Writings 选题:按知识库分类的精选版
更新:2026-10-24 · 本地选题讨论,未改动网站。
这轮不做共同入口。 先从已有材料中挑值得单独讲清楚的问题,选定后再写文章。
上版更像资料盘点。这版改成“这篇为什么值得写、正文留什么、哪些内容可以省掉”。保留 24 个重点候选,其中 10 个建议先看;其他方向分别作为储备、已有文章的补充或暂缓项。编号沿用上一版,方便对照资料索引,不代表最终文章顺序。
先看这 10 个
顺序按阅读方向排列,同组内没有严格先后。
| 原有知识分类 | 编号 | 拟题 | 最值得保留的内容 |
|---|---|---|---|
| 飞书原文 / Base 场景 | A04 | 产品知识怎样进入模型 | 最有 Base 场景特色:产品规则怎样变成训练样本。 |
| 飞书原文 / Base 场景 | A05 | 让 Agent 按需思考 | 一个清楚的决策问题:直接做、先想一下,还是重新规划。 |
| 飞书原文 / Base 场景 | A14 | 为 Agent 设计好用的接口 | 有具体工程取舍:哪些复杂度由接口承担,哪些留给模型。 |
| 项目笔记 / 训练实验 | A02 | 最后一个训练检查点,为什么不一定最好 | 有真实故障和对照,适合写成实验故事。 |
| AI 工程 / 后训练 | B03 | 三种训练方法,三种学习信号 | 把三类训练的输入、输出与反馈位置放在同一张图里。 |
| 讲座与论文 / Agent 学习 | C05 | 工具不可导,Agent 怎样学习 | 能直观纠正“工具不能求导就不能训练”的误解。 |
| 讲座与论文 / Agent 学习 | C04 | 把训练轨迹展开成一棵树 | 共用前缀、分叉和奖励分配,特别适合动态展示。 |
| 讲座与论文 / Agent 学习 | C06 | 从一次失败中提炼 Skill | 从具体失败到可迁移规则,比泛讲“自进化”更扎实。 |
| 飞书原文 / 基础设施 | B07 | 多卡训练,究竟把什么切开了 | 原稿的系统解释和图很完整,最适合做可切换的图解。 |
| AI 工程 / 后训练 | C01 | 99% 的概率代表什么 | 问题直观,能把模型概率、置信度与校准讲清楚。 |
如果先体现 Base 项目的经验,优先看 A04、A05、A14、A02;如果先写 容易被更广泛读者读懂的技术图解,优先看 C05、C04、B07、C01。A03 的协议错配也是很好的短案例,可以比一篇完整实验复盘更短。
这次怎样取舍
知识库适合保存完整材料;Writing 要有一个读者看完能讲给别人听的重点。冗长的原稿仍有价值,改写时不按比例缩短每一节。
- 一篇解决一个问题。 从实际困惑或一个案例开始,用机制解释它,最后给最有说服力的对照。
- 保留方法,减少目录。 不把算法名单、项目版本演进、完整参数表当正文主线。
- 图承担解释。 一张主图讲机制,必要时加一张真实案例或实验对照;不把多篇论文拼成一条从未存在的工作流。
- 同一主题合并取材。 原文、解读版、补充笔记一起使用,不按文件数量决定文章数量。
- 不同材料采用不同写法。 项目记录写实验经验,团队方案写设计取舍,论文解读写方法比较,不都套“背景—方案—收益”模板。
下列分类沿用知识库目录。它是本地选题分类,不是在主页新建栏目;A/B/C/D 只是旧索引编号。
常用缩写:Supervised Fine-Tuning,监督微调(SFT);On-Policy Distillation,在策略蒸馏(OPD);Reinforcement Learning,强化学习(RL);Application Programming Interface,应用程序接口(API);Software Development Kit,软件开发工具包(SDK);Graphics Processing Unit,图形处理器(GPU)。Agent 指智能体;Skill 指可供智能体使用的规则或操作知识;Harness 指组织模型、工具、状态和执行循环的运行框架。
1. project-notes · 项目研究与实验
以 Lark-Base-AI后训练/ 的实验、诊断与数据记录为主,回查 projects/feishu-ai/ 中的原始材料。这一组最适合体现你实际做过什么、从中提炼出什么。
A02 · 最后一个训练检查点,为什么不一定最好
优先看 · 实验复盘
