认知星系：全站网状知识拓扑与思想生命周期
🪐 拖拽可 360° 旋转宇宙星系 · 滚轮缩放天球 · 点击星体展开卡片
节点目录 101
把图谱里的每个节点以纯文本链接列出，顺序与拓扑图一致。画布只是同一份列表的空间化视图。
- 🌳 强化学习与搜索 研究方向
- 🌳 大语言模型体系 研究方向
- 🌳 因果推断与统计评估 研究方向
- 🌳 机制可解释性与对齐 研究方向
- ⚙️ MCTS 树搜索实验 交互实验
- ⚙️ 因果效应与选择偏差 交互实验
- ⚙️ Kuhn Poker CFR 纳什均衡 交互实验
- ⚙️ DPO 偏好对齐与古德哈特 交互实验
- ⚙️ RoPE 旋转位置编码星盘 交互实验
- ⚙️ Transformer 归纳回路探针 交互实验
- ⚙️ Transformer 前向推演与回路消融 交互实验
- ⚙️ 1B 模型训练旗舰工作台 交互实验
- 🌳 从数据到部署：在 Mac 上规划小模型全链路训练 文章
- 🔬 只靠风，一只走兽最少要多大的风？——方法、证据分级与负面结果报告 文章
- 🌿 怎样积累可复用的实验结论：版本、失败记录与下一轮决策 文章
- 🌿 模型交付后为什么表现变了：模板、量化与行为回归 文章
- 🌿 为什么换一套训练环境结果会变：数值精度、数据顺序与断点恢复 文章
- 🌿 怎样核算训练成本：token、计算量、耗时与峰值显存 文章
- 🌿 基准、人工评价和模型评审各自测到了什么 文章
- 🌿 怎样设计能回答问题的训练对照：假设、基线与重复实验 文章
- 🌿 如何评估工具使用模型：任务成功、运行可靠性与实际成本 文章
- 🌿 失败轨迹怎样用于下一轮训练：错误分类、修正监督与筛选偏差 文章
- 🌿 工具评测怎样保持独立：环境重置、随机性与轨迹重放 文章
- 🌿 多步任务的奖励应该给谁：终局反馈、调用成本与失败恢复 文章
- 🌿 怎样用 SFT 学会工具接口：格式、参数与任务完成要分开检查 文章
- 🌿 工具调用样本为什么不是普通问答：从库存查询到完整交互轨迹 文章
- 🌿 强化学习效果怎样判断：采样收益、奖励漏洞与独立泛化 文章
- 🌿 GRPO 怎样比较同题回答：组内优势、零差异与长度权重 文章
- 🌿 PPO 在限制怎样的更新：概率比、裁剪与价值估计 文章
- 🌿 策略梯度怎样使用奖励：从四种回答到 baseline 文章
- 🌿 奖励究竟检查了什么：答案、格式、测试与过程反馈 文章
- 🌿 语言模型怎样构成强化学习问题：从一次回答到策略更新 文章
- 🌱 真实连线没测出优势：一个“负结果”项目到底留下了什么 文章
- 🌱 审查抓到了什么：一份“怎么骗自己”的清单 文章
- 🔬 隔间与多巴胺：把效价专门化放进模型之后，得到了什么 文章
- 🔬 三只果蝇的真实连线：共享的结构，大半是嗅小球层面的输入总量 文章
- 🔬 阳性对照与自然气味：能检出连线的作用，却没有测出它在自然气味上的优势 文章
- 🔬 旅行商三轮：为什么我最后写的是“没有证据”，而不是“没有用” 文章
- 🔬 让进化去调学习规则：离“自我改进”有多远？ 文章
- 🔬 一个“仿果蝇”的持续学习方法，在公平比较下站得住吗？ 文章
- 🔬 它会学习，但随机连线反而更好：果蝇和蚁群的觅食实验 文章
- 🌱 怎么不被自己骗：预先登记、哈希冻结和子 agent 审查 文章
- 🌿 一个真实的果蝇大脑回路，怎么公平地和“别的办法”比？ 文章
- 🌿 偏好分更高为什么未必任务更好：长度偏差、过度优化与独立测试 文章
- 🌿 离线偏好优化与在线采样有什么区别：固定答案池与重新生成 文章
- 🌿 DPO 为什么能直接使用偏好对：目标、参考策略与 beta 的作用 文章
- 🌿 奖励模型怎样从比较中学习：分数差、概率与失效边界 文章
