# 05f 第二輪內容與數字審查：報告（ipynb 第 29 格）＋一條龍說明 v2

- 審查日期：2026-10-05
- 審查對象：
  - R＝`示範實作\NLP_HW1_submission_draft.ipynb` 第 29 格（已確認與 `report_cell_v2.md` 逐字相同）
  - G＝`HW1\HW1_一條龍說明.html`（去標籤、去 base64 後逐段讀）
- 真實來源：
  - 筆記本輸出：我自己用 nbformat 重新匯出一份，和 `_extract2\outputs.txt` 抽查一致。
  - 圖：`_extract2\cell15_0.png`、`cell28_0.png`、`cell49_0.png`。
  - 投影片：W1 pp.44–95、W2 pp.18–41（pymupdf 抽文字）。
  - 逐字稿：W2、W3 原文，逐條核對引文與時間。
- 沒有修改任何被審查的檔案。

## 結論先講

**第一輪的 26 項，已修 20 項、部分修 5 項、未修 1 項。**
報告和說明裡的成績表、差值、雜訊判斷，跟筆記本輸出**全部對得上**。主要的數字沒有錯。

**引文都查得到。** 老師的原話和時間點（W2 01:39:50、W3 00:27:56、00:31:24、01:12:12、01:22:16、01:30:10、01:32:25 等），在逐字稿都找得到，意思也沒有被扭曲。

剩下的問題都是中低嚴重度，集中在三類：

1. **新寫的段落有事實錯誤。**
   - 邏輯框架寫「apple 混了兩種意思、bank 只剩銀行」，跟第 11 節的實測結論剛好相反。
   - 課堂補充第 7 點寫「表現最差的兩類是反義字首和 -ly」，但最差的其實是貨幣。
   - Q12 寫「貨幣差是因為字不在字典裡」，但 GloVe 和 Wiki 20% 的覆蓋率都是 100%。
2. **「超過雜訊才算數」這條規則沒有一致套用。**
   - 第 3 題語法類差 −1.34，比雜訊 1.26 還大，說明卻寫「打平」。
   - 報告說「個位數的小類差距不下結論」，同一題卻對 −7.18、+5.17 下了結論。
3. **少數推論沒有標「推論」。**
   - 「河岸義混在同一個向量裡」
   - 「首都、國家在 5% 就學夠了」
   - 「資料主要幫到少見字形」

