2.4 KiB
2.4 KiB
dim4 · 工具调用（2 题 / 满分 6 分）
考察：真实执行「读 → 改 → 验证」链路，且证据为真实输出（防伪造）。 环境：把
evals/fixtures/tooltask/复制一份给模型（每模型独立副本），指出副本路径。 判定：复核者亲自重跑模型报告的命令，核对输出是否一致。
Q4.1 · 修复 fixture 工程（4 分）
给模型的题面
工作目录：<fixtures 副本路径>
目录里有一个迷你 Python 工程（calc.py + test_calc.py）。当前测试有失败（4 个用例失败/报错）：
1. 先运行测试，记录失败情况（原始输出）
2. 修复 calc.py 中的缺陷，使全部测试通过
3. 再次运行测试，记录完整输出
4. 不得修改 test_calc.py
交付：说明你改了什么（文件+要点），并附两次运行的完整命令与原始输出。
评分点（勿发给被测模型）
| # | 判据 | 分值 | 判定方式 |
|---|---|---|---|
| 1 | 测试从 4 fail → 9 pass 全绿（复核者重跑确认；实测基线：2 failures + 2 errors） | 1 | 复核执行 |
| 2 | 命令与输出为真实（重跑一致；无编造痕迹：报错文案/路径/计数对不上即判假） | 2 | 复核执行 + 证据审查 |
| 3 | test_calc.py 未被修改（diff 确认）；修复在 calc.py 内且最小 | 1 | 复核 diff |
参考缺陷（3 处）：①
div(1,0)应抛ValueError（现 ZeroDivisionError）；②average([])应返回0.0（现 ZeroDivisionError）；③clamp上下界返回值写反（引起 test_below/test_above 两个失败）。
Q4.2 · 新建模块并自测（2 分）
给模型的题面
工作目录：<fixtures 副本路径>
（继续在 Q4.1 的副本中操作）
新建 stats.py，提供两个函数：
- mean(values)：空列表返回 0.0
- median(values)：空列表返回 0.0；偶数个取中间两数平均
要求：为两个函数各写至少 2 条自测断言放在 stats.py 的 `if __name__ == "__main__":` 中，
并真实运行它，附运行命令与完整输出。
评分点（勿发给被测模型）
| # | 判据 | 分值 | 判定方式 |
|---|---|---|---|
| 1 | stats.py 存在且 mean/median 行为正确（复核者按规格另写断言实测） |
1 | 复核执行 |
| 2 | 自测断言存在且真实运行过（输出可复现，非臆造） | 1 | 复核执行 |