# 05d 數字稽核：報告（cell 29）＋一條龍說明 HTML vs 筆記本實際輸出
稽核日期：2026-10-04
真實來源：`示範實作\NLP_HW1_DEMO_示範.ipynb`（53 格）每一格的程式輸出；「同設定第一次跑」的數字對照 `NLP_HW1_DEMO_partial_1004.ipynb` cell 25／27／31。
被稽核的文件：(R) 筆記本 cell 29 的報告；(G) `HW1\HW1_一條龍說明.html`（去掉標籤與 base64 圖片後逐段讀）。
沒有修改任何被稽核的檔案。
## 摘要
**檢查了 728 個數字或引述**（報告 184 個、說明 544 個）。表格裡的每一格各算 1 個。
| 判定 | 數量 | 意思 |
|---|---|---|
| ✅ 完全相符 | 541 | 跟某一格輸出的值一模一樣（小數位數也一樣） |
| ⚠️ 四捨五入／推導／筆記本外查證 | 161 | 從輸出四捨五入或計算得到，算式寫在備註；或不在筆記本輸出裡，但我在筆記本以外查過（檔案大小、語料、系統規格、執行紀錄） |
| ❌ 不符／找不到 | 14（去重後 9 件事） | 跟輸出矛盾，或任何輸出裡都找不到 |
| 外部 | 12 | 外部常識（例如 GloVe 用 60 億字訓練），筆記本沒辦法驗證 |
**結論：主要的成績表全部正確**（報告第 2、3、5 題的表、說明裡所有成績總表、近鄰表、錯題例子都逐格對過）。有問題的是敘述裡的幾個數字，見下面 ❌ 清單。
### 所有 ❌（先列，同一件事出現在多處時合併成一條）
| # | 出現位置 | 聲稱 | 實際 | 建議改成 |
|---|---|---|---|---|
| X1 | R 第 1 題；G §6 前處理表 | 「非英文字只占約 0.4%」（G 還寫「我量過」） | 任何輸出都沒有這個數字。我自己量：5% 樣本原始 167,406,150 字 → 清理後 166,194,401 字，刪掉 **0.72%**；20% 樣本 `wc -w` 670,920,899 → 666,053,126，刪掉 **0.73%** | 「約 0.7%」，或在筆記本加一格把它印出來 |
| X2 | R 第 4 題；G §11 觀察表最後一列 | 「GloVe 相似度普遍較高（0.8～0.9 vs 0.7～0.8）」 | cell 40：GloVe 的 35 個相似度只有 11 個 ≥ 0.80，平均 0.76（king 0.70～0.77、apple 0.67～0.74）；Wiki 20% 平均 0.74。只看第 1 名：GloVe 平均 0.83、Wiki 0.77。apple 反過來（Wiki 0.77 > GloVe 0.74） | 「第 1 名的相似度 GloVe 多半較高（平均 0.83 vs 0.77）」 |
| X3 | R 第 5 題 (b) 最後一點 | 「這些差距（7～12 點）遠大於隨機波動」 | cell 45：window=10 只差 −3.36（41.86 vs 45.22）。G §12 寫的「3～12 點」才對 | 「3～12 點」 |
| X4 | G §2 硬碟表、§5 第一段、§16 第 8 列 | 「11 個壓縮檔 6.5 GB」 | cell 21：`total compressed size: 6.93 GB`（以 10⁹ 為 1 GB）。6.5 是換成 GiB（6.93×10⁹ ÷ 2³⁰ = 6.45） | 「6.93 GB」，跟筆記本輸出一致 |
| X5 | G §4 開頭結論 | 「貨幣、反義字首、加 -ly 很差（兩成以下）」 | cell 14：貨幣 14.20%，但反義字首 **20.07%**、形容詞→副詞 **24.40%**，都超過兩成 | 「兩成左右或更低」，或「貨幣 14%、反義字首 20%、-ly 24%」 |
| X6 | G §5「跑出來的結果」下方；G §15 步驟 4 | 「約 2～6 分鐘（第一次讀壓縮檔約 6 分鐘，有快取約 2 分鐘）」 | 兩本筆記本的 cell 24 進度條都只有約 2 分鐘：正式版 `11/11 [02:08]`，partial 版 `11/11 [01:53]`；run_cells.log：129 秒。「6 分鐘」在哪裡都找不到 | 「約 2 分鐘」；如果 6 分鐘是更早的彩排，就要附出處 |
| X7 | G §5 程式解說表第 ⑤ 列（cell 24 的程式註解也這樣寫） | 「讀一趟壓縮檔要十幾分鐘」 | 同 X6：一趟約 2 分鐘 | 「讀一趟要兩分鐘左右」 |
| X8 | G §7「考試可能問」第 2 題 | 「哪一類下降最多？→ 我的是最高級、比較級、-ing」 | G §7 自己的表：降最多的是 -ing −36.46、**名詞複數 −30.86**、最高級 −28.88；比較級 −24.25 只排第 4 | 「-ing、名詞複數、最高級」 |
| X9 | G §12 實驗①表「動詞第三人稱」列 | 「−11.2」 | cell 44：38.16 → 27.01。用題數算：332/870 → 235/870，差 97/870 = **11.15%** → 一位小數是 **−11.1**（用表上兩位小數相減 11.15 再進位才會變成 11.2） | 「−11.1」 |
### 值得順手修的 ⚠️（不算錯，但讀者可能會抓）
- **R 第 2 題「部分小類不單調（capital-common-countries 79.25→73.72）」**：這個小類其實是一路往下（79.25 → 75.69 → 73.72），是「單調下降」，不是「不單調」。真正不單調的例子有 city-in-state（37.21 → 33.44 → 35.22）、present-participle（29.73 → 35.32 → 33.05）。G §9 的寫法「沒有一路往上」才準確。