---

## (a) 第一輪 26 項的修正狀態

| # | 第一輪問題（簡述） | 狀態 | 證據 |
|---|---|---|---|
| 1 | apple 不是一半水果 | 大致已修 | R 第 4 題觀察 3、G §11 ③ 都改成「前 15 名全是科技」，數字和 cell 41 一致（banana 0.41、fruit 0.37、microsoft 0.65）。**殘留**：G 邏輯框架第一層最後一段還寫「apple 混了兩種意思」（見新問題 N1） |
| 2 | king 鄰居是低頻字效應，不是語料偏差 | 已修 | R、G 都附出現次數（cell 41：nangklao 34、suryavarman 53、chlothar 76、onewest 38、ameriprise 49），標了（推論），也加做 `restrict_vocab=50000`（cell 41 結果和報告一致） |
| 3 | 不能拿兩個模型的 cosine 比大小 | 已修 | R 第 4 題第 5 點、G §11 結果表下方都寫「只比排名」 |
| 4 | 雜訊門檻自相矛盾 | 大致已修 | 新增 4 個種子的雜訊表（cell 43），每個比較都附 beyond noise 欄（cell 44、45）；「7～12 點」已刪。**殘留**：見新問題 N4、N5 |
| 5 | 「新聞」說法過度宣稱 | 已修 | G §7 改成（推論），也寫明「論壇不是新聞」「三個因素無法分開」 |
| 6 | min_count 實際不是 5 | 已修 | R 第 1 題、第 2 題表、G §6、§9 都寫實際門檻 30／16／9，跟 cell 25、38 的 `effective min_count` 一致 |
| 7 | 「一起出現」vs「相似前後文」 | 部分 | §1 缺點框、課堂補充 2、Q4 已改。**殘留**：G §10「考試可能問」第 1 題還寫「字典學的是教材裡『誰跟誰一起出現』」 |
| 8 | 300 維 vs GloVe-100 不公平 | 已修 | R 第 5 題 (c) 寫「不和 GloVe-300 比較」並引 W3 01:22:17；G §12 ③、Q15 也一致 |
| 9 | CBOW 解釋要標推論、Q3 推理錯 | 已修 | R 第 5 題 (c)、G Q3 改成「本設定的結果」，並引 W3 01:12:12 與原論文 |
| 10 | window 解釋 | 部分 | ①已標（推論）、②已寫「跟語意類下降不完全吻合」；**③沒補**：G §6 參數表仍寫「前後各 5 個字」，gensim 的 window 是上限，每次會在 1～5 之間隨機縮小 |
| 11 | 停用詞實驗要標推論、補 sample 交互作用、補老師說法 | 已修 | R 第 5 題 (b)、G §12 ②、Q8 都已補 |
| 12 | negative sampling 說明不完整 | 已修 | G §6 negative 列、課堂補充 5、Q5d 都改成二元分類＋照字頻抽樣 |
| 13 | OOV 對應 FastText，不是 BERT | 已修 | G Q4 ③、課堂補充 7 |
| 14 | Q2 循環論證 | 已修 | G Q2 改成從前後文差別解釋，並加「只是近似」 |
| 15 | 論壇勝出漏了替代解釋 | 已修 | R 3.3、G §10 都補「字典小一半、干擾字少」；另外新增「兩本字典都查得到」的 15,684 題比較（cell 34），寫法也誠實（「沒有完全排除」） |
| 16 | t-SNE 越界推論 | 已修 | G §4 改成「不能直接拿來推論 100 維空間裡的加減法」「盡量」 |
| 17 | seed 不保證重現 | 已修 | R 第 1 題、G §6 seed 列 |
| 18 | sample 少講一半 | 已修 | G §6 sample 列 |
| 19 | 不能比 GloVe 和 w2v 的訓練輪數 | 已修 | G §7 改成「方法不同（全域 vs 局部）」，並引 W3 01:32:25 |
| 20 | 「完全相同」說太滿 | 已修 | R 3.3、G §10 改成「高度相似」，並引 W1 p94 |
| 21 | 3CosMul 只測一個模型 | 已修 | R 第 5 題 (f)、G §12 ⑥ 都寫「原因未驗證（推論）」 |
| 22 | 負的 ≠ 意思相反 | 已修 | G §1 觀念 2 表格 |
| 23 | 「幾乎一樣」改「大致一樣」 | 已修 | G §1 觀念 3 |
| 24 | bank 不能說「只剩」 | 部分 | R 和 G §11 已改成「前 5 名都是金融」，並補 bank–river 0.49。**殘留**：G 邏輯框架還寫「bank 只剩銀行」（N1） |
| 25 | 規格 p2 式子筆誤要提醒 | 未修 | G §1 觀念 3 沒有加註 |
| 26 | PCA 線性 → 平行關係保得住 | 部分 | G §12 ⑦ 加了「適合看：有沒有一條關係方向」、R (g) 寫「PCA 是線性投影，較能保留整體方向」；但兩處都沒有點出「平行的差向量投影後仍平行」。Q14 只寫「PCA 保留整體方向但比較擠」 |

