🧭 06 连接主义、统计学习与表征路线常青基石实验计划深度学习
从数据到部署：在 Mac 上规划小模型全链路训练
以约 30M 模型建立从数据、分词、随机初始化预训练到 SFT、DPO、评测和部署的完整闭环，再依据实测逐步扩展至约 100M 与 0.5B。
成熟度
形式
路线
方向
没有匹配的笔记，试试其他关键词或筛选条件。
01↗03↗04↗05↗06↗07↗08↗09↗10↗11↗12↗13↗14↗15↗16↗17↗18↗19↗20↗21↗22↗23↗24↗25↗26↗27↗28↗29↗30↗31↗32↗33↗34↗35↗36↗37↗38↗39↗40↗41↗42↗43↗44↗45↗46↗47↗48↗49↗50↗51↗52↗53↗54↗55↗56↗57↗58↗59↗60↗61↗62↗63↗64↗65↗66↗67↗68↗69↗70↗71↗72↗73↗74↗75↗76↗77↗78↗79↗80↗81↗82↗83↗84↗85↗86↗87↗88↗89↗
↗02
🧭 12 具身、生态、生成与动力系统路线实验待证实验方法Strandbeest
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
两个独立求解器（MuJoCo 与 K2）、E0–E3 证据分级、起步风速随尺度的 30 格实验，以及一系列诚实的负面结果：销轴摩擦如何把起步风速改变 2.59 倍、为什么运动学粗筛不能用来排序、为什么稳健优化的胜负会翻面。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
怎样积累可复用的实验结论：版本、失败记录与下一轮决策
大模型训练研究笔记第七卷之六：把数据、运行、评测与结论连起来，区分失败和反证，用可比较的记录决定下一步实验。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
模型交付后为什么表现变了：模板、量化与行为回归
大模型训练研究笔记第七卷之五：从同一条请求出发，检查输入编码、权重转换、生成设置和结果解析，用分层回归定位交付差异。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
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
大模型训练研究笔记第七卷之四：区分逐位一致与结论复现，用动量更新检查权重恢复的局限，并梳理精度、并行与数据游标。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
怎样核算训练成本：token、计算量、耗时与峰值显存
大模型训练研究笔记第七卷之三：分清有效输入与监督目标、近似 FLOPs 与实测耗时、模型权重与训练显存，并核算完整实验成本。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
基准、人工评价和模型评审各自测到了什么
大模型训练研究笔记第七卷之二：区分任务正确与偏好评价，检查污染、评审顺序、平局口径和统计不确定性。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
怎样设计能回答问题的训练对照：假设、基线与重复实验
大模型训练研究笔记第七卷之一：用恢复样本训练设计对照，区分预算口径、交互作用与随机性，保留失败运行和结论边界。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
如何评估工具使用模型：任务成功、运行可靠性与实际成本
大模型训练研究笔记第六卷之六：区分单次成功、至少一次成功和连续可靠完成，结合约束、超时、成本与独立环境报告工具模型表现。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
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
大模型训练研究笔记第六卷之五：从错误库存调用出发，区分重试、上下文反思和参数训练，说明恢复样本的监督范围与成功筛选的偏差。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
工具评测怎样保持独立：环境重置、随机性与轨迹重放