有真实的生成退化、不同训练检查点和解码对照,能把“模型训完之后怎么选”讲得具体。
- **正文保留:**保留同题对照、失败输出和检查点选择;把输入协议、解码设置、权重变化这几种排查分开。
- **删减 / 折叠:**大段遗忘理论、重复消融日志、未经实验验证的机制归因移到附录。主图用记录中的离散结果,不补画虚构的 loss 曲线。
- **主图:**几个检查点的同题输出与通过情况;旁边标出最终选点依据。
- 原稿:SFT OOD 遗忘实验复盘;SFT OOD 遗忘的机理、证据与训练策略。
A03 · 训练答案正确,训练任务也可能写错
诊断案例
一个非常清楚的矛盾:输入要求输出节点修改,答案却给完整设计文档。适合讲训练协议检查,比训练参数大全更容易记住。
- **正文保留:**把 system 的要求、用户任务、监督答案三列并排,展示一次实际错配;再说明推理时应怎样保持同一种任务。
- **删减 / 折叠:**批次编号、任务配置逐条核对、几十个文件路径折叠。协议矛盾是已发现的问题,其造成多少性能损失不预设答案。
- **主图:**同一条样本的“要求 / 输入 / 答案”对照。
- 原稿:Building 48 条 SFT 预测与训练数据诊断;Spec 生成训练交接:数据、切分与生成协议。
A07 · 把修复过程变成训练数据
项目方法
现有 Judge–Fix 文章讲怎样运行修复链路,这篇可以讲模型怎样从修复记录中学会修复,问题不同。
- **正文保留:**一条原始文档、评审指出的问题、修复后的答案;说明怎样排除修复过程新增的错误,以及哪些内容必须保持不变。
- **删减 / 折叠:**不再展开 Router 全流程;多轮中间版本、全量审计和导出字段放附录。
- **主图:**一段多轮修复记录如何收敛成一个训练样本。
- 原稿:Fix Model 训练数据 v01:1,836 条无 CoT SFT;Fix Model 训练数据与监督设计。
A08 · 让设计文档变得可检查
系统设计
从自由文本提取表、字段与引用关系,是连接语言判断和确定性检查的一个具体切口。
- **正文保留:**用一处跨表引用讲清原文证据、结构化表示和检查结果;说明缺失信息怎样保留,而不是自动编造。
- **删减 / 折叠:**所有领域的完整字段表、检查器目录和结构定义折叠。只选一条依赖展示完整过程。
- **主图:**原文中的一句话 → 结构化关系 → 缺失依赖定位。
- 原稿:Domain IR 精简说明;四域 L1/L2 设计复核与历史数据自举第一步 — 2026-07-21。
A10 · 通过评审之后,怎样成为训练数据
数据工程
评审通过只是一个状态,训练还需要统一任务、去重、切分和版本。可以把这些工作串成一条样本的经历。
- **正文保留:**同一条样本从生成、修复、筛选到训练导出的变化;保留按 query 分组切分及评审版本的影响。
- **删减 / 折叠:**数据批次流水账、全量文件清单和每天的统计表移走;只留能说明一次选择的数字。
- **主图:**样本流转图,区分内容版本、评审版本与数据集归属。
- 原稿:Spec 数据集质量工程;Spec 数据版本、运行与训练导出。
2. feishu-internal / Base-AI飞书文档合集 · 场景方案与工程经验
这组不必写成实验报告。产品知识、按需思考和接口设计本身就有价值;用一个业务例子讲清楚设计取舍即可。接口选题同时参考项目里的实际 API 规范。
A04 · 产品知识怎样进入模型
优先看 · 数据设计与阶段记录
最有 Base 场景特色的素材之一:同一条产品能力可以变成事实问答、操作步骤、限制辨别和组合任务。
- **正文保留:**挑一条产品规则,展示它怎样形成不同训练样本,以及每类样本希望教会什么。继续预训练负责领域文本学习,监督微调负责任务行为,二者分开说明。
- **删减 / 折叠:**采集过程、抓取工具、数量反复对账、所有模板配置移到附录。正文讲知识怎样变成能力,不按数据目录讲。
- **主图:**一份产品说明 → 几种不同样本 → 对应能力。
- 原稿:多维表格 Mid-Train:训练类型、数据收集与训练流程;多维表格 Mid-Train:技术与业务深度解析。
A05 · 让 Agent 按需思考
优先看 · 训练方案
原稿问题很好,但近五万字符的一份方案把核心淹没了:直接执行、短思考和重规划,应在什么状态下选择?