### 第一輪列的 13 個「課程有教、文件沒寫」

| # | 主題 | 現在有沒有 | 位置與正確性 |
|---|---|---|---|
| 1 | Skip-gram 訓練資料 | 有，正確 | 課堂補充 3、Q5b；配對和 W1 p82 一致；「巧思」「BERT 克漏字」核對 W3 01:13:58、01:15:46 無誤 |
| 2 | 網路結構、詞向量＝V | 有，正確 | 課堂補充 4、Q5c；和 W1 p83–90、W2 p37、W3 01:20:21「你的 embedding 就是前面第一個 v」一致 |
| 3 | FastText 與 OOV | 有，**含一處事實錯誤** | 課堂補充 7、Q4 ③；引文 W3 01:30:10 正確。但「表現最差的兩類就是反義字首和副詞」是錯的（見 N2） |
| 4 | Negative sampling＝二元分類 | 有，正確 | 課堂補充 5、Q5d；W2 p33、p38 |
| 5 | 相對 vs 絕對關係 | 有，正確 | 課堂補充 6；原話核對 W3 00:27:56–00:28:02，逐字一致 |
| 6 | 為什麼不用 one-hot | 有，引用不精確 | 課堂補充 1 內容正確，但「學出來不是數出來」「個別維度很難解釋」出自 W2 02:38:30–02:43:47，文件引的 W3 00:03:20 沒講這兩點（N14） |
| 7 | 維度怎麼選 | 有，正確 | 課堂補充 10、R (c)；W3 01:04:18–01:05:33、01:22:16 核對無誤 |
| 8 | 停用詞「現在不做」 | 有，正確 | 課堂補充 9、R 第 1 題、Q8；W2 01:39:47–01:40:54 核對無誤（語境提醒見 N15） |
| 9 | It depends | 有，正確 | 課堂補充 10；W1 p93 |
| 10 | 其他評估方式 | 有，正確 | 課堂補充 10；W1 p93–94、W3 01:33:03–01:33:39 |
| 11 | static vs contextual；「相似≠相關」「領域外≠字典外」 | 部分 | static vs contextual 有（課堂補充 8）。W1 p94 的「Similar does not necessarily mean relevant」「Out-of-domain is not the same as out-of-vocabulary」兩句都沒寫；這兩句剛好可以分別接 good–bad 和論壇實驗 |
| 12 | 詞義隨時間改變（W2 p31） | 沒有 | 全文找不到 |
| 13 | GloVe vs word2vec 的課堂說法 | 有，正確 | 課堂補充 10、§7；Global／Local 原話在 W3 01:28:57–01:29:24，「一般會覺得 GloVe 比 word2vec 好」在 W3 01:32:25 |