大模型训练研究笔记第六卷之四：用库存缓存残留说明跨任务污染，区分环境随机性、模型采样与日志重放，建立可复查的评测实例。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
多步任务的奖励应该给谁：终局反馈、调用成本与失败恢复
大模型训练研究笔记第六卷之三：用库存查询解释回报与信用分配，推导调用成本和过程奖励如何改变目标，并区分模型错误与环境故障。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
怎样用 SFT 学会工具接口：格式、参数与任务完成要分开检查
大模型训练研究笔记第六卷之二：把库存交互拆成可监督的决策，检查聊天模板、损失范围和条件分支，区分离线预测与实际执行。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
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
大模型训练研究笔记第六卷之一：用库存查询解释工具定义、调用参数、执行结果和最终回答，区分模型动作与环境观察，并用反例检查轨迹是否可信。
🧭 08 控制论、强化学习与主动推断路线成长演进技术讲解大模型训练研究笔记
强化学习效果怎样判断：采样收益、奖励漏洞与独立泛化
大模型训练研究笔记第五卷之六：用配对结果与 pass@k 算例拆开采样和训练收益，分析奖励、熵、成本与泛化边界，形成可复核的训练结论。
🧭 08 控制论、强化学习与主动推断路线成长演进技术讲解大模型训练研究笔记
GRPO 怎样比较同题回答：组内优势、零差异与长度权重
大模型训练研究笔记第五卷之五：手算组内归一化优势，分析全对全错、标准差约定、生成预算和长度归一化，区分原始 GRPO 与固定版本训练器选项。
🧭 08 控制论、强化学习与主动推断路线成长演进技术讲解大模型训练研究笔记
PPO 在限制怎样的更新：概率比、裁剪与价值估计
大模型训练研究笔记第五卷之四：手算 PPO-Clip 的正负优势分支，区分旧策略与参考模型，解释 GAE、终止边界和裁剪不保证硬约束的原因。
🧭 08 控制论、强化学习与主动推断路线成长演进技术讲解大模型训练研究笔记
策略梯度怎样使用奖励：从四种回答到 baseline
大模型训练研究笔记第五卷之三：手算四候选 softmax 策略的梯度，推导奖励加权更新与 baseline，说明采样分布、停止梯度和长度归一化的边界。
🧭 08 控制论、强化学习与主动推断路线成长演进技术讲解大模型训练研究笔记
奖励究竟检查了什么：答案、格式、测试与过程反馈
大模型训练研究笔记第五卷之二：从一个最小整数任务写出可运行检查器，用反例说明格式奖励、最终答案、代码测试与过程评分各自的覆盖范围。
🧭 08 控制论、强化学习与主动推断路线成长演进技术讲解大模型训练研究笔记
语言模型怎样构成强化学习问题：从一次回答到策略更新
大模型训练研究笔记第五卷之一：用有唯一正确答案的整数任务，解释状态、动作、轨迹、终局奖励和期望收益，区分增加采样、筛选答案与更新模型。
萌芽想法学习与思考果蝇连接组研究
真实连线没测出优势：一个“负结果”项目到底留下了什么
真实连线没测出优势：回顾八条线，说明能说和不能说的结论、可信度、教训，以及项目留下了什么。
萌芽想法学习与思考果蝇连接组研究
审查抓到了什么：一份“怎么骗自己”的清单
十二种在这个项目里真实出现过的“自己骗自己”的做法，以及它们怎样被审查、全局多重比较、重新实现和文献核对发现。
实验待证实验方法果蝇连接组研究
隔间与多巴胺：把效价专门化放进模型之后，得到了什么
把 PAM/PPL1 簇划分和多巴胺时序规则放进学习器：时序现象复现，样本效率不优于原规则，持续学习有边缘优势但不能归因到隔间化，觅食里没有优势。
实验待证实验方法果蝇连接组研究
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
用 MaleCNS、FlyWire 和 hemibrain 三只果蝇的五个半球做教师和学生：另一只果蝇的连线比随机好一点，与只保留嗅小球输入总量的对照相当。
实验待证实验方法果蝇连接组研究
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