- **正文保留:**同一个任务状态的三种动作,以及成功率、返工和总代价的比较;讲清训练先让三个分支可用,再学习选择。
- **删减 / 折叠:**精确 token 配额、所有奖励系数、建议采样比例和大批验收指标放附录。文章以方案推演展开,不用计划指标冒充实验收益。
- **主图:**同状态三分支,返回执行结果后更新下一轮选择。
- 原稿:多维表格 CodeAgent:Auto-Thinking 的 SFT 与 RL 完整训练方案;多维表格 Code Agent 训练体系与 Auto-Thinking 完整解析。
A14 · 为 Agent 设计好用的接口
优先看 · 工程经验
很适合从 Base 提炼成通用工程文章:哪些复杂度应该由工具处理,哪些业务决定必须留给模型。
- **正文保留:**一组接口前后对照;保留唯一调用路径、显式提交、参数校验和可修复错误。用一个创建字段或跨表引用例子讲到底。
- **删减 / 折叠:**完整后端架构、内部协议名和所有接口规范不进入正文;不写 SDK 使用手册。
- **主图:**相同业务意图经过两种接口的调用与错误恢复路径。
- 原稿:AI-friendly SDK API 设计入口;260413:Building Agent 2.0 后端技术方案(WIP)。
3. feishu-internal / 基础设施 · 训练系统
原稿信息很足,适合改为交互式机制图解;平台操作与环境配置留在知识库。
B07 · 多卡训练,究竟把什么切开了
优先看 · 系统图解
原稿的图和解释已经很扎实。把显存、切分对象和通信代价放在一起,很适合做读者能操作的图解。
- **正文保留:**同一个模型分别展示数据、层内矩阵、层间流水线和模型状态分片;区分“装得下”和“跑得快”。
- **删减 / 折叠:**平台操作、所有公式推导、完整容量估算模板和训练日志放附录;先让读者看懂切的对象。
- **主图:**固定一个小模型与四张卡,切换几种切分方式,并显示数据/参数的通信。
- 原稿:大模型训练的并行切分与系统效率:从显存约束到 SFT 与 GRPO 实践。
4. bytetech-community / AI工程 · 跨论文方法与研究思考
沿用该目录已有的“后训练与数据”“环境反馈与自进化”等主题,不另造一套首页分类。这里更适合按问题组织,而不是一篇一篇复述论文。
B03 · 三种训练方法,三种学习信号
优先看 · 方法比较 · 后训练与数据
SFT、在策略蒸馏和强化学习经常被缩写掩盖。现有笔记最值得保留的是:答案由谁产生、反馈在哪里产生。
- **正文保留:**同一个任务下,对照示范答案、学生自己生成后获得教师指导、根据结果奖励更新;再补训练信号落在何处。
- **删减 / 折叠:**算法缩写大全、每一种变体的历史、全部 KL 推导折叠。教师可见信息与优化方向分开,不能混成一个维度。
- **主图:**三条并排的数据流,用一致位置画学生输出、教师反馈和奖励。
- 原稿:On-Policy Distillation:OPD 和 SFT/RL 比较;On-Policy Distillation 方法辨析:OPSD / OPCD / SDPO 与 KL 方向。
C01 · 99% 的概率代表什么
优先看 · 概念与实现 · 后训练与数据
候选项归一化概率与真实可靠性很容易混淆,原稿同时有实现分析和校准材料,能写成一个很聚焦的短篇。
- **正文保留:**一个候选内部概率很高、但候选占总概率质量很低的例子;再解释为什么需要校准,以及何时可以拒答。
- **删减 / 折叠:**逐轮会话问答、各仓库安装步骤、全部训练配方放附录;不复述已有路由模型实验。
- **主图:**全词表概率 → 候选项概率 → 校准后的决策,三层并排。
- 原稿:StartLux-Decision 与类 Jev 决策模型:候选项读出、训练、校准与 RLCR。
C03 · 从选一次,到连续做决定
基础概念 · 后训练与数据