---

## (b) 新發現的問題

| 編號 | 文件與位置 | 原文（短引） | 問題 | 依據 | 嚴重度 | 建議改法 |
|---|---|---|---|---|---|---|
| N1 | G 邏輯框架第一層，表格下方那段 | 「你在作業裡看到的缺點（apple 混了兩種意思、bank 只剩銀行）」 | **跟 §11 的實測結論剛好相反。** apple 前 15 名全是科技字，水果義被蓋掉，不是「混了兩種」。bank 前 5 名是金融義，但 bank–river 0.49 高於 bank–money 0.40，§11 自己的結論是「河岸義沒有消失」，所以不能說「只剩銀行」。這段是修 apple／bank 前留下的舊文字 | cell 41；G §11 觀察 ③ | 中 | 改成「apple 的鄰居只剩公司義、bank 的兩種意思混在同一組座標裡」 |
| N2 | G 課堂補充第 7 點 | 「剛好對上作業：表現最差的兩類就是反義字首（un-）和副詞（-ly）」 | **事實錯誤。** 兩個模型最差的都是貨幣。GloVe：貨幣 14.20 < 反義字首 20.07 < -ly 24.40；Wiki 20%：貨幣 10.28 < -ly 15.93 < 反義字首 16.01。另外「FastText 能幫這兩類」是推論，作業裡沒有跑 FastText | cell 14、cell 27 | 中 | 改成「表現最差的類別裡，有兩類就是反義字首和 -ly（僅次於貨幣）」，再加「（推論，本作業沒有實測 FastText）」 |
| N3 | G §14 Q12 答案 ③ | 「③有些字根本不在字典裡（覆蓋率低）」 | **對主模型不成立。** 題目問「為什麼貨幣特別差」，但 GloVe 和 Wiki 20% 在貨幣類的覆蓋率都是 100%。覆蓋率低只發生在論壇（39.0%）和維基對照組（86.8%）這兩本小字典 | cell 50（全部 100.0）；cell 34 覆蓋率表 | 中 | 改成「③（只在小語料時）字可能根本不在字典裡，例如論壇的貨幣覆蓋率只有 39%；GloVe 和 Wiki 20% 是 100%，所以它們錯在①②」 |
| N4 | R 第 2 題觀察 2 的（推論）；G §9 觀察表第 1、3 列；G §9「考試可能問」第 1 題 | 「首都、國家這些常見字在 5% 時就已出現夠多次」；G 寫「常見的字在 5% 就出現夠多次了，多出來的資料主要幫到少見的字」（**沒標推論**）；「語意類（常見字）幾乎沒差」 | ①**跟小類數據不完全吻合**：5%→20% 的 capital-world +2.98（雜訊 2.39）、currency +2.66（雜訊 1.50）都超過雜訊，所以不是「首都類學夠了」。只有 Semantic 加總後沒超過雜訊。②貨幣字（kwanza、dram）並不常見，「語意類＝常見字」是過度概括。③G §9 這兩列沒有標推論 | cell 38、cell 43 | 中低 | G §9 兩列加「（推論）」；補一句「但小類裡全世界首都 +2.98、貨幣 +2.66 也超過雜訊，所以語意類不是完全沒進步，只是加總後被其他小類抵銷」。考題答案拿掉「（常見字）幾乎沒差」 |
| N5 | G §10 結論句、3.1 表「語法」列、Q10；R 3.3 限制句 | G：「語法類卻打平」「差不多」；R：「個位數的小類差距（例如 family −2.97）不下結論」 | **雜訊規則沒有一致套用。** ①Syntactic −1.34 比雜訊 1.26 大，照報告自己的規則不能叫「打平」（雖然只大一點點）。②R 說「個位數的小類差距不下結論」，但 R 3.1 卻說 past-tense（−7.18）「落後」；G 3.1 表也對 opposite +5.17、plural +5.71、currency −5.66、past −7.18 判了勝負，這些都是個位數。兩條規則（「超過 5% 雜訊表」vs「個位數不下結論」）同時存在，互相打架 | cell 34、cell 43 | 中低 | 統一用一條規則。建議：「論壇和對照組沒有重跑，所以借用 5% 維基的雜訊表；差距超過該小類雜訊才判勝負」，然後把 R 的「個位數不下結論」改成「差距沒超過該小類雜訊的不下結論（例如 family −2.97 < 4.74、adj-to-adverb +2.82 < 3.02）」。語法類寫「論壇略低 1.34，只比雜訊 1.26 大一點，視為差不多」 |
| N6 | R 3.3 字頻表；G §10「證據」表、3.3「國籍」列 | 只列 cheapest、looking、better、goes、capital、albanian、illinois 等；G：「維基天天寫『Albanian politician』『Brazilian footballer』，論壇不會」 | **證據有挑選。** cell 36 還印了幾個削弱解釋的字，報告和說明都沒放：biggest 只有 1.61 倍、best 1.79 倍，但最高級卻贏 +23.35；brazilian 是 0.79 倍（論壇其實常寫），但國籍類卻輸 −54.85。G 那句「論壇不會」跟 brazilian 0.79 倍矛盾，而且沒標推論 | cell 36 | 中低 | 表格補上 biggest、best、brazilian 三列，並加一句「字頻能解釋一部分，但 biggest 只多 1.6 倍、最高級卻大贏，說明不只是頻率」。G 國籍列改成「（推論）albanian 在論壇只有維基的 0.06 倍；但 brazilian 也有 0.79 倍，國籍仍大輸，可能是很少出現在『國名＋國籍』的配對句型裡」 |
