生成选项采用上采样的方式，采样6次并让模型进行回答；将早停的认为困难，全部采样都回答正确的认为简单。基于此构造新的stepy

layer2/PGEE/code/stepy_statistic.txt

@@ -0,0 +1,59 @@
+=== 采样结果统计 ===
+题目标记分布:
+  hard_early_stop: 1494 道 (44.7%)
+  easy_all_correct: 1807 道 (54.1%)
+  unknown_fallback: 42 道 (1.3%)
+
+关键指标:
+  早停困难题（答错后早停）: 1494 道
+  全正确简单题（所有采样都答对）: 1807 道
+  早停率: 44.7%
+  全正确率: 54.1%
+
+=== API调用统计 ===
+总生成调用: 13850
+总验证调用: 13850
+总API调用: 27700
+平均每题调用: 8.3
+早停题目平均采样次数: 2.0
+全正确题目平均采样次数: 6.0
+
+=== 各题型采样效果 ===
+short_answer:
+  早停率: 36.9% (721/1954)
+  全正确率: 62.4% (1219/1954)
+multiple_choice:
+  早停率: 58.8% (154/262)
+  全正确率: 39.3% (103/262)
+calculation:
+  早停率: 66.0% (578/876)
+  全正确率: 31.4% (275/876)
+true_false:
+  早停率: 16.3% (41/251)
+  全正确率: 83.7% (210/251)
+
+=== 生成成功率统计 ===
+总共处理: 3343 道题目
+成功生成: 3343 道
+使用备用方案: 0 道
+成功率: 100.00%
+
+=== 策略效果评估 ===
+✅ 早停策略有效：成功识别出困难题目
+   困难题目数量: 1494 道
+   早停题目示例:
+     1. short_answer题，第1次采样后早停
+     2. short_answer题，第1次采样后早停
+     3. short_answer题，第3次采样后早停
+✅ 全采样策略有效：识别出简单题目
+   简单题目数量: 1807 道
+   全正确题目示例:
+     1. short_answer题，6次采样全部答对
+     2. short_answer题，6次采样全部答对
+     3. true_false题，6次采样全部答对
+
+=== 优化建议 ===
+• API调用次数偏高，建议:
+  - 优化提示词提高首次生成质量
+  - 考虑减少最大采样次数
+  - 改进验证逻辑减少失败率