同一业务例子可以把多臂老虎机与多步决策的差别讲透,比数学定义堆叠更适合 Writing。
- **正文保留:**一次工具选择与一串会改变后续状态的操作;标清状态、动作、反馈,以及当前选择为什么影响下一步。
- **删减 / 折叠:**各种扩展模型、长符号表和与主问题无关的证明折叠。
- **主图:**同一任务的一步选择与三步状态变化对照。
- 原稿:多臂老虎机与马尔可夫决策过程:从入门到体系;Markov 家族算法系统教程:从马尔可夫性质到 MDP、HMM 与 MCMC。
B06 · 一条轨迹怎样变成一次参数更新
系统架构 · 后训练与数据
verl 的材料适合把训练系统讲成一条数据的旅行,解释生成引擎和训练引擎为什么需要协同。
- **正文保留:**生成轨迹、打分、计算更新所需信息、优化参数、同步权重的闭环;把编排控制与 GPU 组内计算分层。
- **删减 / 折叠:**逐个类名和源码目录、多个 trainer 模式的完整对照放附录。
- **主图:**一批数据在生成、评估与训练之间流动,权重同步单独画一条线。
- 原稿:verl HybridFlow 架构解读(二次解读版);为什么好的RL 后训练框架这么难写?从源码看 verl 的 HybridFlow。
B08 · 为 Agent 造一个可以练习的环境
方法比较 · 环境反馈与自进化
EnvScaler 与 Agent-World 已有完整解读。最有价值的是环境的状态、工具和验收条件,而不只是合成了多少任务。
- **正文保留:**一个订单或日程环境,从初始状态、可用动作到目标检查;比较环境生成和任务生成各解决什么问题。
- **删减 / 折叠:**全部 benchmark、所有环境列表和仓库审计清单移到附录。
- **主图:**环境骨架与具体任务两条输入,汇入执行轨迹,再用状态检查判分。
- 原稿:EnvScaler 深度解读:把 Agent 训练环境变成可执行程序、任务和验证器;Agent-World 深入解读:把环境扩展接入 Agent 的持续训练闭环。
A15 · 让人更容易接手的 Agent
个人研究思考 · 环境反馈与自进化
这份材料有自己的观点:减少人的澄清、监督和返工成本,比单纯增加自主执行轮数更有意义。
- **正文保留:**一次任务从目标确认、关键干预到交付证据的过程;再说明哪些纠正进入 Skill,哪些需要训练。
- 删减 / 折叠:“下一代”“双层自进化”等大框架只留必要部分;不把所有自治、治理、记忆和训练话题装进一篇。
- **主图:**人和 Agent 的两条泳道,突出干预点、验收与经验沉淀。
- 原稿:从“会做”到“会共同进化”:下一代 Agent 的人机协作与双层自进化。
5. bytetech-community / 讲座与论文 · 机制图解
Foundation Models 合集里有不少已经核对过方法、代码和实验的解读;GUI 轨迹调研也在这一目录。下面优先选“一张图能说清关键关系”的内容。
C04 · 把训练轨迹展开成一棵树
优先看 · 方法比较
树形 rollout 的共同前缀、分叉位置和奖励传播很适合画图;不同论文的差别比逐篇摘要更有阅读价值。
- **正文保留:**独立采样与共享前缀树的对照;明确分叉发生在完整动作还是 token 片段,以及奖励如何分配。
- **删减 / 折叠:**分开讲每篇论文的完整背景和公式会重复。正文固定同一个例子,实验仅比较口径相同的结果。
- **主图:**同样数量的终点,独立链与共享树并排;用不同标记区分动作级/片段级分叉。
- 原稿:Tree-GRPO:把 Agent rollout 从独立链改成共享前缀树;TreePO:用分段树采样同时优化 rollout 成本与信用分配。
C05 · 工具不可导,Agent 怎样学习
优先看 · 机制图解
这是合集里非常适合先写的一篇:一个明确疑问,一张图就能解释工具调用与策略梯度的关系。