- **RAM 兩份文件寫法不同**：R 寫「RAM 16 GB」，G §2 寫「15.7 GB」，G §13 又寫「16 GB」。系統查到 15.71 GiB，兩種寫法都說得通，但同一份 G 裡最好統一。（筆記本 cell 52 只印出 `Intel64 Family 6 Model 141`，沒有 CPU 型號，也沒有 RAM。）
- **G §7「跟 GloVe 比一比」的差值欄**：17 個差值裡有 6 個，是用兩位小數的成績相減，跟原始值相減差 0.01：語法 −19.05（原始 −19.04）、常見國家首都 −20.15（−20.16）、貨幣 −4.38（−4.39）、美國城市在哪州 +4.41（+4.42）、形容詞→副詞 −7.67（−7.66）、反義字首 −3.81（−3.82）。跟表上看得到的數字一致，可以不改。
- **G §2「約 16 GB」**：括號裡三項加起來 7.3 + 7.2 + 0.8 = 15.3 GB。把 `wiki_sampled_5_nostop.txt`（0.81 GB）也算進去才是 16.1 GB。
- **G §12 結論「一半的錯題正確答案就在前 10 名」**：實際是 4,785 / 10,107 = 47.3%，而且是第 2～10 名。
## 逐項對照表
縮寫：R＝報告（筆記本 cell 29）；G＝一條龍說明 HTML（§＝節號）；P＝partial 筆記本。cell 編號都是 0 起算。
### 一、報告（cell 29）
| 編號 | 文件與位置 | 聲稱的數字 | 筆記本來源（cell＋原文） | 判定 | 備註 |
|---|---|---|---|---|---|
| R01 | R 開頭 環境 | Windows 11 (10.0.26200)、Python 3.12.3（2 個） | cell 52 `Python 3.12.3 …`、`Windows-11-10.0.26200-SP0` | ✅ | |
| R02 | R 開頭 環境 | i7-11800H、8 cores／16 threads、RAM 16 GB（3 個） | cell 52 只有 `Intel64 Family 6 Model 141` | ⚠️ | 筆記本外查證：Win32_Processor＝i7-11800H，8 核心 16 執行緒，RAM 15.71 GiB |
| R03 | R Q1 模型 | GloVe「約 60 億字」 | — | 外部 | GloVe 官方公布的數字，筆記本沒辦法驗證 |
| R04 | R Q1 模型 | GloVe「40 萬字、100 維」（2 個） | 筆記本沒有印出 | ⚠️ | 筆記本外查證：載入模型後 `len(key_to_index)=400000`、`vector_size=100` |
| R05 | R Q1 抽樣 | 1,124,733 / 5,623,655（2 個） | cell 24 `articles: total 5,623,655, sampled 1,124,733 (20.00%)` | ✅ | |
| R06 | R Q1 前處理 | 非英文字只占約 0.4% | 找不到 | ❌ | 見 X1：實測約 0.72～0.73% |
| R07 | R Q1 前處理 | 字典 30 萬字（max_final_vocab） | cell 25 原始碼 `max_final_vocab=300_000` | ✅ | |
| R08 | R Q1 前處理 | 206 題含停用詞 | cell 44 `questions containing a stop word: 206` | ✅ | |
| R09 | R Q1 前處理 | family 67.19% → 50.20%（2 個） | cell 44 表 `: family 67.19 50.20` | ✅ | |
| R10 | R Q1 超參數 | vector_size=100 … seed=42（整組） | cell 25 原始碼 `W2V_PARAMS = dict(...)` | ✅ | 跟原始碼逐項相同 |
| R11 | R Q1 | 666,053,126 字、36.9 分鐘、字典 299,405（3 個） | cell 25 `20% wiki tokens after preprocessing: 666,053,126`、`36.9 min, vocab 299,405` | ✅ | |
| R12 | R Q1 答題 | 本次 0 題 OOV | cell 27 `OOV questions: 0`（夾在 tqdm 輸出裡）；cell 31 `(OOV questions 0)` | ✅ | |
| R13 | R Q2 表 字數 | 1.66 億、3.33 億、6.66 億（3 個） | cell 33 `5% wiki tokens: 166,194,401`；cell 38 `10% wiki tokens: 333,052,711`；cell 25 666,053,126 | ⚠️ | 四捨五入，正確 |
| R14 | R Q2 表 訓練時間 | 9.1／18.4／36.9 min（3 個） | cell 38 `9.1 min`、`18.4 min`；cell 25 `36.9 min` | ✅ | |
| R15 | R Q2 表 成績 | Overall、Semantic、Syntactic、superlative、comparative × 5%/10%/20%（15 個） | cell 38 表（45.22/46.87/48.29；53.93/54.26/55.60；37.99/40.74/42.21；16.76/22.82/25.40；43.09/51.13/54.88） | ✅ | 逐格相符 |