| N7 | R 第 4 題觀察 3；G §11 觀察 ③、Q「一個字兩種意思」、總結論第 8 列 | 「河岸義並沒有消失，而是和金融義混在同一個向量裡」 | 用一組 cosine（0.49 vs 0.40）推出結論，但寫成事實。money 是很泛用的字，bank 的鄰居又多半是銀行名稱，bank–money 低不一定代表金融義弱。這是合理推論，但要標出來 | cell 41 | 低 | 加「（推論）」；或寫成「bank–river 0.49 還高於 bank–money 0.40，顯示河岸義可能仍留在同一個向量裡」 |
| N8 | G §10「考試可能問」第 1 題 | 「字典學的是教材裡『誰跟誰一起出現』」 | 第一輪第 7 項的殘留：分布假說講的是「出現在相似的前後文」，課堂補充 2 自己也特別強調這一點 | W2 p24；G 課堂補充 2 | 低 | 改成「字典學的是每個字出現在什麼樣的前後文」 |
| N9 | G 邏輯框架第三層最後一句；G「我自己下的技術決定」加分實驗列 | 「同樣設定跑兩次，結果會晃多少？……（第 12 節實驗 ⑦）」；「……PCA 對照、重跑一次」 | 交叉引用錯：雜訊是實驗 ①，⑦ 是 PCA／t-SNE。次數也錯：實際跑了 4 次（seed 42、1、2、3） | cell 43；G §12 | 低 | 改成「同樣設定跑 4 次……（第 12 節實驗 ①）」；「重跑一次」改成「換種子重跑 3 次（量雜訊）」 |
| N10 | G 總結論第 3 列 | 「資料越多越好，但幅度小，而且主要幫到少見的字形」 | 「主要幫到少見的字形」是推論。數據只顯示語法類超過雜訊、語意類加總沒有；沒有直接量「少見字形」 | cell 38、43 | 低 | 改成「…語法類的進步超過雜訊、語意類沒有（推論：語法類的字形比較少見，比較需要更多資料）」 |
| N11 | R 第 4 題觀察 2；G §11 觀察 ② | R：「兩者出現在相同的前後文」；G：「前後文一樣」 | 第一輪第 20 項同一類問題換了地方出現：說太滿 | W2 p24（similar contexts） | 低 | 改成「相似的前後文」 |
| N12 | G §10 3.3「論壇學到了在地用語」列 | 「doha（卡達首都）的鄰居有 doah、qata、qatat、qutar（都是 qatar 的錯字）」 | doah 是 doha 的錯字，不是 qatar 的錯字 | cell 35 | 低 | 改成「doah 是 doha 的錯字，qata、qatat、qutar 是 qatar 的錯字」 |
| N13 | G 邏輯框架第一層（課程地圖） | 站 1 one-hot（p55–58）→ 站 2 TF-IDF（p48–53）→ 站 3 分布假說（p70）→ 站 4 LSA（p71–80）→ 站 5 Bengio（p65–68）→ 站 6 Word2Vec… | **跟投影片的頁序不一致，也漏了兩站。** ①W1 實際順序是 TF-IDF／BM25（p48–53）→ BoW／one-hot（p55–58）→ WordNet（p62–63）→ Bengio（p65–67）→ 分布假說（p70）→ LSA（p71–80）→ word2vec（p81）。Bengio 在 LSA 前面。②WordNet（p62–63，字典式解法；缺點：不看上下文、缺新字、維護成本高）和 W2 的 PPMI（p25–27，另一種稀疏向量）沒有列。③不過 one-hot 放在 TF-IDF 前面，符合老師 W3 00:03:10 的口頭回顧（「從 one-hot vector 的方式講到 vector space model TFIDF」），所以這一點可以保留 | W1 pp.48–81；W2 pp.20–27；W3 00:03:10 | 低 | 在表格上方加一句「依概念演進整理，不是投影片頁序」；或把 Bengio 移到分布假說前面。補一列 WordNet（W1 p62–63），站 2 補 PPMI（W2 p25–27） |
