# AUTO-GENERATED from bench/qa_questions.txt via Helsinki-NLP/opus-mt-en-es (#000056 Operation Sandwich).
# Do not hand-edit — regenerate: python3 bench/make_es_questions.py

# arborist QA-quality benchmark question set.
#
# One question per line. `#`-prefixed lines and blank lines ignored.
# Designed for the 2003-05-16 Wikipedia cur snapshot — questions must
# resolve against ~2003 article content. Stress-tests across the
# failure-mode shapes the verifier needs to handle.

# narrow factoid — well-anchored single-fact questions
¿Cuál es la capital de Francia?
¿Quién escribió GNU Linux?
¿Cuándo se creó un lenguaje de programación llamado Python?
¿Quién pintó la Mona Lisa?
un puente entre el nuevo Londres y Groton?
¿Quién escribió la aldea de juegos?
¿Cuál es el símbolo químico para el oro?

# broad descriptive — encyclopedic shape, prone to mode-collapse
hábleme de connecticut
Háblame del lenguaje de programación C
¿Hablarme del hombre del método?
Dime todo lo que hay que saber sobre York Inglaterra?
Háblame del imperio romano.
describir la estructura del ADN

# under-specified "all" — the word "all" reads to Hermes-3-8B as
# license to enumerate every adjacent fact in training prior, which
# in claim_lattice_pointer mode degrades to free-form prose with zero
# `[E\d+]` tags (FORMAT_COLLAPSED soft-demote, 2026-05-02). Stronger
# models (Qwen / GPT-4 family) plausibly recover format discipline
# under the same prompt — bench coverage of this shape lets us
# measure cross-model resilience. Ticket #000008 (broad-quantifier
# preflight guard) proposes upstream classification + per-model
# claim ceiling.
¿ganadores de todos los deportes importantes?

# bounded universals — finite, corpus-known answer sets. Ticket
# #000008 §10.1 splits broad universals into bounded vs unbounded.
# These should classify ALL but with `scope_bound_hint: "bounded"`,
# meaning --reject-broad does NOT reject and the cap is the natural
# bound. Without these fixtures, the bounded-vs-unbounded distinction
# has no live bench coverage.
nombre a todos los miembros de los beatles
lista todos los planetas en el sistema solar

# entity list — invites lazy-anchor on a magnet chunk
¿Qué eran los dinosaurios en la primera película del parque jurásico?
¿Quiénes son los miembros de los Beatles?
nombre simpsons miembros de la familia incluyendo mascotas?
lista de obelisco en connecticut
¿Cuáles son los planetas de nuestro sistema solar?
¿Quiénes fueron los siete astronautas de mercurio originales?

# relationship / multi-fact
¿Quién es la novia de Supermans?
¿Quién es el sobrino de Bilbo Baggins?
¿Cuál es la relación entre linux & unix?
¿Quién es Veronica Ballestrini y qué mes nació?
¿Quién es el padre y la hermana de Luke Skywalker?

# comparison — multi-entity, prone to attribution drift
¿Cuál es la diferencia entre Linux y Bsd?
¿Cómo se compara la información con la amd?
¿Cuál es la diferencia entre http y ftp?
mac vs ventanas para el desarrollo de software

# niche / partial — corpus may be thin
¿Cuál es la constante de perntzmann?
¿Quién inventó el efecto doppler?

# date / time — when-questions stress year/date grounding
¿Cuándo terminó la Segunda Guerra Mundial?
¿En qué año cayó el muro de Berlín?
¿Cuándo fue el primer alunizaje?
¿Cuándo se disuelve la unión soviética?
¿En qué año se firmó la carta magna?

# quantity — numeric grounding, prone to confabulated digits
¿Cuántos estados hay en los Estados Unidos?
¿Cuántos huesos hay en el cuerpo humano adulto?
¿Cuál es la población de Japón?
¿Cuántas esposas tenía Henry la octava?
¿Cuántas lunas tiene Jupiter?

# geographic — where / what country / location grounding
¿Dónde se encuentra el monte kilimanjaro?
¿En qué país está la ciudad de Praga?
¿En qué océano está Madagascar?
¿Dónde comienza el río Nile?
¿En qué continente está Egipto?

# cause / effect — why-questions, narrative grounding
¿Por qué se hundió el titánico?
¿Qué causó el desastre de Chernobyl?
¿Por qué los dinosaurios se extinguieron?
¿Qué desencadenó la Primera Guerra Mundial?

# entity disambiguation — common names that collide with many entities
¿Quién es Michael Jordan?
¿Quién es George Bush?
¿Quién es John Smith de Jamestown?
¿Qué es la matriz?
¿Quién es Paul de Tarso?

# synonym / paraphrase robustness — same fact, different phrasing.
# Pairs probe whether equivalence_class question dedup collapses these
# at write & whether retrieval grounds them identically.
¿Quién fundó microsoft?
¿Quién es el fundador de microsoft?
¿Cuándo se construyó la torre eifel?
¿En qué año se construyó la torre Eiffel?

# leading / forensic — probe whether retrieval surfaces the right
# fact when the question's premise contradicts the popular narrative.
# Elevation question expected answer: north (per geographic surveys);
# corpus grounding may be shaky — coverage check can pass on
# topical-token overlap without the cited span containing the
# elevation fact, so this also stress-tests lazy-anchor STRICT.
¿De qué lado es la elevación del suelo más alta a lo largo de la gran pared de China, el norte o el sur?
ballenas están en peligro de extinción por la caza excesiva
¿Napoleón realmente murió en Santa Helena?

# out-of-corpus — should land UNGROUNDED honestly
¿Quién es un dictador benevolente de por vida para Marte?
¿En qué año se produce nuestra fusión fría?
¿Quién ganó las elecciones presidenciales de 2024?
¿Cuál es la última versión del ipad pro?

# allusion / reference frame — the diagnostic signal is a verbatim
# multi-token sequence, not the individual content tokens. Pure-BM25
# on tokens will surface literal-frame articles (Oceania the region,
# Asia the continent) instead of the reference (Nineteen Eighty-Four).
# The phrase-pattern retrieval route (commit 2026-05-01) targets this
# class. Bench reveals prevalence of the failure mode + whether the
# fix generalizes beyond Orwell.
¿Oceania siempre ha estado en guerra con Asia oriental?
¿Quién dijo que la fuerza podría estar contigo?
¿Qué significa el invierno?
¿Cuál es el significado de Rosebud?
¿Quién dijo ser o no ser esa es la pregunta?
¿Qué es lo que el pastel es una referencia de mentira?

# hyphenation / orthography — query and corpus use different hyphen
# conventions for the same concept. FTS5 `unicode61` splits on hyphen
# at index AND query time, so `bi-polar` (the orthography many
# English readers actually use) tokenizes to [bi, polar] while the
# Wikipedia article `Bipolar disorder` tokenizes to [bipolar]. Two
# non-overlapping token sets for the same medical condition. The
# query-layer hyphen-fold (Ticket #000007, 2026-05-02) closes this
# class by emitting joined-no-hyphen variants on the query side and
# adding a hyphen-anchor accept path in `_filter_by_title_relevance`.
# Pre-fix: only Bi-Polar (album) / Bi-Polar Blues / BI disambiguation
# surfaced; the medical-condition cluster never reached the LLM.
# Post-fix: `Bipolar disorder` lands in top-K and grounds the answer.
¿El bipolar es raro?