- 🌿 偏好对怎样构建：共同上下文、候选差异与标注偏差 文章
- 🌿 标准答案不唯一时，怎样提供训练信号：示范、偏好与评分 文章
- 🌿 怎样判断 SFT 改善了什么：格式、准确率与能力退化 文章
- 🌿 全参数微调与 LoRA 怎样选择：更新空间、显存与量化 文章
- 🌿 指令数据怎样选和生成：任务覆盖、答案审核与合成数据 文章
- 🌿 哪些 token 应该计算损失：回答监督、多轮对话与标签边界 文章
- 🌿 一条指令样本应该包含什么：消息角色、聊天模板与任务边界 文章
- 🌿 监督微调在教模型什么：从文本续写到任务示范 文章
- 🌿 怎样完成一个可解释的预训练实验：基线、日志与恢复验证 文章
- 🌿 训练为什么会不稳定：学习率、梯度累积与数值精度 文章
- 🌿 训练块怎样组成一个 batch：打包、边界与有效 token 文章
- 🌿 一次前向计算怎样处理上下文：向量、注意力与位置 文章
- 🌿 语言模型究竟在预测什么：标签错位、交叉熵与训练损失 文章
- 🌿 文本怎样变成 token：分词、词表与训练成本 文章
- 🌿 构建一份可追溯的小型预训练语料 文章
- 🌿 中英文数据怎样混合：从语料比例到实际训练分布 文章
- 🌿 去重与评测污染：模型究竟学到了什么 文章
- 🌿 什么是高质量预训练数据：从规则到模型评分 文章
- 🌿 从网页到训练文本：预训练数据清洗到底在做什么 文章
- 🌿 预训练数据从哪里来：中英文开放语料地图与选型框架 文章
- 🌿 从设计到打印：一个开源的动力兽设计与验证平台 文章
- 🔬 从随机长度出发，能重新演化出 Jansen 的腿吗？ 文章
- 🌱 Strandbeest 的十二个演化时期：一个人和一群塑料管动物 文章
- 🌿 十三个数字怎么让腿走起来：Jansen 连杆的几何 文章
- 🌳 LLM推理优化与部署 文章
- 🌳 多模态大模型技术 文章
- 🌿 LLM Agent开发指南 文章
- 🔬 RAG检索增强生成实战 文章
- 🌿 提示工程最佳实践 文章
- 🌳 高效微调技术：LoRA与PEFT 文章
- 🌱 R语言学习 文章
- 🌳 LLM训练技术详解 文章
- 🌿 多人博弈AI设计 文章
- 🌳 Transformer架构详解 文章
- 🌿 MCTS算法深度解析 文章
- 🔬 统计学基础与假设检验 文章
- 🌱 强化学习调参技巧与实战经验 文章
- 🌳 模型基础强化学习详解 文章
- 🔬 DUCG建模实战指南 文章
- 🌳 多智能体强化学习 文章
- 🌳 Actor-Critic 算法家族 文章
- 🌳 策略梯度方法详解 文章
- 🌳 Alpha Zero算法实现五子棋 文章
- 🌳 动态不确定性因果图模型理论 文章
- 🌳 动态不确定性因果图模型理论在法律领域的应用 文章
- 🌿 DUCG在网络安全领域的应用 文章
- 🌳 动态不确定性因果图模型理论在软件可靠性领域的应用 文章
- 🌳 动态不确定性因果图模型理论在金融领域的应用 文章
- 🌳 应用CFR实现德州扑克对战 文章
- 🌿 应用SHAP库实现机器学习可解释性 文章
- 🌿 应用Ylearn框架实现因果推断 文章
- 🌳 深度Q网络案例实践 文章
- 🌱 关于数据分析的一些思考 文章
- 🌱 强化学习笔记记录 文章
关于数字花园与思想生命周期（The Digital Garden）
本知识星系融合了 Andy Matuschak 的 Evergreen Notes 理念与 Gwern 的学术拓扑结构：知识不是孤立的一次性发表，而是不断滋养生长的生态。从带有开放问题的‘🌱 萌芽想法’，到具备数学推导的‘🌿 成长演进’，再到经过严格代码与定理闭环的‘🌳 常青基石’，读者可随时追踪每一条技术思考的演进脉络。