| R16 | R Q2 表 OOV | 107／0／0（3 個） | cell 38 `OOV questions 107.00 0.00 0.00` | ✅ | |
| R17 | R Q2 第 1 點 | 資料 ×4、時間 ×4（2 個） | 推導 | ⚠️ | 666.05/166.19 = 4.01；36.9/9.1 = 4.05 |
| R18 | R Q2 第 1 點 | 整體只 +3.07 | 推導：48.29 − 45.22 | ✅ | |
| R19 | R Q2 第 2 點 | 語法 +4.22 vs 語意 +1.67（2 個） | 推導：42.21−37.99、55.60−53.93 | ✅ | |
| R20 | R Q2 第 2 點 | 最高級 +8.6 | 推導：25.40−16.76 = 8.64 | ⚠️ | 用題數驗證：(285−188)/1122 = 8.645% |
| R21 | R Q2 第 3 點 | 5% 有 107 題 OOV | cell 38 `Wiki 5%: overall 45.22% (OOV questions 107)` | ✅ | |
| R22 | R Q2 第 4 點 | capital-common-countries 79.25→73.72（2 個） | cell 38 表 `79.25 75.69 73.72` | ✅ | 數字對 |
| R23 | R Q2 第 4 點 | 用這個例子說「不單調」 | cell 38 | ⚠️ | 措辭：這個小類是單調下降，見摘要 |
| R24 | R Q2 第 4 點 | 同設定重跑：48.21 vs 48.29；comparative 45.95 vs 54.88（4 個） | P cell 31 `Wiki 20%: overall 48.21%`；P cell 27 `gram3-comparative, Accuracy: 45.94594594594595%`；正式版 cell 31 `48.29%`、cell 27 `54.87987987987988%` | ✅ | P cell 25 字數 666,053,126、字典 299,405 跟正式版相同，「同設定」成立 |
| R25 | R Q3.1 | 同樣字數（7,292 萬字） | cell 33 `forum: … 72,919,300 tokens`、`wiki control: 72,920,923 tokens` | ⚠️ | 四捨五入，正確 |
| R26 | R Q3.1 表 | Wiki control／Forum 共 12 列 × 2（24 個） | cell 34 表（41.66/26.05、46.07/12.37、38.00/37.41、54.47/12.00、34.29/2.51、75.48/22.01、63.24/60.67、53.45/65.54、19.25/43.58、31.16/52.18、34.71/46.32、169/3510） | ✅ | 逐格相符 |
| R27 | R Q3.1 覆蓋率 | capital-world 98.3 vs 48.6、currency 86.8 vs 39.0、city-in-state 100 vs 68.3（6 個） | cell 34 coverage 表 | ✅ | |
| R28 | R Q3.2 | 189,941 個討論串、2,118,254 則貼文（2 個） | cell 33 `forum: 189,941 threads, 2,118,254 posts` | ✅ | |
| R29 | R Q3.2 | 2～15 字母 | cell 33 原始碼 `simple_preprocess(text, min_len=2, max_len=15)` | ✅ | |
| R30 | R Q3.2 | 72,919,300 字 | cell 33 | ✅ | |
| R31 | R Q3.2 | 約為 20% 維基的 1/9 | 推導 | ⚠️ | 666,053,126 / 72,919,300 = 9.13 |
| R32 | R Q3.2 | 字典 100,310（對照組 224,050）（2 個） | cell 34 `vocab 100,310`、`vocab 224,050` | ✅ | |
| R33 | R Q3.2 | salary → slary、salry、sallary；visa → iqama、rp（2 組） | cell 35 第 3 列 `slary, salry, sallary, salery, salaray`；第 1 列 `rp, iqama, viza, residence, residance` | ✅ | |
| R34 | R Q3.3 | 語意 46.07 → 12.37（2 個） | cell 34 | ✅ | |
| R35 | R Q3.3 | capital 160.4 vs 43.2、illinois 90.0 vs 1.1、albanian 13.4 vs 0.8（6 個） | cell 36 `capital 160.38 43.23`、`illinois 90.02 1.10`、`albanian 13.37 0.75` | ⚠️ | 四捨五入，正確 |
| R36 | R Q3.3 | 覆蓋率 48.6% | cell 34 | ✅ | |
| R37 | R Q3.3 | better 8.5 倍、cheapest 28.6、looking 12.1、going 8.8、goes 3.5（5 個） | cell 36 `8.47`、`28.64`、`12.09`、`8.77`、`3.54` | ⚠️ | 四捨五入，正確 |
