热门角色不仅是灵感来源,更是你的效率助手。通过精挑细选的角色提示词,你可以快速生成高质量内容、提升创作灵感,并找到最契合你需求的解决方案。让创作更轻松,让价值更直接!
我们根据不同用户需求,持续更新角色库,让你总能找到合适的灵感入口。
为特定课程主题生成符合学术规范的多选题,适用于教育工作者进行课程设计与学习评估。本提示词强调基于证据的论点、正式客观的学术写作风格,并确保问题的专业性与准确性,直接服务于教学材料开发的核心需求。
以下为围绕“细胞呼吸与ATP合成”的5道多选题。每题均与既定学习目标对齐,情境真实可验证,聚焦机制与应用,题干后提供参考答案与逐项解析,并附主要参考文献。
主要参考文献(示例引文):
命题说明:
以下为面向“TCP 拥塞控制机制(Reno/CUBIC,含对比视角)”的高阶多选题(A–E,至少2个正确选项/题)。每题均为中英双语,并包含图表描述性文字。参考答案部分仅列出正确选项,符合“严谨、可验证的推理;参考答案仅提供正确答案”的要求。命题所依据的关键事实与模型可由经验证的标准与文献支持(例如 RFC 5681、RFC 9438、Padhye 模型、Jain 公平性指标等)。
题目一(状态转移与阈值更新 | State transitions and threshold updates) 中文题干: 给定一个 TCP Reno 发送端,初始条件:cwnd=1 MSS,ssthresh=32 MSS。观测到的事件序列如下:
问题:下面哪些判断与 Reno 的标准行为一致(选择所有适用项)。
English stem: A TCP Reno sender has initial cwnd=1 MSS and ssthresh=32 MSS. Events:
Task: Select all statements consistent with Reno’s standard behavior.
图表描述(文字)/ Figure description (textual):
选项 / Options: A. P点触发的是快速重传/快速恢复,进入拥塞避免而非重新进入慢启动。 At P, Fast Retransmit/Fast Recovery is triggered; upon recovery the sender enters Congestion Avoidance, not Slow Start.
B. 在P点,按照 Reno 的规则,ssthresh 设为 8 MSS(即将丢包时的飞行报文量的一半)。 At P, Reno sets ssthresh to 8 MSS (half of the FlightSize at loss).
C. 在P点,进入快速恢复时临时将 cwnd 设为 ssthresh + 3 MSS;恢复完成后将 cwnd 归一(deflate)为 ssthresh。 At P, cwnd is temporarily set to ssthresh + 3 MSS during Fast Recovery and then deflated to ssthresh upon recovery.
D. 在Q点发生超时后,cwnd 被设置为 ssthresh 而非 1 MSS。 At Q, after timeout, cwnd is set to ssthresh rather than 1 MSS.
E. 在Q点发生超时后,ssthresh 设为 5 MSS(约为超时前 cwnd=10 MSS 的一半),cwnd 置为 1 MSS,进入慢启动。 At Q, after timeout, ssthresh is set to 5 MSS (about half of cwnd=10 MSS), cwnd is reset to 1 MSS, and Slow Start begins.
正确答案 / Correct answers: A, B, C, E
题目二(RTT/丢包信号对公平性与吞吐的影响;Reno vs CUBIC 对比 | Effects of RTT/loss on fairness and throughput; Reno vs CUBIC) 中文题干: 两条长流在同一路径共享单一瓶颈,MSS 相同,接收端不延迟ACK(每报文段确认一次),队列为 Drop-Tail,无ECN标记。流A的往返时延 RTT_A=50 ms,流B 的往返时延 RTT_B=100 ms。稳态时两流的分组丢失概率近似相同且较小。比较在 Reno 与 CUBIC 拥塞避免阶段的行为。选择所有正确陈述。
English stem: Two long-lived flows share a single bottleneck on the same path with identical MSS, no delayed ACKs, Drop-Tail queue, and no ECN marking. Flow A has RTT_A=50 ms; Flow B has RTT_B=100 ms. In steady state, both see similar small loss probability. Compare Reno and CUBIC behavior in Congestion Avoidance. Select all correct statements.
图表描述(文字)/ Figure description (textual):
选项 / Options: A. 根据 Padhye 等模型,在小丢包率下 Reno 吞吐近似与 1/(RTT·√p) 成正比,因而若两流丢包率相近,则 T_A/T_B ≈ RTT_B/RTT_A ≈ 2。 By the Padhye model, Reno throughput scales as ≈ 1/(RTT·√p) at small loss rates; with similar loss, T_A/T_B ≈ RTT_B/RTT_A ≈ 2.
B. CUBIC 的窗口增长在拥塞避免阶段主要取决于 ACK 计数而非时间,从而强化了 RTT 敏感性。 In Congestion Avoidance, CUBIC’s growth depends primarily on ACK counts rather than time, which increases RTT sensitivity.
