[
  {
    "id": "spanish_vs_english_cost",
    "texts": [
      "machine learning is useful",
      "el aprendizaje automático resulta útil"
    ],
    "expected": "comparar consumo aproximado de tokens entre idiomas",
    "must_be_similar": false
  },
  {
    "id": "semantic_pair",
    "texts": [
      "gato doméstico",
      "felino de casa"
    ],
    "expected": "deberían quedar cerca aunque compartan pocas palabras",
    "must_be_similar": true
  },
  {
    "id": "code_pair",
    "texts": [
      "function getUser(id) { return db.user(id) }",
      "def get_user(id): return db.user(id)"
    ],
    "expected": "misma intención de código en sintaxis distinta",
    "must_be_similar": true
  },
  {
    "id": "long_word",
    "texts": [
      "desarrolladores responsables",
      "desarrollo responsable"
    ],
    "expected": "ver subtokens y parentesco morfológico",
    "must_be_similar": true
  }
]