| R38 | R Q3.3 | 「比較級、最高級、-ing、第三人稱反而贏」 | cell 34：65.54>53.45、43.58>19.25、52.18>31.16、46.32>34.71 | ✅ | |
| R39 | R Q4 表 | 7 個字 × GloVe／Wiki 20% 的前 5 名（14 組） | cell 40 每一列 | ✅ | 逐字、順序都相同（king: prince, queen, son, brother, monarch／nangklao, prince, queen, suriyothai, throne；以下皆同） |
| R40 | R Q4 觀察 | good 的第二名是 bad | cell 40 第 9 列 `sure (0.74), bad (0.73), …` | ✅ | |
| R41 | R Q4 觀察 | sourpuss 語料原文「sourpuss cranky cat who hates mondays」 | 不在筆記本輸出 | ⚠️ | 筆記本外查證：在 `wiki_sampled_20_clean.txt` grep 到這串原文 |
| R42 | R Q4 觀察 | 相似度「0.8～0.9 vs 0.7～0.8」 | cell 40 | ❌ | 見 X2 |
| R43 | R Q4 觀察 | 訓練資料量大約 9 倍 | 推導（外部底數） | ⚠️ | 6×10⁹ / 666,053,126 = 9.01；60 億本身是外部數字 |
| R44 | R Q5 (a) | 45.22→45.03、family 67.19→50.20、plural-verbs 38.16→27.01、comparative 43.09→37.46、nationality 76.99→82.05（10 個） | cell 44 表 | ✅ | |
| R45 | R Q5 (b) 表 | 4 列 × Overall/Semantic/Syntactic（12 個） | cell 45 表（45.22/53.93/37.99、52.71/59.16/47.34、41.86/50.70/34.51、56.95/68.16/47.63） | ✅ | |
| R46 | R Q5 (b) | 300 維贏過 20% 的 48.29；語意超過 GloVe 65.34（2 個） | cell 45 56.95、68.16；cell 50 GloVe Semantic 65.34 | ✅ | |
| R47 | R Q5 (b) | CBOW comparative 43→68、superlative 17→37（4 個） | cell 45 `43.09 68.09`、`16.76 36.54` | ⚠️ | 四捨五入，正確 |
| R48 | R Q5 (b) | window family −12.5 | cell 45 `67.19 → 54.74` | ⚠️ | 用題數算：(340−277)/506 = 12.45% |
| R49 | R Q5 (b) | 差距 7～12 點 | cell 45 | ❌ | 見 X3：window 只差 3.36 |
| R50 | R Q5 (b) | 隨機波動整體約 0.1 點 | P cell 31 48.21 vs cell 31 48.29 | ⚠️ | 0.08 |
| R51 | R Q5 (c) | top-1/3/5/10：48.29/62.27/67.01/72.77；GloVe 63.11/73.68/77.73/82.01（8 個） | cell 42 | ✅ | |
| R52 | R Q5 (d) | 10,107 題錯、0 題 OOV、4,785 題（3 個） | cell 43 `wrong answers: 10107 of 19544`、`OOV …: 0`、`gold answer was 2nd-10th: 4785` | ✅ | |
| R53 | R Q5 (d) | 47% | 推導 | ⚠️ | 4,785 / 10,107 = 47.34% |
| R54 | R Q5 (d) | argentinian vs argentinean、belarusian vs belorussian、large→smaller、Bishkek→tajikistan、father→stepmother、child→abusers（6 個例子） | cell 43：14183、14186、10687、527、8366、17347 列 | ✅ | |
| R55 | R Q5 (e) | 48.29 → 44.61（2 個） | cell 46 | ✅ | |
| R56 | R Q5 (e) | 各小類皆下降 | cell 46 表 14 列逐一比對 | ✅ | 全部下降（最小是 capital-common-countries 73.72→73.32） |
| R57 | R Q5 (g) | 整體差 0.08 | 推導 48.29−48.21 | ✅ | |
| R58 | R Q5 (g) | comparative 差 8.9 點 | 推導 54.88−45.95 = 8.93 | ⚠️ | |
| — | R Q5 (f) | PCA 性別軸、t-SNE 配對 | cell 47 只有圖 | 未查 | 圖片內容，不是數字，不在這次稽核範圍 |
### 二、一條龍說明 HTML
| 編號 | 文件與位置 | 聲稱的數字 | 筆記本來源（cell＋原文） | 判定 | 備註 |
|---|---|---|---|---|---|