C. 在上述理想化 2:1 吞吐分配下,Jain 公平性指数约为 (2+1)^2 / [2·(2^2+1^2)] = 0.9。 For an idealized 2:1 throughput split, Jain’s fairness index is ≈ 0.9.
D. 与 Reno 相比,CUBIC 的拥塞避免以“距上次丢包的时间”为自变量(立方函数),在高 BDP 场景对 RTT 的依赖较弱,因而通常更接近 RTT 公平(虽非完全公平)。 Compared with Reno, CUBIC’s avoidance phase uses a cubic function of elapsed time since last loss, reducing RTT dependence at high BDP and yielding closer-to-RTT-fair sharing (though not perfectly fair).
E. CUBIC 的乘性减小系数 β 通常约为 0.7(cwnd 降至 0.7·cwnd),而 Reno 约为 0.5。 CUBIC’s multiplicative decrease β is typically ≈ 0.7 (cwnd reduced to 0.7·cwnd), whereas Reno uses ≈ 0.5.
正确答案 / Correct answers: A, C, D, E
题目三(基于抓包摘要评估吞吐-时延权衡与改进建议 | Throughput–delay trade-off assessment and improvement proposals from a trace) 中文题干: 抓包摘要显示两条 CUBIC 长流在同一瓶颈链路(无ECN,Drop-Tail,大缓冲)并发传输:
问题:在不改变应用负载的前提下,以下哪些系统性改进更可能在保持或接近现有吞吐的同时,显著改善时延(选择所有适用项)。
English stem: A packet-trace summary shows two long-lived CUBIC flows over the same bottleneck link (no ECN, Drop-Tail, large buffers):
Task: Without changing application load, which systemic changes are most likely to improve delay significantly while maintaining comparable throughput? Select all that apply.
图表描述(文字)/ Figure description (textual):
选项 / Options: A. 将瓶颈队列由 Drop-Tail 替换为支持 ECN 标记的 AQM(例如 PIE/CoDel 家族)并启用 ECN,使发送端以标记而非丢包为拥塞信号从而提前退让,降低队列化时延且维持高利用率。 Replace Drop-Tail with an ECN-marking AQM (e.g., PIE/CoDel family) and enable ECN so senders back off on marks rather than loss, reducing queuing delay while keeping high utilization.
B. 在发送端启用分组节奏化(pacing)与合理的字节队列上限(BQL),以降低突发性和短时队列尖峰,从而改善时延抖动且不显著牺牲吞吐。 Enable sender-side packet pacing and Byte Queue Limits (BQL) to reduce burstiness and transient queue spikes, improving delay jitter without materially harming throughput.
C. 将两端拥塞控制从 CUBIC 切换到 Reno,可系统性降低时延并提高小流的完成时间。 Switch both endpoints from CUBIC to Reno to systematically reduce delay and improve small-flow completion times.
D. 在高BDP与缓冲胀气场景下,改用 BBR(带带宽-RTT 模式)常能显著压缩队列化时延并维持高吞吐,但若与损失型算法共存且无 AQM,可能引入跨算法不公平。 In high-BDP, bufferbloat-prone settings, switching to BBR (bandwidth–RTT model) often collapses queues and sustains high throughput; however, when coexisting with loss-based flows without AQM, it may induce inter-algorithm unfairness.
E. 将 ssthresh 设置为无限大(长期停留在“慢启动”形态)以避免模式切换,可提升稳定性并降低排队时延。 Set ssthresh to infinity (never leaving a “Slow Start”-like mode) to avoid mode switching, improving stability and reducing queuing delay.
正确答案 / Correct answers: A, B, D
参考文献(供命题依据核查,不附解析)/ References (for verification; no solutions/explanations):
用一条可复用的高效提示词,把任意课程主题迅速转化为5道高质量、学术风格的多选题;确保题目与学习目标和评估要求高度对齐,风格统一、表达严谨,支持多语言输出,直接服务于课堂测验、在线考试、作业与题库建设,帮助教研与培训团队在保证学术可信度的同时显著提升命题效率与产出稳定性。
快速生成与课程大纲对齐的周测与单元测,按认知层级分层出题,支持中英双语,提升课堂与线上混合教学效率。
构建覆盖知识点的标准化题库,自动平衡难度与干扰项质量,支持期中期末命题与教学质量监测。
一键产出练习包、闯关题与模拟卷,按班型定制语言与风格,提升学习留存与付费转化效率。
将模板生成的提示词复制粘贴到您常用的 Chat 应用(如 ChatGPT、Claude 等),即可直接对话使用,无需额外开发。适合个人快速体验和轻量使用场景。
把提示词模板转化为 API,您的程序可任意修改模板参数,通过接口直接调用,轻松实现自动化与批量处理。适合开发者集成与业务系统嵌入。
在 MCP client 中配置对应的 server 地址,让您的 AI 应用自动调用提示词模板。适合高级用户和团队协作,让提示词在不同 AI 工具间无缝衔接。
半价获取高级提示词-优惠即将到期