- **正文保留:**采样阶段记录轨迹,更新阶段重新计算模型输出概率;工具返回作为上下文、哪些 token 参与策略损失要画清。
- **删减 / 折叠:**多套框架代码、重启与恢复的长问答、重复数学推导放附录;主体保留一个必要公式即可。
- **主图:**上层画执行轨迹,下层画训练计算图;只在模型计算部分画梯度箭头。
- 原稿:多轮 Agentic RL 的梯度到底怎样回传。
C06 · 从一次失败中提炼 Skill
优先看 · 方法解读
Trace2Skill 把“积累经验”拆成局部失败定位、规则生成和合并,正好能把记忆与可执行经验区分清楚。
- **正文保留:**一个失败片段怎样变成适用范围明确的规则,再怎样与已有规则查重、消解冲突并验证迁移。
- **删减 / 折叠:**论文宣传语、全部模型排行榜和重复示例移到附录;不把个别分项最大收益当整体提升。
- **主图:**失败片段 → 修复经验 → Skill 合并 → 新任务检验。
- 原稿:Trace2Skill:从局部轨迹蒸馏可迁移技能,但 57.65pp 只是一个 OOD 单元格。
C08 · 评分提高之后,还要检查什么
评估方法
奖励投机、评分器偏好和真实任务质量的区别值得独立解释,可给现有评审文章补上更一般的思考。
- **正文保留:**一个回答更讨评分器喜欢、却没有更好完成任务的对照;区分标准漏项、判断错误与主动利用漏洞。
- **删减 / 折叠:**夸张论文标题、所有攻击类型和泛泛的安全讨论移走;保留影响结论的测量条件。
- **主图:**任务结果与评分信号两条反馈路径,标出发生偏离的位置。
- 原稿:Contrastive SDF 深度解读:模型行为对 Grader 奖励信念的因果敏感性;Rubric-Based RL 的两层奖励黑客:验证器失灵与规则缺口。
C09 · 工具接口怎样改变 Agent 的表现
接口比较
可以比较相同任务在终端、结构化工具和专用接口下的执行代价,与“为 Agent 设计接口”形成不同层级的文章。
- **正文保留:**可发现的动作、参数表达、返回信息和错误恢复四项;展示一条实际任务在不同接口下的轨迹。
- 删减 / 折叠:“某接口全面胜出”的排名式叙事、协议大全和部署指南折叠。模型与工具覆盖范围必须一起看。
- **主图:**同一任务的并排执行路径;区分传输协议、命令接口和代码库层级。
- 原稿:SWE-agent:ACI 设计确实有效,但“十倍战斗力”需要限定比较对象;StarShell:API 覆盖充分时,终端 Agent 常有最佳性价比。
C14 · 小模型何时把任务交给大模型
方法解读
PyroDash 讨论生成过程中的转交,与已有“请求进入前选择模型”的路由文章不同。
- **正文保留:**小模型先生成一段,决定是否转交,大模型怎样承接;同时展示成功率与总成本。
- **删减 / 折叠:**完整工程配置、无关路由算法综述和重复 benchmark 表格折叠。
- **主图:**请求前路由与生成途中转交,两条时间线对照。
- 原稿:PyroDash 深度解读:让小模型在推理途中决定何时把思路交给大模型。
C15 · GUI 训练轨迹从哪里来
方法比较
OS-Genesis 与 AgentTrek 的调研已经组织得较完整:一边从环境交互获得任务,一边从教程获得执行目标,比较轴很清楚。
- **正文保留:**两种来源各取一个例子,保留任务构造、动作记录、轨迹验证和训练数据的关系。
- **删减 / 折叠:**论文全套背景、重复术语表、所有实验表移到附录;不把两种路线拼成一个实际运行过的管线。
- **主图:**环境探索与教程驱动两条路径,分别汇入可验证的轨迹。
- 原稿:Agentic 轨迹数据合成调研报告:OS-Genesis × AgentTrek。
C17 · 给多模态模型一块可读写的空间
模型机制解读
S-Space 的材料不仅有概念,还核对了代码和张量关系,适合从注意力之外扩展一篇有鲜明机制的文章。