| G01 | G 開頭一句話結論 | GloVe 63.11%、Wiki 20% 48.29%（2 個） | cell 31 | ✅ | |
| G02 | G §0 流程圖 | 19,544 題、14 小類、63.11%、48.29%（4 個） | cell 5 `19544 questions`；cell 14 列出 14 個小類；cell 31 | ✅ | |
| G03 | G §0 流程圖 | 562 萬篇 → 112 萬篇（2 個） | cell 24 | ⚠️ | 四捨五入 |
| G04 | G §0 流程圖 | 6.66 億字、訓練 37 分鐘（2 個） | cell 25 `666,053,126`、`36.9 min` | ⚠️ | 四捨五入 |
| G05 | G §0 成績總表 | 11 列 × 整體／語意／語法（33 個） | cell 50 總表；GloVe 語意／語法另見 cell 14 | ✅ | 逐格相符 |
| G06 | G §0 成績總表 讀了什麼 | 6.66／3.33／1.66 億、7,292 萬 ×2（5 個） | cell 25、38、33 | ⚠️ | 四捨五入 |
| G07 | G §0 成績總表 | GloVe「約 60 億字」 | — | 外部 | |
| G08 | G §0 配分表 | 電腦訓練約 40 分鐘 | cell 25 36.9 min；run_cells.log 整格 2419 秒 | ⚠️ | 40.3 分鐘（含前處理） |
| G09 | G §2 比較表 | i7-11800H 8 核心 16 執行緒、記憶體 15.7 GB（2 個） | 筆記本沒有 | ⚠️ | 系統查證：8 核心／16 執行緒、15.71 GiB |
| G10 | G §2 比較表 | Colab 2 核心、約 12 GB（2 個） | — | 外部 | 文件自己有標「這是推的」 |
| G11 | G §2 硬碟表 | 11 個壓縮檔 6.5 GB | cell 21 `total compressed size: 6.93 GB` | ❌ | 見 X4 |
| G12 | G §2 硬碟表 | 抽樣原檔約 7.3 GB | cell 24 `1.04`＋`2.08`＋`4.16` GB = 7.28 | ⚠️ | |
| G13 | G §2 硬碟表 | 整理後約 7.2 GB、論壇與對照組約 0.8 GB（2 個） | 筆記本沒有 | ⚠️ | 實際檔案大小：clean 檔 4.12＋2.06＋1.03 = 7.20 GB；forum 0.39＋control 0.45 = 0.84 GB |
| G14 | G §2 硬碟表 | 合計約 16 GB | 推導 | ⚠️ | 括號內三項合計 15.3 GB；加上 nostop 檔（0.81 GB）是 16.1 GB |
| G15 | G §2 硬碟表 | GloVe＋論壇約 0.4 GB | — | 外部 | GloVe gz 檔實測 134 MB；論壇檔沒查 |
| G16 | G §3 | 14 個標題、前 5 語意、後 9 語法 | cell 5 原始碼；cell 14 的小類清單 | ✅ | |
| G17 | G §3 | 跟 GitHub csv 一模一樣（19,544 列） | 19,544 ✅（cell 5）；「一模一樣」沒有輸出可以佐證 | ✅＋外部 | 列數算 ✅；比對 GitHub 那一句是外部 |
| G18 | G §4 結論 | 63.11% | cell 31 | ✅ | |
| G19 | G §4 結論 | 首都、國籍很準（九成） | cell 14：93.87、88.95、87.87 | ⚠️ | 「約九成」說得通 |
| G20 | G §4 結論 | 貨幣、反義字首、-ly（兩成以下） | cell 14 | ❌ | 見 X5 |
| G21 | G §4 解說表 ② | GloVe 40 萬字；這次 0 題查不到（2 個） | cell 13 `OOV questions: 0` ✅；40 萬見 R04 | ✅／⚠️ | 0 題 ✅；40 萬 ⚠️（載入查證） |
| G22 | G §4 成績表 | 整體＋語意＋語法＋14 小類（17 個） | cell 14（例：`capital-common-countries 93.87351778656127%`）；cell 31 63.11 | ✅ | 逐格相符（兩位小數四捨五入一致） |
| G23 | G §4 t-SNE | family 類 46 個字 | 筆記本沒有印出 | ⚠️ | 從 questions-words.txt 計算：family 不重複字 46 個；GloVe 覆蓋率 100%（cell 48） |
| G24 | G §4 t-SNE | perplexity 預設 30，這裡設 15 | cell 15 原始碼 `perplexity=15` | ✅＋外部 | 預設 30 是 sklearn 的外部事實 |
| G25 | G §5 結論 | 5,623,655 篇 | cell 24 | ✅ | |
| G26 | G §5 第一段 | 加起來 6.5 GB | cell 21 6.93 GB | ❌ | 同 X4 |
| G27 | G §5 第一段 | 前 10 個檔各 562,365 篇，最後一個 5 篇（2 個） | cell 18 範本註解 `Each file contain 562365 lines`；cell 24 總數 | ⚠️ | 推導：5,623,655 − 10×562,365 = 5，前後一致 |
| G28 | G §5 輸出區 | 5,623,655／1,124,733／20.00%／1.04／2.08／4.16 GB（6 個） | cell 24 | ✅ | |