非循环的阳性对照能检出连线实例的作用，教师只共享统计类别时检不出；自然气味（DoOR）的类别分类和近邻保留上没有测出真实连线的表示优势。
实验待证实验方法果蝇连接组研究
旅行商三轮：为什么我最后写的是“没有证据”，而不是“没有用”
旅行商三轮：学习器相对蚁群的收益都不超过 0.5 个百分点，其中两轮的设计测不出连线效应，所以结论是没有证据，不是没有用。
🧭 11 发展、建构与开放式学习路线实验待证实验方法果蝇连接组研究
让进化去调学习规则：离“自我改进”有多远？
用进化调学习规则的 5 个参数：第一次进化被遗忘速率的编码卡在平坦处，修正起点后重跑，提升从 +4 到 +7 变成 +14 到 +21。
实验待证实验方法果蝇连接组研究
一个“仿果蝇”的持续学习方法，在公平比较下站得住吗？
一篇发表的仿果蝇持续学习方法在公平比较下被免回放的 SLDA 超过，论文式稠密对照的大部分稀疏优势来自对照本身。
实验待证实验方法果蝇连接组研究
它会学习，但随机连线反而更好：果蝇和蚁群的觅食实验
蘑菇体学习器在觅食场里会学习，但随机稀疏连线比真实连线更好；果蝇群里共享信息越多越好，聚集有拥挤成本。
萌芽想法学习与思考果蝇连接组研究
怎么不被自己骗：预先登记、哈希冻结和子 agent 审查
预先登记、哈希冻结和无上下文的子 agent 审查怎样改掉了项目里的一部分结论，以及哪些做法可以直接拿走。
成长演进技术讲解果蝇连接组研究
一个真实的果蝇大脑回路，怎么公平地和“别的办法”比？
把真实的果蝇蘑菇体回路（65 个嗅小球、2045 个 Kenyon 细胞、49 个输出神经元）与几种对照学习器放进同一个比较框架，说明学习规则、设计理由与对照臂。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
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
大模型训练研究笔记第四卷之六：用同一组偏好对构造长度与正确率背离的算例，说明奖励过度优化与评审偏差为何让偏好分与任务正确性分离，并给出分开报告偏好胜率与独立正确率的做法。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
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
大模型训练研究笔记第四卷之五：比较固定偏好池上的 DPO 与在线按当前策略采样的更新，说明直接比较覆盖与概率变化的差别、分布漂移、采样预算与校验成本，并指出在线并不自动更好。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
DPO 为什么能直接使用偏好对：目标、参考策略与 beta 的作用
大模型训练研究笔记第四卷之四：从 KL 约束的奖励最大化推出偏好对上的闭式目标，手算二元词表上的损失与梯度，说明参考策略、序列概率与 beta 各自控制什么，并列出已知失效模式。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
奖励模型怎样从比较中学习：分数差、概率与失效边界
大模型训练研究笔记第四卷之三：手算 Bradley–Terry 偏好概率与排序损失，解释奖励分数的相对意义、平移不变性、校准和分布外评价。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
偏好对怎样构建：共同上下文、候选差异与标注偏差
大模型训练研究笔记第四卷之二：把 chosen/rejected 还原为有条件的比较，检查共同提示、候选来源、长度与位置偏差、平局、来源划分和截断后的标签有效性。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
标准答案不唯一时，怎样提供训练信号：示范、偏好与评分
大模型训练研究笔记第四卷之一：从解释实验结果的任务区分示范、比较、评分和规则反馈，明确偏好标准、平局与分歧，避免把更受欢迎等同于事实正确。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
怎样判断 SFT 改善了什么：格式、准确率与能力退化
大模型训练研究笔记第三卷之六：为结构化提取设计分层评价，检查缺失与补写、配对收益、来源独立和能力退化，区分验证损失、规则检查与模型评审。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
