Skip to content

客观题套卷(Objective Tests) ​

在 AI 领域的能力认证(如 IOAI 笔试、LMCC 知识测评)中,概念辨析、算力与参数估算、模型架构选型等理论知识通常通过选择与判断等客观题型考查。Neuro OJ 将客观题套卷深度融入核心题目体系(标识为 is_objective=true),由服务端内核执行即时判定,兼顾高并发答卷与严密的防试探安全控制。


核心题型与判定规范 ​

套卷由一组有序小题组成,系统支持三种标准题型:

题型标识作答数据形式判定规则与得分逻辑
单选(single)选定恰好一个选项键名(如 "A")提交值与系统标准答案完全相等则得分,否则 0 分
多选(multiple)选定一个或多个选项键名列表(如 ["A", "C"])集合严格全等判定。必须完全命中所有正确项且不含任何错误项(元素无序比较),缺选、多选均不得分
判断(judge)布尔值 true 或 false与系统布尔真值完全一致则得分,否则 0 分

卷面计分逻辑 ​

  • 系统以整卷满分 100 分 归一化计算: $$\text{卷面分} = \left\lfloor \frac{\text{正确小题数}}{\text{试题总数}} \times 100 \right\rfloor$$
  • 存储为精准整数分,避免浮点精度损失与跨平台比较误差。

模式对比:平时练习 vs 竞赛模式 ​

为了防止选手利用即时判定将评测服务当作"答案预言机"进行逐题试探与协同排查,系统在平时练习与正式比赛中采用了截然不同的安全响应策略:

维度平时练习模式(Practice)正式竞赛模式(Contest)
提交次数支持无限次重复重做,保留历史最高成绩严格限制仅允许提交 1 次(防反复尝试)
即时响应回执包含即时得分、逐题对错(correct: true/false)与解析仅返回凭据 { submission_id, status, contest_mode }
成绩与分数暴露详情与提交记录即时显示得分与百分比score 强行置为 null,隐藏判定结果
作答呈现呈现作答、标准答案与试题背景深度解析仅保存选手作答快照,绝不下发标准答案与解析
解封时机实时可见(私有卷由所有者权限进一步控制)比赛正式结束(到达 end_time)后统一开放回看

私有套卷的答案保护 在平时练习中,若套卷为作者的**私有试卷(U

型私有)**,普通受邀测试者提交后虽可获知对错,但依然无法窥视标准答案;只有试卷所有者与系统管理员具备直接查阅全量标答的权限。


做题交互体验 ​

  • 原生内联渲染:客观题套卷不拉起 Monaco 代码编辑器,界面自动切换为现代化的原生试卷答题卡卡片;
  • 选项互斥与高亮:单选题互斥联动、多选题多重勾选、判断题语义化切换;
  • 免等待极速回执:由于无需调用 Docker 沙箱冷启动容器,服务端在数据库内纯内存校验,作答结果实现毫秒级瞬时完成(Finished);
  • 列表独立标识:在全站题库列表中以醒目的专属「客观题」徽标呈现,不展示沙箱时间限制与内存上限。

出题人指南与题目包规范 ​

专属出题指引

关于命题规范、试题编写质量要求与更详细的题目包组织方式,请参阅专门的 客观题套卷出题与导入指南。

出题人可以通过 Web 可视化后台逐步录入,也可以通过标准题目包执行高效的自动化批量导入:

1. Web 界面快速组卷 ​

  1. 点击「创建题目」,题目类别勾选「客观题套卷」;
  2. 填写套卷综合说明(如考试纪律、范围概述);
  3. 依次添加小题:配置小题干(支持 Markdown 与 LaTeX 公式)、选项列表、勾选标准答案与详解。

算法标签强校验

客观题旨在考查理论与知识体系,系统强制禁止为客观题绑定算法与数据结构标签(如 动态规划、二分查找)。出题人应选择通用领域标签(如 AI 伦理、Transformer 基础、模型量化)。

2. 统一题目包 JSON 批量导入 ​

在题目包根目录下,无需准备 evaluator/ 与 runtime_config,仅需提供元数据与试题定义:

  • problem.json 声明:
    json
    {
      "title": "大模型架构与训练理论模拟试卷",
      "type": "U",
      "is_objective": true
    }
  • questions.json 试题阵列:
    json
    [
      {
        "type": "single",
        "prompt": "在 Transformer 架构中,Scaled Dot-Product Attention 缩放因子通常取值为:",
        "options": [
          { "key": "A", "content": "$\\sqrt{d_k}$" },
          { "key": "B", "content": "$d_k$" },
          { "key": "C", "content": "$2\\sqrt{d_k}$" },
          { "key": "D", "content": "$\\log(d_k)$" }
        ],
        "answer": "A",
        "explanation": "缩放因子 $\\frac{1}{\\sqrt{d_k}}$ 旨在防止点积结果在维度较大时进入 Softmax 梯度饱和区。"
      },
      {
        "type": "multiple",
        "prompt": "以下属于常见大语言模型解码策略(Decoding Strategies)的是:",
        "options": [
          { "key": "A", "content": "Greedy Search" },
          { "key": "B", "content": "Beam Search" },
          { "key": "C", "content": "Top-p (Nucleus) Sampling" },
          { "key": "D", "content": "Gradient Checkpointing" }
        ],
        "answer": ["A", "B", "C"],
        "explanation": "选项 D 属于显存优化训练技术,并非推理生成解码算法。"
      },
      {
        "type": "judge",
        "prompt": "LoRA 微调技术通常在注意力权重旁路引入低秩矩阵,推理时可直接无损融回主权重。",
        "answer": true,
        "explanation": "LoRA 权重满足 $W = W_0 + B \\times A$,在线服务时可通过矩阵加法直接融合,无额外推理延迟。"
      }
    ]

打包为 ZIP 后在出题后台一键上传,系统将自动校验题型规范、标答存在性并完成持久化建卷。

Neuro OJ 是一个独立社区项目,与 CCF、LMCC、IOAI 及 NOAI 无官方关系。