| G29 | G §5 程式解說表 ⑤ | 讀一趟壓縮檔要十幾分鐘 | cell 24 進度條 `11/11 [02:08]` | ❌ | 見 X7 |
| G30 | G §5 | 約 2 分鐘（有快取） | cell 24 `[02:08]`；P cell 24 `[01:53]` | ✅ | |
| G31 | G §5 | 第一次讀壓縮檔約 6 分鐘 | 找不到 | ❌ | 見 X6 |
| G32 | G §6 前處理表 | 非英文字只佔 0.4% | 找不到 | ❌ | 同 X1 |
| G33 | G §6 前處理表 | 206 題 | cell 44 | ✅ | |
| G34 | G §6 參數表 | 每個參數的值 | cell 25 原始碼 | ✅ | |
| G35 | G §6 參數表 | 電腦有 16 個執行緒 | 筆記本沒有 | ⚠️ | 系統查證：16 |
| G36 | G §6 輸出區 | 666,053,126／36.9 min／299,405（3 個） | cell 25 | ✅ | |
| G37 | G §7 結論 | 48.29%；比 GloVe 低約 15 個百分點（2 個） | cell 31 | ✅／⚠️ | 14.82 → 約 15 |
| G38 | G §7 比較表 成績 | 17 列 × GloVe／Wiki 20%（34 個） | cell 50 總表；cell 14、27 原始值 | ✅ | |
| G39 | G §7 比較表 差值 | −14.82、−9.74、−17.60、−7.31、−24.25、−28.88、−36.46、−6.82、−14.17、−30.86、−17.59（11 個） | 用原始值推導 | ✅ | 整體用題數算：(12334−9437)/19544 = 14.82 |
| G40 | G §7 比較表 差值 | −19.05、−20.15、−4.38、+4.41、−7.67、−3.81（6 個） | 用原始值推導 | ⚠️ | 原始值相減是 −19.04、−20.16、−4.39、+4.42、−7.66、−3.82（差 0.01，因為是拿兩位小數的成績相減） |
| G41 | G §7 原因表 | 6.66 億字、GloVe 約 60 億字、大約 9 倍（3 個） | cell 25；60 億是外部數字 | ⚠️／外部 | 6×10⁹ / 6.66×10⁸ = 9.01 |
| G42 | G §7 原因表 | epochs=5 | cell 25 原始碼 | ✅ | |
| G43 | G §7 | 美國城市在哪州唯一贏；語法掉得比語意多（2 個） | 推導：+4.41 是唯一的正值；−19.05 vs −9.74 | ✅ | |
| G44 | G §7 t-SNE 表 | 只有 GloVe 的九分之一 | 推導 | ⚠️ | 外部底數 |
| G45 | G §7 考試題 | 下降最多：最高級、比較級、-ing | §7 表 | ❌ | 見 X8 |
| G46 | G §8 總原則 | 論壇語意 12.37%、對照組 46.07%、better 8.5 倍（3 個） | cell 34；cell 36 `8.47` | ✅／⚠️ | 8.47→8.5 |
| G47 | G §8 第 1 題要點 | 60 億字、40 萬字、100 維、300,000（4 個） | cell 25 原始碼；外部 | 外部／⚠️／✅ | 60 億外部；40 萬、100 維載入查證；300,000 ✅ |
| G48 | G §9 結論 | 4 倍、3 個百分點、45.22% → 48.29%（4 個） | cell 38 | ⚠️／✅ | 3.07 → 3 |
| G49 | G §9 表 | 字數 1.66／3.33／6.66 億（3 個） | cell 33、38、25 | ⚠️ | |
| G50 | G §9 表 | 訓練時間 9.1／18.4／36.9（3 個） | cell 38、25 | ✅ | |
| G51 | G §9 表 | 10 列 × 3（整體、語意、語法、家人、比較級、最高級、反義字首、全世界首都、常見國家首都、過去式）（30 個） | cell 38 表 | ✅ | 逐格相符 |
| G52 | G §9 表 | 查不到字 107／0／0（3 個） | cell 38 | ✅ | |
| G53 | G §9 要點 | 5%→10% +1.65、10%→20% +1.42（2 個） | 推導 46.87−45.22、48.29−46.87 | ✅ | |
| G54 | G §9 要點 | 時間兩倍兩倍增加 | 18.4/9.1 = 2.02；36.9/18.4 = 2.01 | ⚠️ | |
| G55 | G §9 要點 | +4.2 vs +1.7；最高級 16.8 → 25.4（4 個） | cell 38 | ⚠️ | 四捨五入 |
| G56 | G §9 要點 | 107 題；常見國家首都、過去式下降（2 個） | cell 38 | ✅ | 過去式 44.87→44.68→41.28 |
| G57 | G §9 要點 | 常見國家首都只有 506 題 | 筆記本沒有印出 | ⚠️ | 從 questions-words.txt 計算：506 ✅；也跟 93.87351778656127% = 475/506 對得上 |
| G58 | G §9 隨機性框 | 48.21 vs 48.29；比較級 45.95 vs 54.88（4 個） | P cell 31、P cell 27；cell 31、27 | ✅ | |
| G59 | G §9 隨機性框 | 差了 9 個百分點；15 個執行緒（2 個） | 8.93；cell 25 `workers=15` | ⚠️／✅ | |