全参数微调与 LoRA 怎样选择：更新空间、显存与量化
大模型训练研究笔记第三卷之五：手算低秩更新与参数量，区分 LoRA、全参数和 QLoRA 的资源组成，说明初始化、目标层、合并与公平比较的边界。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
指令数据怎样选和生成：任务覆盖、答案审核与合成数据
大模型训练研究笔记第三卷之四：围绕结构化提取建立数据覆盖表，区分答案正确、格式通过与材料支持，设计合成数据审核、来源分组和可比较的数据实验。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
哪些 token 应该计算损失：回答监督、多轮对话与标签边界
大模型训练研究笔记第三卷之三：逐位置检查 assistant-only loss，解释首个回答 token、结束标记、多轮监督、变长加权与截断，并用小例子验证标签。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
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
大模型训练研究笔记第三卷之二：把结构化提取任务写成可检查的消息，区分角色、模板和 token 序列，处理多轮历史、结束标记、截断与数据来源。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
监督微调在教模型什么：从文本续写到任务示范
大模型训练研究笔记第三卷之一：用实验记录信息提取解释 SFT 怎样改变输出行为，区分训练目标、任务定义和评价，并设计提示基线与微调对照。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
怎样完成一个可解释的预训练实验：基线、日志与恢复验证
大模型训练研究笔记第二卷之六：把分词、目标、模型和 batch 串成可验证的实验，区分工程冒烟、小样本拟合、验证改善与任务能力，并检查训练恢复和成本口径。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
训练为什么会不稳定：学习率、梯度累积与数值精度
大模型训练研究笔记第二卷之五：从一次参数更新理解学习率与 AdamW，区分梯度累积、梯度裁剪和混合精度的作用，并建立训练异常的排查顺序。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
训练块怎样组成一个 batch：打包、边界与有效 token
大模型训练研究笔记第二卷之四：用两篇短文检查 padding、packing、EOS、attention mask 和 loss mask，解释有效 token 计数与梯度累积的加权方式。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
一次前向计算怎样处理上下文：向量、注意力与位置
大模型训练研究笔记第二卷之三：沿着一条短序列追踪张量形状，手算注意力加权，解释因果遮罩、位置编码、残差与输出层各自的作用。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
语言模型究竟在预测什么：标签错位、交叉熵与训练损失
大模型训练研究笔记第二卷之二：逐位置检查下一个 token 的预测，用小词表手算交叉熵，解释因果约束、标签错位、有效位置平均与困惑度的边界。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
文本怎样变成 token：分词、词表与训练成本
大模型训练研究笔记第二卷之一：从一个可手算的 BPE 例子理解分词，再检查中文切分、特殊 token、词表兼容性与训练成本。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
构建一份可追溯的小型预训练语料
大模型训练研究笔记第一卷之六：从训练结果变化却查不出原因的问题出发，把来源、处理、划分和读取记录组织成可以检查与重建的数据版本。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
