荐

多选题评分系统,打分程序

多选题评分程序,C++编写的多选题评分程序。 一张试卷,满分100分,全部是多项选择题。 每道题分数分配有三种方法: (1)每道题满分相同,具体分数由题目数决定。如试卷有20道题,则每题满分为5分。 (2)每道题满分不一定相等,由该题正确答案的选项数与全部题目正确答案的选项数之和的比值决定。如某题正确答案的选项为ACD,其选项数就为3,而全部题目的正确答案的选项数之和为60,那么这道题目的满分为(3/60)*100 = 5分。 (3)每道题满分不一定相等,由出题者指定。 每道题的评分方案有三种: (1)多选少选均不得分。 (2)少选可得部分分数,而多选不得分。如正确答案为AD,那么选A则得该题满分1/2。 (3)选对一个选项得一定分值,选错一个选项扣掉同样的分值,但每道题不应出现负分。 假设正确答案为ACD, 如选AD,那么可以得该题满分的2/3; 如选ABD,那么可以得该题满分的1/3;等等。 注:一张试卷的所有题目实行同样的评分方案。 评分步骤: 每次评分时,按照以下步骤进行,以下是数据结构和接口函数的说明: 通过函数GetQuestionNum()获得试卷中的试题数目; 通过GetPaperAndAnswer()获得试卷信息和标准答案; 通过GetMethod()获得评分方案和每题分数分配方法; 按照每题分数分配方法和评分方案计算成绩; 将成绩通过函数OutputResult输出

1073 多选题常见计分法 (20 分)

批改多选题是比较麻烦的事情,有很多不同的计分方法。有一种最常见的计分方法是:如果考生选择了部分正确选项,并且没有选择任何错误选项,则得到 50% 分数;如果考生选择了任何一个错误的选项,则不能得分。本题就请你写个程序帮助老师批改多选题,并且指出哪道题的哪个选项错的人最多。 输入格式: 输入在第一行给出两个正整数 N(≤1000)和 M(≤100),分别是学生人数和多选题的个数。随后 ...

diaohong5075的博客 338

linux&nginx;笔试题大全

linux&nginx;笔试题大全,按知识点划分,详细记录了所有的笔试题。各位下载做一做吧

一个C#版的多选题选项及判分设计方案

1·111

festone000的专栏 2697

【Unity3D渲染】Unity3d实现Photoshop的各种图层混合模式

Adobe Photoshop图层混合原理、Unity ShaderLab图层混合实现

a310989583的专栏 2434

5.FxBlue跟单常见问题

fxblue喊单ea和fxblue跟单会在mt4/mt5客户端ea栏目里记录fxblue在跟单复制订单过程中的全面记录。在遇到问题时,我们首先要恢复默认参数尝试,然后再到ea栏找报错提示。 ​ 需要注意的是,是EA选项卡,而不是日志选项卡。 此外,您可以在 MT4/5 软件终端面板的"EA"选项卡中查看跟单记录,您可以通过右键单击 Experts 日志并从 MT4/5 的弹出菜单中选择“打开”来打开每日日志文件以及历史文件。 5.1 No “heartbeat” received 没有收到“心跳” 接收方

weixin_44406393的博客 1872

算法设计与分析选择题练习(有答案版)

算法设计与分析选择题练习(有答案版) 1.(单选题)使用自然语言表述算法的缺点不包括(D)。 A.容易有歧义性 B.语句太长 C.有串行性很难清晰表示 D.便于翻译成计算机程序

TNTvichy的博客 5593

别再混淆了!一张图看懂SAP特殊采购类30/40/70/80的区别与选型指南

本文深度解析SAP特殊采购类30/40/70/80的核心逻辑与业务影响,通过对比框架和真实案例帮助用户掌握其适用边界。重点介绍委外加工(类型30)、工厂间转移(类型40/70)及计划与执行分离(类型80)的配置要点与常见问题,提供选型决策树和实施检查清单,助力企业优化供应链管理。

weixin_26938645的博客 448

多选题程序

编程题.     多选题评分程序。     一张试卷,满分100分,全部是多项选择题。       每道题分数分配有三种方法:     (1)每道题满分相同,具体分数由题目数决定。如试卷有20道题,则每题满分为5分。     (2)每道题满分不一定相等,由该题正确答案的选项数与全部题目正确答案的选项数之和的比值决定。如某题正确答案的选项为ACD,其选项数就为3,而全部题目的正确答案的选

点滴积累,厚积薄发 2230

苏州大学自动化考研842自动控制原理:手把手教你用胡寿松《自控》高效备考(附复试电工/电子/微机原理攻略)