| G60 | G §10 | 7,292 萬字；189,941 個討論串；211 萬則（3 個） | cell 33 | ⚠️／✅／⚠️ | 2,118,254 → 211 萬 |
| G61 | G §10 | 維基 20% 6.66 億、差了 9 倍（2 個） | 推導 | ⚠️ | 9.13 倍 |
| G62 | G §10 3.1 表 | 17 列 × 2＋OOV 169／3,510（36 個） | cell 34 表 | ✅ | 逐格相符；「誰贏」欄也跟數字一致 |
| G63 | G §10 覆蓋率表 | 14 列 × 2（28 個） | cell 34 coverage 表 | ✅ | |
| G64 | G §10 近鄰表 | 7 個字 × 2（14 組） | cell 35 | ✅ | 逐字相同；paris／computer 的「…」跟輸出被截斷的位置一致 |
| G65 | G §10 頻率表 | 每百萬字出現次數與倍數（33 個） | cell 36（例：`cheapest 0.96 27.50 28.64`、`husband 104.85 418.87 3.99`、`wife 212.38 605.50 2.85`） | ⚠️ | 都是四捨五入到一位小數，正確（_extract/word_freq.txt 的一位小數版本也是 104.9、914.1） |
| G66 | G §10 頻率表 | 倍數 0.27、0.06、0.01（3 個） | cell 36 | ✅ | |
| G67 | G §10 3.3 表 | 覆蓋率 48.6%、39.0%、常見國家首都 100%（3 個） | cell 34 | ✅ | |
| G68 | G §10 3.3 表 | salary → slary、salry、sallary；family → familly、fmaily；visa → iqama、rp；doha → doah、qata、alkhore（4 組） | cell 35 | ✅ | |
| G69 | G §11 結果表 | 14 組前 5 名＋14 個括號相似度（28 個） | cell 40（例：`prince (0.77), queen (0.75)`、`nangklao (0.74)`） | ✅ | |
| G70 | G §11 觀察表 | nangklao＝泰國拉瑪三世 | — | 外部 | |
| G71 | G §11 觀察表 | sourpuss 兩段語料原文（2 個） | 不在筆記本輸出 | ⚠️ | 筆記本外查證：兩段都在 20% 語料 grep 到 |
| G72 | G §11 觀察表 | 相似度 0.8～0.9 vs 0.7～0.8 | cell 40 | ❌ | 同 X2 |
| G73 | G §12 結論 | 7 個加分實驗 | 本節 ①～⑦ | ✅ | |
| G74 | G §12 結論 | 家人類掉 17 分；一半的錯題在前 10 名；晃 9 點（3 個） | cell 44、43；推導 | ⚠️ | 16.99；47.3%；8.93 |
| G75 | G §12 結論 | 300 維 5% 贏過 20%；語意贏 GloVe（2 個） | cell 45、50 | ✅ | |
| G76 | G §12 ① | 206 題；家人 86、形容詞→副詞 62、貨幣 58（4 個） | cell 44 value_counts | ✅ | |
| G77 | G §12 ① 表 | 9 列 × 保留／刪掉（18 個） | cell 44 表 | ✅ | |
| G78 | G §12 ① 表 變化欄 | −0.19、−17.0、−5.6、−4.2、+5.1、+3.1、+2.6、多 177 題（8 個） | 推導 | ⚠️ | 用題數驗證：17.0＝86/506；5.6＝75/1332；4.2＝66/1560；5.1＝81/1599；3.1＝138/4524＝3.050；2.6＝13/506；177＝284−107 |
| G79 | G §12 ① 表 變化欄 | 動詞第三人稱 −11.2 | 推導 | ❌ | 見 X9：97/870 = 11.15% → −11.1 |
| G80 | G §12 ② | top-k 8 個值 | cell 42 | ✅ | |
| G81 | G §12 ② | 多了 24.5 個百分點 | 72.77−48.29 = 24.48 | ⚠️ | |
| G82 | G §12 ③ | 10,107、0 題、4,785（3 個） | cell 43 | ✅ | |
| G83 | G §12 ③ | 47% | 4,785/10,107 = 47.34% | ⚠️ | |
| G84 | G §12 ③ 錯法表 | 13 個例子（argentinian、belarusian、slovak、large→smaller、long→shorter、low→higher、Bishkek→tajikistan、Armenia→hryvnia、Cambodia→kyat、father→stepmother、groom→bridesmaid、child→abusers、cloud→lidar） | cell 43 各列（14183、14186、14217、10687、10688、10690、527、5032、5035、8366、8391、17347、17348） | ✅ | 題目、預測、正解都相同 |
| G85 | G §12 ④ 表 | 訓練時間 9.1／9.6／15.1／16.6（4 個） | cell 38、45 | ✅ | |
| G86 | G §12 ④ 表 | 4 列 × 3 成績（12 個） | cell 45 | ✅ | |