中英文数据怎样混合：从语料比例到实际训练分布
大模型训练研究笔记第一卷之五：用中英文各抽一半的例子，解释文档比例、token 比例、重复次数和实际训练用量为什么不同。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
去重与评测污染：模型究竟学到了什么
大模型训练研究笔记第一卷之四：从同文转载讲到精确指纹、MinHash 和 LSH，再说明怎样分组、选代表，以及避免测试题混进训练。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
什么是高质量预训练数据：从规则到模型评分
大模型训练研究笔记第一卷之三：从教程、API 文档和论坛的取舍出发，讲清参考分类、教育评分、困惑度和重采样各自在判断什么。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
从网页到训练文本：预训练数据清洗到底在做什么
大模型训练研究笔记第一卷之二：用一张技术网页解释正文抽取、格式处理、语言识别和规则过滤，看看清洗为什么会误删，以及怎样比较一次改动。
🧭 06 连接主义、统计学习与表征路线成长演进技术讲解大模型训练研究笔记
预训练数据从哪里来：中英文开放语料地图与选型框架
大模型训练研究笔记第一卷之一：从中文技术模型的选数问题出发，认识主要中英文语料的构建方法，区分文件规模与训练用量，做出可解释的选型。
🧭 12 具身、生态、生成与动力系统路线成长演进应用拆解Strandbeest
从设计到打印：一个开源的动力兽设计与验证平台
把腿的几何、遗传算法、MuJoCo 仿真、3D 打印导出和测试台测量串成一个闭环，哪些已经能用，哪些还是假设，一并说清楚。
🧭 12 具身、生态、生成与动力系统路线实验待证实验方法Strandbeest
从随机长度出发，能重新演化出 Jansen 的腿吗？
用带种子的遗传算法从随机连杆长度开始搜索，检验能否找回 Jansen 连杆的形状和数字；以及遗传算法怎样钻"适应度函数"的空子。
🧭 12 具身、生态、生成与动力系统路线萌芽想法学习与思考Strandbeest
Strandbeest 的十二个演化时期：一个人和一群塑料管动物
荷兰艺术家 Theo Jansen 从 1990 年起用 PVC 管造出靠风行走的"海滩兽"。本文对照他自己的网站，按十二个时期梳理它们怎么一步步演化，哪里失败，哪里转弯。
🧭 12 具身、生态、生成与动力系统路线成长演进技术讲解Strandbeest
十三个数字怎么让腿走起来：Jansen 连杆的几何
用两圆交点把 Jansen 连杆算出来，看脚的轨迹为什么是 D 形，以及多条腿如何错开相位。
🧭 06 连接主义、统计学习与表征路线常青基石代码示例深度学习
LLM推理优化与部署
先分析预填充与解码两个阶段的瓶颈，再从量化原理与方法对比讲到 KV-Cache 与 PagedAttention，以及 Attention 加速与部署考量。属工程优化综述，速度与显存数字为引用值，未在自己的硬件上复测。
常青基石技术讲解深度学习
多模态大模型技术
以 CLIP 的对比学习与零样本分类为起点，接着讲 BLIP 的三种架构与图像描述生成，再说明 GPT-4V 的视觉 Token 化与多模态提示写法。属技术脉络梳理，模型能力描述引自公开资料，未做跨模型评测。
🧭 06 连接主义、统计学习与表征路线成长演进代码示例AI 应用
LLM Agent开发指南
从大脑与手脚的类比说明 Agent 的构成与分类，再拆 ReAct 的推理行动交替与从零实现、OpenAI Function Calling 与工具库设计、记忆机制与规划。是开发指南式梳理，以示例代码为主，不含真实任务成功率评测。
实验待证代码示例自然语言处理
RAG检索增强生成实战
先对比闭卷与开卷两种问答路径，交代 RAG 的检索生成流程，再依次讲文档清洗、分块、向量化与向量库选择，以及从 Top-K 到重排的检索策略。属工程流程整理，效果取决于语料与检索配置，文中不给统一指标。
成长演进技术讲解自然语言处理
提示工程最佳实践
按 Zero-shot、Few-shot、Chain-of-Thought 与 ReAct 的顺序介绍提示设计，串起 CoT、自一致性与工具调用，并附示例与代码。文章侧重模式归纳和写法示例，未提供系统的提示效果评测，案例表现随模型与任务变化。