本文详细解析苏州大学自动化考研842自动控制原理备考策略,以胡寿松《自动控制原理》为核心教材,提供三阶段高效学习路径和实战技巧。重点涵盖频域分析、根轨迹绘制等高频考点,并针对机电、光电、轨道三个学院的复试科目(电工电子技术、电子技术基础、微机原理与接口技术)给出差异化备考方案,助力考生全面提升笔试和面试表现。

weixin_42638178的博客 399

基于YOLOv11的水果/商品/食堂/蔬菜/饮料/书籍识别与计价系统,前台+后台管理系统

基于YOLOv11的水果/商品/食堂/蔬菜/饮料/书籍识别与计价系统,前台+后台管理系统

在职AI算法工程师,擅长计算机视觉,YOLO目标检测、分割等,擅长web、pyqt界面可视化,好内容持续更新中,来这里跟大家一起学习,共同进步 1218

作业2-03-python的组合数据类型

1048 数字加密 问题描述: 本题要求实现一种数字加密方法。首先固定一个加密用正整数 A,对任一正整数 B,将其每 1 位数字与 A 的对应位置上的数字进行以下运算:对奇数位,对应位的数字相加后对 13 取余——这里用 J 代表 10、Q 代表 11、K 代表 12;对偶数位,用 B 的数字减去 A 的数字,若结果为负数,则再加 10。这里令个位为第 1 位。 输入说明: 输入在一行中依次给出 ...

weixin_43866408的博客 858

Python爬虫终极实战:逆向解析+异步处理,高效爬取中关村在线万级产品数据

爬虫工程师的战场,已经从简单的HTML解析,转向了对网络协议、JavaScript执行逻辑的深度逆向工程。然后刷新页面,当浏览器发起这个请求时,执行会暂停,我们可以一步步跟蹤调用栈(Call Stack),找到发起请求前的JavaScript代码,从而发现参数的计算逻辑。它们会添加一个动态的、一次性的签名(token)或加密参数,用于验证请求的合法性。这是整个爬虫最核心、最具技术含量的部分。的请求,其响应体正是结构清晰的JSON数据,包含了当前页面的所有手机信息(产品ID、名称、价格、图片等)。

2201_76125261的博客 429

1073 多选题常见计分法

1073 多选题常见计分法 思路 提取标准答案串和学生答案字符串: 用一个长度为105的string数组存储所有的标准答案字符串; 用一个长度为1005的string数组来存储所有的学生答案字符串; 每当学生答案字符串读取到 ‘)’ 时,就说明一道题的答案读取完毕了,开始计算该题的选项错误次数以及得分情况(分析原理见下面的详解) 首先明确错误次数是如何计算的,根据题目的案例1可以得知: 当多选题的标准答案里有这个选项而答题人没选时,该选项错误次数加1; 当多选题的标准答案里没有这个选项而答题人选了,

qq_41894823的博客 721

【深度学习】什么是自回归模型?

自回归模型是一种重要的时间序列模型,通过利用过去的值来预测当前或未来的值。它在统计学、经济学、自然语言处理等领域有广泛的应用。自回归模型的简单性和可解释性使其成为许多应用的首选,但在更复杂的情况下,可能需要结合其他模型如移动平均模型(MA模型)或混合模型(如ARIMA)来更好地捕捉时间序列中的模式。扩散模型(Diffusion Model)和自回归模型(Autoregressive Model)是两种不同的生成模型,各自有独特的特点和应用场景。

q742971636的博客 1670

YOLOv13改进策略【损失函数篇】| 2024 引进Focaler-IoU损失函数 加强边界框回归 (Focaler-DIoU、Focaler-GIoU、Focaler-CIoU)

本文记录的是改进YOLOv13的损失函数,将其替换成。现有研究通过利用边界框之间的几何关系来提高回归性能,但忽略了困难样本和简单样本分布对边界框回归的影响。不同检测任务中困难样本和简单样本的分布不同,对于简单样本占主导的检测任务,关注简单样本的边界框回归有助于提高检测性能;对于困难样本比例较高的检测任务,需要关注困难样本的边界框回归。,提高检测器在不同检测任务中的性能。实现的。

Limiiiing的博客 870

把游戏时间调快或调慢:开源变速工具 OpenSpeedy 上手笔记

OpenSpeedy 是一款开源的游戏变速工具,能在不改动游戏文件的前提下,实时调整指定进程的快慢倍率。适合想给单机游戏"快进"剧情、放慢难点动作,或测试不同节奏下表现的 Windows 用户。 ## 拖沓的剧情和卡住的手感,能不能直接"加速" 玩单机时,你多半遇到过这种情况:过场动画拖得没完,教学关卡反复磨,或者某个 Boss 慢到你看不清风向。传统做法只能干等,而变速工具的思路很直接——把