| N14 | G 課堂補充 1、10 | 1：依據寫「W1 p57–58、p64；W3 00:03:20–00:04:16」；10：「是預算問題（W3 01:04:18–01:05:33、01:22:05–01:22:22）」、「GloVe…Global…Local（W1 p91；W3 01:32:25）」 | **引用時間點不精確。** ①「學出來不是數出來」在 W2 02:43:24–02:43:47、「個別維度不需要解釋」在 W2 02:38:57–02:42:24，W3 00:03:20 沒講這兩點。②「預算」的原話是 W2 02:40:08「我只有 Budget 的概念」；W3 01:22:16 是學生假設「老師我錢很多」。③Global vs Local 的原話在 W3 01:28:57–01:29:24，01:32:25 是另一句。④W1 p91 投影片本身沒有「Local」這個字 | W2、W3 逐字稿 | 低 | 補上正確時間點：課堂補充 1 加「W2 02:38:30–02:43:47」；10 的「預算」加「W2 02:40:08」；Global/Local 改「W3 01:28:57」 |
| N15 | R 第 1 題；G 課堂補充 9、§6、Q8、總結論第 5 列 | 「老師上課也提到停用詞移除『以前很重要，但現在一點都不重要也不會去做』」 | 引文正確，**但語境被拿掉了**。老師是在講搜尋引擎建索引（「可以不需要被索引」「省 20～30% 索引空間」），不是在講訓練詞向量。拿來支持「訓練時不刪停用詞」是合理延伸，但閉書考試如果被問語境，答成「老師說訓練詞向量不要刪」會不精確 | W2 01:39:47–01:40:54 | 低 | 加半句：「（老師是在講搜尋引擎索引時說的；本作業的實驗結果也支持同樣的結論）」 |
| N16 | R 第 4 題觀察 1；G §11 觀察 ① | R：「都接近字典門檻 30」；G：「這些冷門字剛好卡在門檻上方」 | chlothar 76、bodawpaya 77、indymac 86，是門檻的 2.5～3 倍，說「剛好卡在」「接近」太滿。G 那張表還列了 guaranty 330、savings 8,467，讀者會以為也在講它們 | cell 41 | 低 | 改成「都只出現幾十次（34～86 次），在 30 萬字的字典裡屬於最冷門的一群」 |
| N17 | G §1 觀念 3 | 「方向和長度大致一樣（老師的說法：『不是這麼 exactly 一樣，但趨勢很接近』）」 | 引文正確，但老師這句是在講公司–CEO、比較級–最高級的圖（W3 00:32:01），講 man/king 時的原話是「方向斜率有點強」（00:28:38） | W3 00:28:34–00:28:41、00:31:41–00:32:08 | 低 | 可以保留，時間點寫 W3 00:32:01；或改引 00:28:38 |
| N18 | G §14 Q5 | 「老師說這門課不細講 GloVe」 | 老師原話是「如果你有興趣可以去看 paper」（W3 01:29:33）。另外 Q5 沒有用到課堂補充 10 已經整理好的 Global／Local 對比，和「一般會覺得 GloVe 比 word2vec 好」 | W3 01:28:57–01:29:46、01:32:25 | 低 | Q5 答案補：「名稱裡的 Global 對比 word2vec 的 Local（W3 01:28:57）；老師說一般會覺得 GloVe 比 word2vec 好（W3 01:32:25），細節請看論文」 |
| N19 | R 第 4 題觀察 4；G §11 觀察 ④ | R：「回查訓練語料發現是卡通角色」；G：「是一隻卡通貓的名字」 | cell 41 印出的 5 筆 sourpuss 用法：卡通角色名單、寵物通靈節目、愛爾蘭字源、電視集名、樂團名。只有一筆是卡通角色，而且語料裡沒有寫它是貓；「卡通貓」是外部知識 | cell 41 | 低 | 改成「回查語料，其中一筆是卡通角色名單（Sourpuss 是 Terrytoons 卡通裡的貓，這點是外部知識）」 |
| N20 | G §6 參數表 window 列 | 「『鄰居』算多遠：前後各 5 個字」 | 第一輪第 10 項 ③ 沒修：gensim 的 window 是上限，每個中心字會在 1～5 之間隨機取實際視窗，所以近的字被看到的次數比較多 | 一般知識（gensim 文件） | 低 | 補「最多前後各 5 個字（實際每次在 1～5 之間隨機取，近的字權重比較大）」 |
| N21 | R 第 5 題 (a)；G §12 ① | 「小類範圍 1.50～4.74（family 與 comparative 最大）」 | present-participle 也是 4.73，跟 comparative 並列 | cell 43 | 低 | 改成「family、comparative、present-participle 最大（約 4.7）」 |
| N22 | R 第 5 題 (g)；G §12 ⑦ | 「但並不乾淨（she, her, woman 也在上半）」 | 對照圖：上半還有 queen（y≈1.0）、princess；下半也有男性字 dad、grandpa、husband、stepfather、policeman。「大致區分男女」大體成立，只是例外比文中列的多 | cell49_0.png | 低 | 括號改成「（she、her、queen 在上半；dad、grandpa、husband 在下半）」 |