- **正文保留:**空间表示怎样进入模型、怎样读取或更新、怎样参与任务输出;保留张量轴与实际操作的对应关系。
- **删减 / 折叠:**全量代码走读、所有配置和跨论文背景折叠;用具体任务解释抽象空间。
- **主图:**视觉/文本输入、空间表示及读写操作的关系。
- 原稿:S-Space 深化解读:多模态模型里的可读写空间工作区;《S-Space: Exploring Spatial Workspace in Multimodal Models》精读笔记。
6. engineering-basics 与 learning · 工程和学习实践
这一组优先讲可复用的做法。基础命令、环境安装、平台手册继续留在知识库,不需要每份都变成博客。知识整理选题跨这两个目录与论文整理手册取材。
D01 · 一篇长文,怎样整理成能复用的知识
个人实践
这次本地整理本身就有可写的经验:核验原文、重建机制、画图、再把证据留下,而不是只生成一份摘要。
- **正文保留:**选一篇确实整理过的文章,展示从原文到问题、机制图、实验对照和回链的变化。
- **删减 / 折叠:**全部技能命令、批处理日志、索引脚本和知识库目录介绍放附录。不要写成“我的知识库全景”。
- **主图:**同一材料的整理前后对照,证据回链画在旁边。
- 原稿:知识文档整理与技术画图作业手册;Learning · 数学、算法与科研连接。
7. 其他好材料,怎样继续用
作为后续专题或合并取材
这些材料并不差。它们有的更专门,有的与重点候选重叠;先留在选题池,不强行都写成独立文章。
| 编号 | 知识库分类 | 主题 | 建议处理 |
|---|---|---|---|
| A06 | feishu-internal / Base-AI | 先做设计再写代码,奖励怎样分配 | 两阶段任务的奖励归属值得写;可以在按需思考之后,进一步讲训练设计。 |
| A12 | project-notes / 环境反馈与自进化 | 几个小模型怎样互相提供学习信号 | 研究构想有特色;选定一个同状态对比实验作为中心,不铺开所有多 Agent 形式。 |
| A13 | 项目代码 / App Mode | 从数据表到应用页面,计划要增加什么 | 适合更垂直的业务读者;用一页应用展示页面、数据范围和权限的依赖。 |
| B01 | feishu-internal / 同事分享 | Agent 的不同更新方式 | 权重、Skill、Harness、任务分布的区别可作为 A15 的一张对照图;先不另写总论。 |
| B02 | feishu-internal / 同事分享 | 数据、技能与任务的协同更新 | 保留分享里的重要观点,优先支撑 A15、C06;和 B01 不再重复开两篇。 |
| B09 | bytetech-community / AI工程 | 执行型 Agent 的权限与控制 | 可收窄为一次有副作用操作的审批和撤销,避免变成企业治理功能清单。 |
| C02 | bytetech-community / AI工程 | 组相对策略优化的改进改在哪里 | 用同一批候选标注奖励、优势、裁剪和采样的改动;适合进阶读者。 |
| C07 | bytetech-community / 讲座与论文 | 自动优化 Prompt 与自动修改 Harness | 把优化对象、评测、晋升规则放一起比较;现有 Spec 文章已经讲过一部分,先检查是否足够形成新篇。 |
| C10 | bytetech-community / 讲座与论文 | 同一个 Skill 为什么依赖模型与任务 | 优先作为 C06 的迁移验证部分,不另开一篇概览。 |
| C13 | bytetech-community / 讲座与论文 | 怎样公平比较不同训练方法的泛化 | 适合 B03 后续;控制数据、基座与算力再讨论收益,不做论文分数拼盘。 |