gitblog_01019的博客 453

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

30道多选题,40道判断题 背会这些,参加数据分析笔试,妥了~

本文总结了数据挖掘相关的多项选择题和判断题。多选题涉及数据挖掘的基本概念、方法、算法和应用,如模型与模式的区别、数据挖掘步骤、预测建模任务、算法组件、相关学科、缺失值处理、可视化技术、数据特性等。判断题则涵盖了数据挖掘的目标、技术特点、应用场景及各种算法的正确理解,如模式与模型的区别、离群点定义、分类与聚类概念、SVM和贝叶斯方法的特点等。这些题目全面考察了数据挖掘的核心知识点,包括数据预处理、挖掘算法、结果评估及实际应用中的注意事项。内容适用于数据挖掘学习者和从业者巩固基础知识,但需注意部分判断题可能存在

xuezhangmen的博客 991

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

学之思考试系统:揭秘五种智能题型背后的技术架构与实现原理

在现代在线教育领域,一个功能完整的考试系统不仅需要支持多种题型,更要具备智能化的题目管理和自动评分能力。学之思开源考试系统(XZS)作为一款基于Java和Vue的前后端分离系统,完美实现了单选题、多选题、判断题、填空题和简答题五种题型的全面支持。本文将深入解析这个系统如何通过巧妙的技术架构,为教育机构提供强大的在线考试解决方案。 ## 智能题型管理:从枚举到动态渲染的完美转换 想象一下,你需要

gitblog_00672的博客 715

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

LWEPP 源码剖析:Gateway API Inference Extension 轻量端点选择器 Round-Robin 选点原理

**LWEPP(Lightweight Endpoint Picker)** 是 Gateway API Inference Extension 项目内置的一个轻量级端点选择器参考实现。它通过 Envoy ext_proc 协议接收网关转发的推理请求,使用最简单的 Round-Robin(轮询)策略在 InferencePool 内的多个 Pod 之间选择后端端点,帮助新手快速理解 EPP(End

gitblog_00897的博客 384

OpenCV 答题卡识别判卷实战:从图像预处理到自动评分

本文通过一个完整的 OpenCV 案例,详细讲解了答题卡识别判卷的实现流程。图像预处理:灰度化、高斯模糊、Canny 边缘检测的组合应用。轮廓检测与筛选:通过面积排序和多边形逼近定位目标区域。透视变换:校正倾斜图像,得到标准化视角。掩膜统计:利用掩膜和像素统计判断填涂状态。支持多页答题卡批量识别,提高处理效率。引入 OCR 技术识别考生信息和准考证号。优化填涂检测算法,支持铅笔和钢笔等多种填涂方式。结合深度学习模型,提升复杂场景下的鲁棒性。

YEEMOLY的博客 352

大模型算法工程师面试题精讲(四):模型评估与对齐高频15问

模型评估与对齐是大模型从"能用"到"好用"的关键环节。评估回答"模型到底行不行",对齐回答"模型行不行得正"。前者涉及Benchmark设计、自动评测、人工评测体系,后者覆盖RLHF、DPO、Constitutional AI等技术路线。本文精选15道高频面试题,覆盖评测体系、偏好学习、安全对齐和高级评估方法四大模块,每题都包含原理拆解和面试加分点,帮助3-5年经验的算法工程师系统梳理知识体系。LLM-as-Judge是指用大模型本身作为评测者,对其他模型的输出进行评分或排序。单点评分。

lishengzhen123的博客 434

速腾聚创感知算法岗笔试复盘:点云与激光雷达底层原理全解析

在自动驾驶感知技术体系中,激光雷达点云处理与三维空间几何是算法工程师必须夯实的基础。从旋转矩阵、四元数等坐标变换原理,到体素滤波、RANSAC、ICP等经典点云方法,这些底层能力直接决定了感知算法在复杂场景下的上限。速腾聚创等激光雷达厂商在感知算法考核中尤为关注候选人对传感器原理、点云数据结构和几何数学的掌握程度,而非单纯依赖深度学习模型调参。无论是目标检测、地面分割还是多传感器标定,都离不开对这些基础概念的深刻理解。本文基于一次真实的速腾聚创感知算法岗笔试经历,系统复盘了题型分布、核心考点与复习策略,为准

weixin_30437847的博客 343

【信息安全与技术期末试卷多选题1】12道核心考点逐题拆解:从物理安全到密码学的完整知识图谱

很多同学复习信息安全这门课时,习惯把精力放在简答题和名词解释上,觉得多选题"背一背就行"。但实际考下来才发现,多选题的区分度远高于其他题型——少选不得分、多选直接判错,一道题的容错空间几乎为零1。更关键的是,多选题的选项设计往往暗含知识点之间的交叉与边界判断。比如"以下属于物理安全的有",如果你只是模糊记得"物理安全跟硬件有关",面对"通信线路安全"这个选项时大概率会犹豫。一题一题拆,把每个选项背后的知识逻辑讲透,而不是简单地罗列答案。你读完之后,应该能自己推导出答案,而不是靠记忆。

吾为热爱计科,致力于知识分享的践行者,此博客是我在这条道路上留下的足迹。 349
上一篇: Android monkey 命令详解
下一篇: QQ邮箱授权码
github_2011
博客等级 码龄10年 116粉丝 56原创
评论 9
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值