🧭 08 控制论、强化学习与主动推断路线常青基石代码示例深度学习
高效微调技术：LoRA与PEFT
从全参数微调的显存困境引出参数高效微调，解释 LoRA 的低秩分解与前向传播，给出从零实现的代码与训练技巧，再横向介绍 Adapter、Prefix 与 Prompt Tuning。属方法整理，显存与效果数字为引用值。
萌芽想法学习与思考数据科学
R语言学习
以 Kaggle 数据科学从业者调查为材料的 R 练习记录：用 data.table 读入 16716 行、228 列的数据，再用 tidyverse 做职位、工具偏好与学习计划的探索性统计。记录的是操作步骤与代码，不是对从业者群体的抽样推断。
🧭 08 控制论、强化学习与主动推断路线常青基石技术讲解深度学习
LLM训练技术详解
按预训练、监督微调、人类反馈强化学习的三阶段范式组织，交代预训练目标与数据准备、Tokenization，再讲 SFT 数据构造与 RLHF 流程。属流程综述，具体配比与效果数字以所引资料为准，本文不另作复现。
成长演进应用拆解游戏 AI
多人博弈AI设计
先说明三人以上博弈与双人零和的差别，引入联盟、背叛与动态平衡，再介绍 Paranoid、MaxN、浅层剪枝与 Best Reply Search 等搜索算法，最后用 Shapley 值与核心解讨论联盟收益分配。属算法综述，案例为示意。
🧭 06 连接主义、统计学习与表征路线常青基石技术讲解深度学习
Transformer架构详解
以《Attention is All You Need》为起点交代 Transformer 的动机，拆解自注意力、前馈网络、残差与位置编码，再给出完整模型拼装、Label Smoothing 与 Warmup 等训练技巧及应用场景。属架构讲解，以原论文与常见实现为参照，不含训练实验或下游效果对比。
🧭 08 控制论、强化学习与主动推断路线成长演进技术讲解游戏 AI
MCTS算法深度解析
从 MCTS 的四步骤讲到 UCT 的探索利用平衡，再说明 PUCT 与 AlphaGo、AlphaZero 风格搜索的差别，以及 RAVE 等优化技术。文章解释算法结构与实现思路，未附对弈强度或胜率实测，也不构成对具体棋类的强度结论。
实验待证技术讲解数据科学
统计学基础与假设检验
从描述统计与推断统计的区分讲起，说明假设检验的逻辑框架，再依次展开单样本、独立样本与配对样本 t 检验，单因素方差分析与效应量，以及卡方检验。是教科书式整理，结论以检验假设成立为前提。
🧭 08 控制论、强化学习与主动推断路线萌芽想法实验方法强化学习
强化学习调参技巧与实战经验
按学习率、折扣因子、批量大小、探索率、目标网络与回放缓冲区逐个拆解常见超参数的作用与典型取值，再补充 PPO、SAC、DQN 的算法专属项和梯度裁剪等稳定性技巧。属经验汇总，未附统一基准。
🧭 08 控制论、强化学习与主动推断路线常青基石技术讲解强化学习
模型基础强化学习详解
系统讲 MDP 五元组、马尔可夫性质与折扣回报，定义状态值与动作值函数，推导 Bellman 期望方程和最优方程，再落到策略评估与策略改进的动态规划。是教材式理论梳理，以公式推导为主，未附实测曲线。
🧭 07 概率推断、因果模型与世界模型路线实验待证应用拆解概率论
DUCG建模实战指南
按问题定义、变量识别与分类、因果关系挖掘、参数学习与模型验证的顺序走一遍 DUCG 建模流程，并给出软件缺陷诊断的变量与边示例。属方法论教程，案例是构造示例，不是现场部署记录。
🧭 08 控制论、强化学习与主动推断路线常青基石技术讲解强化学习
多智能体强化学习
从单智能体到多智能体说明非平稳性与信用分配等挑战，梳理独立学习、VDN 与 QMIX 的值函数分解、MADDPG 等路线，并给出 IQL 简化示例。文章是技术综述，示例只作机制说明，未报告完整训练结果。
🧭 08 控制论、强化学习与主动推断路线常青基石技术讲解强化学习
Actor-Critic 算法家族
承接策略梯度的方差问题，讲 Actor-Critic 框架与优势函数估计，比较 A3C 与 A2C 的同步异步取舍，再展开 PPO 的重要性采样与裁剪，以及 SAC 的熵正则思路。属方法综述，附实现代码，不含横向基准实验。
🧭 08 控制论、强化学习与主动推断路线常青基石技术讲解强化学习
策略梯度方法详解
