核心要点
已知硬币正面概率 p 未知且不等于 0.5，要生成无偏的 0/1。
冯诺依曼（von Neumann）法：连抛两次，看有序结果。
HT → 输出「正」，TH → 输出「反」，二者概率都是 p(1-p)，相等。
HH 或 TT 抛出则丢弃，重新来过（拒绝采样）。
标准回答
一、先把结论讲清楚
可以先说结论：不要用单次抛硬币判断，要连续抛两次，只保留 HT 和 TH。
一、为什么 HT 和 TH 可以用？
假设正面 H 的概率是 p，反面 T 的概率是 1-p。连续两次里，HT 的概率是 p(1-p)，TH 的概率是 (1-p)p，这两个概率完全一样。所以可以规定：HT 输出 0，TH 输出 1。
二、拆开机制和判断点
二、HH 和 TT 怎么办？
HH 的概率是 p²，TT 的概率是 (1-p)²，通常不相等，所以不能拿它们直接当 0/1。做法是：看到 HH 或 TT 就丢掉，重新抛两次。
三、为什么最终公平？
因为真正输出的时候，只可能来自 HT 或 TH，而这两种情况等概率。
三、补上例子、边界和取舍
所以条件在“本轮成功输出”的前提下，0 和 1 各占一半，最终就是严格公平的硬币。
如果面试官追问效率，可以补一句：每轮成功概率是 2p(1-p)，所以平均要 1/[2p(1-p)] 轮才能产出一个公平比特；但这题核心不是效率，而是用一对对称事件消除偏置。
常见误区
⚠️ 常见踩坑
误区一：抛一次直接把正面当 0、反面当 1。 这样偏置还在，概率仍然是 p。
误区二：用 HH 和 TT 分别代表两个结果。 HH 和 TT 的概率一般不相等，只有 HT 和 TH 才是天然对称的一对。
追问
追问 1：相邻两次抛掷必须独立吗？
必须。这个方法成立的关键是 HT 和 TH 概率相等。如果两次抛掷相关，这个对称性可能会被破坏，输出就不一定公平了；所以面试里要明确说“独立同分布”这个前提。
追问 2：这种方法浪费很多抛掷，有没有更高效的？
有，但面试里通常说到思路就够了。比如 Peres 提取器会继续利用被丢弃的 HH/TT 信息，比朴素冯诺依曼法更接近熵极限。
🔗 相似问题
同一考点的不同问法，换着练更稳
延伸学习
按主题分类的相关资源，便于系统复习