通用评分模式
A* / Dijkstra 计算题
| 分类 | 常见表述 | 分值 |
|---|
| M1 | "Correct initialisation" / "Selects correct node" | 1 |
| M2 | "Correct calculation of distances" | 1-2 |
| A1 | "Correct final path/distance" | 1 |
| A2 | "All intermediate values correct" | 1 |
| B1 | "Correct backtracking" / "Understanding of heuristic" | 1 |
机器学习描述题
| 分类 | 常见表述 | 分值 |
|---|
| A1 | "Correct identification of ML type" | 1 |
| M1 | "Uses labelled/unlabelled data" | 1 |
| M2 | "Description of learning process" | 1 |
| B1 | "Appropriate real-world example" | 1 |
ANN / Deep Learning 解释题
| 分类 | 常见表述 | 分值 |
|---|
| M1 | "Structure: input/hidden/output layers" | 1 |
| M2 | "Role of weights and activation function" | 1 |
| A1 | "Forward propagation: input → output" | 1-2 |
| A2 | "Back propagation: error correction" | 1-2 |
| B1 | "Need for large data / computational resources" | 1 |
关键词汇
| 题目中的指令词 | 要求 | 答题策略 |
|---|
| Calculate | 计算结果 | 列出公式和中间步骤 |
| Complete | 填写表格 | 确保每一步的计算正确 |
| Describe | 描述特征 | 给出 2-3 个关键特征 |
| Explain | 解释原理/机制 | 需要说明 "how" 或 "why" |
| Identify | 识别类型 | 一句话给出类型 + "because..." |
| State | 陈述 | 简洁直接，不需要详细解释 |
| Justify | 证明/给出理由 | 给出具体证据或原因 |
常见的 Follow-through Mark
Paper 3 的 MS 经常有 follow-through marks（跟进分）：
- 如果上一步的 A* 表格计算错误，但后续回溯路径的方法正确，仍然可以得 B1
- 如果 Dijkstra 的中间值错误，但使用了正确的方法更新距离，仍然可以得 M2
错误扣分模式
- 只写答案不写过程 → 即使答案对了也可能扣方法分
- 单位/格式错误 → 如距离值没标单位可能扣 1 分
- 混淆概念 → 如把 Supervised 写成 Unsupervised，整题 0 分
- 未能区分 A 和 Dijkstra* → 给 A* 表格加上 h(n) 是必须的，Dijkstra 不允许加