从策略梯度定理与 REINFORCE 推导出发，说明高方差问题，再介绍基线与方差降低技术，最后给出 CartPole 上的实现与策略测试代码。文章重在推导脉络，属方法讲解，未给出与其他算法的系统对比。
🧭 08 控制论、强化学习与主动推断路线常青基石代码示例AI 应用
Alpha Zero算法实现五子棋
以五子棋为载体，交代策略价值网络、PUCT 搜索、自对弈数据收集与训练循环，最后给出参数建议与对弈可视化。文章给的是最小实现骨架与工程建议，未报告对弈强度或训练曲线，结果需自行运行确认。
🧭 07 概率推断、因果模型与世界模型路线常青基石技术讲解研究
动态不确定性因果图模型理论
从基本变量、结果变量、逻辑门与因果弧等元素出发，解释 DUCG 如何用虚拟独立事件表达不确定因果，再讲动态诊断推理的七个步骤与 Cubic-DUCG 扩展。属理论梳理，应用领域为文献中的已有工作。
🧭 07 概率推断、因果模型与世界模型路线常青基石应用拆解研究
动态不确定性因果图模型理论在法律领域的应用
以司法事实认定与因果归责为问题，讨论 DUCG 处理碎片化、矛盾证据的潜在用法，给出一个简化的法律应用模型构想，并指出知识获取与可解释性等挑战。是应用构想，不是已部署的司法系统。
🧭 07 概率推断、因果模型与世界模型路线成长演进应用拆解研究
DUCG在网络安全领域的应用
从告警风暴与见木不见林的运维痛点出发，讨论用 DUCG 把孤立告警串成攻击因果链的设想，并指出攻击知识图谱构建的难点。属方案构想与问题分析，未给出检测率、误报率或实际部署结果。
🧭 07 概率推断、因果模型与世界模型路线常青基石应用拆解研究
动态不确定性因果图模型理论在软件可靠性领域的应用
以级联故障与根因定位耗时的问题为切入点，讨论 DUCG 在智能运维中构建软件系统因果诊断地图的思路，以及知识工程自动化的挑战。属应用构想，文中没有实际故障数据或诊断准确率。
🧭 07 概率推断、因果模型与世界模型路线常青基石应用拆解研究
动态不确定性因果图模型理论在金融领域的应用
从相关性模型在黑天鹅事件中失效的问题切入，讨论 DUCG 用因果结构刻画风险传导的可能路径，并说明从数据驱动转向知识与数据双驱动的挑战。属应用设想，不含回测收益或风控指标。
🧭 08 控制论、强化学习与主动推断路线常青基石代码示例游戏 AI
应用CFR实现德州扑克对战
先说明 CFR 用反事实后悔值逼近不完全信息博弈纳什均衡的核心思想，再在 Kuhn Poker 上给出完整 Python 实现，最后讨论德州扑克所需的信息集抽象、行动抽象与抽样加速。属最小实现加工程路线，未附规模化对战胜率。
🧭 07 概率推断、因果模型与世界模型路线成长演进应用拆解数据科学
应用SHAP库实现机器学习可解释性
从 Shapley 值的博弈论来源与 SHAP 的数学定义讲起，说明其可加性与一致性优势，再介绍 TreeExplainer、KernelExplainer、LinearExplainer 与 DeepExplainer 的适用场景和用法。属原理与工具用法整理，示例不构成模型质量结论。
🧭 07 概率推断、因果模型与世界模型路线成长演进应用拆解数据科学
应用Ylearn框架实现因果推断
先补因果推断的核心概念与三大支柱，再介绍 YLearn 的设计与核心模块，并用营销优惠券的因果效应分析等案例演示估计与评估流程。属框架上手指南，文中结论限于所构造的案例数据，不外推到真实业务。
🧭 08 控制论、强化学习与主动推断路线常青基石代码示例深度学习
深度Q网络案例实践
回顾 Q-Learning 与 DQN 的若干关键改进，介绍 CartPole 环境，再给出网络结构、经验回放缓冲与智能体实现的完整代码。属教学型代码示例，训练曲线与奖励数字随随机种子和设备变化，不宜当作基准。
萌芽想法学习与思考数据科学
关于数据分析的一些思考
从指标体系、常见错误与数据思维三层整理数据分析方法：指标要覆盖过程与结果并落到业务抓手上，分析流程按问题类型选择，数据思维拆成表示与推理能力。是经验框架整理，不含实测数据或业务结论。
🧭 08 控制论、强化学习与主动推断路线萌芽想法学习与思考机器学习
强化学习笔记记录
从马尔可夫决策过程与核心要素讲到基于价值、基于策略、基于模型三类算法，再到 DQN 与策略梯度的深度强化学习，末尾汇总实践经验。是学习笔记式梳理，只整理概念与算法分类，未附统一实验对比。