---

## (c) 數字不符

**主要成績表沒有不符。** 已逐格核對的範圍：

- R 第 2 題表、3.1 表、覆蓋率、15,684 題比較、字頻表、第 4 題近鄰與相似度、第 5 題 (a)～(h)。
- G 總表、§4、§7 差值欄（17 個差值都從表上數字相減，全部正確）、§9、§10、§11、§12。

第一輪 05d 的 X1～X9 已全部修正：

- 0.72%
- 6.93 GB（另附 6.45 GiB 的說明）
- 14%～24%
- 約 2～3 分鐘（本次 cell 24 進度條是 `11/11 [03:06]`）
- 「讀一趟要幾分鐘」
- Q「下降最多」的排序
- −11.26 是新一輪輸出

| # | 位置 | 文件寫的 | 筆記本實際 | 判定 | 建議 |
|---|---|---|---|---|---|
| M1 | G 課堂補充 7 | 「表現最差的兩類就是反義字首和副詞」 | 最差是貨幣（GloVe 14.20、Wiki 20% 10.28） | ❌ 不符 | 見 N2 |
| M2 | G Q12 ③ | 貨幣「有些字根本不在字典裡」 | GloVe、Wiki 20% 貨幣覆蓋率 100.0（cell 50） | ❌ 對主模型不符 | 見 N3 |
| M3 | G 邏輯框架第三層 | 「跑兩次」「實驗 ⑦」 | 4 次（cell 43）；雜訊是實驗 ① | ❌ 不符 | 見 N9 |
| M4 | G 技術決定表 | 「重跑一次」 | 換種子重跑 3 次 | ❌ 不符 | 見 N9 |
| M5 | G §10 3.1 表、結論、Q10 | 語法「差不多／打平」 | −1.34，大於雜訊 1.26 | ⚠️ 判讀不一致 | 見 N5 |
| M6 | R 第 5 題 (a)、G §12 ① | 小類範圍最大「family 與 comparative」 | present-participle 也是 4.73 | ⚠️ 漏列 | 見 N21 |
| M7 | G §0 流程圖 | 「訓練 37 分鐘」 | 37.9 min（cell 25） | ⚠️ 截尾 | 改「約 38 分鐘」 |
| M8 | R 第 4 題觀察 1、G §11 ① | 「接近／剛好卡在門檻 30」 | 34～86 次 | ⚠️ 說太滿 | 見 N16 |
| M9 | G「我做了什麼」第 4 階段 | 第一次正式執行「2 小時 38 分鐘」 | 繳交版筆記本沒有這個數字（指的是第一版） | 無法驗證 | 附出處（哪本筆記本／哪份 log），否則刪掉 |
| M10 | G §2 vs §13 | RAM「15.7 GB」vs「16 GB」 | 筆記本沒印 RAM（第一輪已記錄：系統查得 15.71 GiB） | ⚠️ 同文件寫法不一 | 統一寫一種 |

### §14 考題答案總評

- **正確，而且跟課程一致**：Q1、Q2、Q3、Q4、Q5b、Q5c、Q5d、Q6、Q7、Q8、Q9、Q11、Q13、Q15。
- **要修**：
  - Q12 ③（N3）
  - Q10「語法類打平」（N5）
  - Q5 太簡略，跟課堂補充 10 不一致（N18）
  - Q14 少了「PCA 線性 → 平行關係保得住」（第一輪第 26 項）
  - §10 考題「一起出現」（N8）
  - §9 考題「語意類（常見字）幾乎沒差」（N4）

### 邏輯框架總評

各站的頁碼都對得到內容：W1 p55–58、p48–53、p60–61、p70、p71–80、p65–68、p81–90、p91–93；W2 p24、p32–38、p39–40。各站的「問題在哪」也和投影片一致（p80 LSA 的四個問題、p61 計程車／的士）。

但它**不是照投影片的頁序排的**（Bengio 在 LSA 之前、TF-IDF 在 one-hot 之前），而且**漏了 WordNet 和 PPMI**。第二層「因素圖」、第三層「控制變因表」跟筆記本的實驗設計一致，只有交叉引用錯（N9）。

---

本審查的每一項判斷都來自實際查證：重新匯出筆記本輸出、看三張圖、用 pymupdf 抽投影片文字、逐條核對 W2／W3 逐字稿原文與時間點。標「一般知識」的（gensim window 隨機縮小、Sourpuss 是卡通貓）不是課程內容，也不是筆記本能驗證的。