| G87 | G §12 ④ 表 | +7.5、−3.4、+11.7（3 個） | 推導 | ⚠️ | 用題數驗證：1464/19544 = 7.49；657/19544 = 3.36；2292/19544 = 11.73 |
| G88 | G §12 ④ 學到什麼 | 48.29、68.16、65.34（3 個） | cell 31、45、14 | ✅ | |
| G89 | G §12 ④ 學到什麼 | 比較級 43→68、最高級 17→37、家人掉 12.5（5 個） | cell 45 | ⚠️ | 四捨五入 |
| G90 | G §12 ④ 學到什麼 | 3～12 點；隨機晃動約 0.1 點（2 個） | 3.36～11.73；0.08 | ⚠️ | 這裡寫對了（報告寫成 7～12，見 X3） |
| G91 | G §12 ⑤ | 48.29 → 44.61；14 個小類全部下降（3 個） | cell 46 | ✅ | |
| G92 | G §12 ⑦ 表 | 4 列 × 3（12 個） | P cell 27／31 vs cell 27／31／34：48.21/48.29/0.08、56.09/55.60/0.49、45.95/54.88/8.93、77.47/73.72/3.75 | ✅ | P cell 27 原文：`Semantic 56.0942609087834%`、`capital-common-countries 77.4703557312253%` |
| — | G §12 ⑥ | PCA／t-SNE 圖的描述 | cell 47 只有圖 | 未查 | 圖片內容 |
| G93 | G §13 環境 | Windows 11、i7-11800H 8C/16T、RAM 16 GB（3 個） | cell 52（只有 OS） | ⚠️ | 系統查證過；RAM 16 跟 §2 的 15.7 寫法不同 |
| G94 | G §13 環境 | Python 3.12.3 | cell 52 | ✅ | |
| G95 | G §13 requirements | gensim 4.4.0、numpy 2.5.3、pandas 3.0.6、scikit-learn 1.9.1（4 個） | cell 52 `gensim 4.4.0 \| numpy 2.5.3 \| pandas 3.0.6 \| scikit-learn 1.9.1` | ✅ | |
| G96 | G §13 requirements | gdown、matplotlib、nltk、scipy、smart_open、tqdm 版本（6 個） | 筆記本沒有印出 | ⚠️ | 跟 `示範實作\requirements.txt` 逐行相同 |
| G97 | G §14 Q3 | CBOW 52.71% vs 45.22%；比較級 43→68（4 個） | cell 45 | ✅／⚠️ | |
| G98 | G §14 Q8 | 206、45.22→45.03、67.19→50.20（5 個） | cell 44 | ✅ | |
| G99 | G §14 Q9 | 45.22→46.87→48.29（3 個） | cell 38 | ✅ | |
| G100 | G §14 Q13 | 48.29→72.77、63.11→82.01（4 個） | cell 42 | ✅ | |
| G101 | G §14 Q15 | 45.22→41.86、56.95、68.16（4 個）；家人掉 12.5 | cell 45 | ✅；⚠️ | |
| G102 | G §15 步驟 3 | 下載維基約 15 分鐘 | — | 外部 | |
| G103 | G §15 步驟 4 | 約 2～6 分鐘（第一次約 6 分鐘） | cell 24 約 2 分鐘 | ❌ | 同 X6 |
| G104 | G §15 步驟 5 | 約 40 分鐘＝前處理約 3 分鐘＋訓練 36.9 分鐘（3 個） | cell 25 `36.9 min` ✅；前處理時間沒有印出 | ✅／⚠️ | run_cells.log：cell 25 共 2419 秒（40.3 分），扣掉訓練約 3.4 分 |
| G105 | G §15 步驟 7 | 實驗 1～2 小時 | run_cells.log 18:21→20:11 | ⚠️ | 約 1 小時 50 分 |
| G106 | G §16 #2 | GloVe 128 MB | 筆記本沒有 | ⚠️ | 實際檔案 134.3×10⁶ bytes = 128.1 MiB |
| G107 | G §16 #2 | 下載了 20 幾分鐘 | — | 外部 | |
| G108 | G §16 #3 | 最後一個檔 2.8 KB、5 篇（2 個） | cell 18 `0.00 GB` | ⚠️ | 實際檔案 2,821 bytes；5 篇見 G27 |
| G109 | G §16 #6 | 訓練 20% 要 40 分鐘、全部約 2.5 小時（2 個） | cell 25；run_cells.log 17:33→20:11 | ⚠️ | 2 小時 38 分 |
| G110 | G §16 #8 | 實際只有 6.5 GB | cell 21 6.93 GB | ❌ | 同 X4 |
## 稽核方法
1. 用 `示範實作\.venv\Scripts\python.exe`＋nbformat 把兩本筆記本每一格的 stdout／text/plain 輸出倒出來（略過 image/png）。進度條輸出裡夾著的 `OOV questions` 和 `articles: total` 另外用正規表示式抓出來。
2. HTML 用正規表示式拿掉 `