| C16 | bytetech-community / 讲座与论文 | 世界模型如何参与行动 | Dreamer、Genie 等材料都好,但跨度很大;先选预测、规划或控制中的一个问题。 |
| C18 | learning / 模型架构 | 从注意力到整套模型结构 | 现有注意力文章已有基础;后续只讲专家路由、训练目标等新增结构。 |
| D03 | engineering-basics / AI协作 | 从一个循环理解 Agent 运行时 | 适合入门读者;保留工具调用、任务状态与隔离三个递进,教程章节不用全搬。 |
| D04 | 项目资料 / 数据工程 | 数据合成框架负责什么 | 保留任务依赖、并发和数据校验;以一个实际合成任务说明框架与领域逻辑的分工。 |
| D05 | engineering-basics / AI协作 | 小型 AI 工作台的计算与服务组织 | 更偏个人基础设施兴趣;已有资料含他人的 Homelab 案例,适合方法介绍而非写作个人部署实录。 |
优先补进现有文章
这里是八个补充方向,并非要再写八篇。现有站点文章继续使用 当前 Writings 的入口。
| 编号 | 新材料 | 补到哪篇 | 只补什么 |
|---|---|---|---|
| A09 | 评分标准冻结与版本 | 规则评审模型 | 保留为什么同轮训练要用同一套标准;不要重复全套模型训练流程。 |
| A11 | 设计通过与产物失败 | Spec 修复 / 规则评审模型 | 补一条跨层失败案例,让两个评审对象的区别更直观。 |
| B04 | Prompt / Skill 的评测维护 | Spec 生成 | 补一个改动、回归与保留决策,不再复述自动优化循环。 |
| B05 | 上下文压缩的实现 | Agent 记忆 | 补压缩前后保留什么、怎样继续任务;细碎历史计数不进正文。 |
| B10 | 打分与候选选择 | Spec 修复 | 补选择机制及对应实验,注意打分可靠性和选择收益并非同一个指标。 |
| C11 | 外部记忆与参数学习 | Agent 记忆 | 用一张对照图讲存在哪里、什么时候更新、怎样影响下一次任务。 |
| C12 | 上下文选择与工作集 | Agent 记忆 | 补信息选择和重读,不再新写一个“上下文工程大全”。 |
| D02 | 实验版本、记录与工作区 | 自动化开发流程 | 补一个候选从隔离运行到验收交接的案例。 |
暂不做
**A01 · 从一句需求到可用的业务系统:**不做共同入口,也不另写覆盖现有几篇文章的总览。团队全景文档继续作为内部理解和选题背景。
8. 原稿改写示例
下面是压缩方向,不是已经完成的文章或实验。
| 原材料 | 原稿的展开方式 | Writing 的中心 | 读者最后应该明白 |
|---|---|---|---|
| Auto-Thinking 训练方案 | 三种模式、数据配比、奖励、指标、工程与验收全部展开 | 同一状态下,直接做、短思考和重规划有什么代价与收益 | 多想是否值得,要看能否改善后续行动 |
| OPD 方法比较 | 多个算法、训练目标、变体和讨论记录 | 学生在哪种状态下输出,老师在什么位置提供信息 | 不同训练方法的差别首先在学习信号 |
| 多卡训练与系统效率 | 显存公式、并行方式、配置、实测和平台操作 | 同一模型分别切数据、矩阵、层与模型状态 | 切分对象不同,通信和显存代价也不同 |
| SFT 协议诊断 | 配置核查、样本审计、日志和排查清单 | 一条样本中,“要求做的事”和“答案在做的事”不一致 | 先确认训练任务,再解释训练效果 |
| Trace2Skill 解读 | 算法、实验、模型和迁移结果逐项展开 | 一次局部失败怎样变成下一次可执行的经验 | 有用的 Skill 需要适用条件、修复动作和迁移检验 |
资料与后续
- 完整文件清单仍在 资料索引 CSV,可按候选编号查原稿。索引保留上轮的文件扫描与抽读范围;本轮主要重排选题与压缩重点,没有宣称逐篇精读全库。
- 本版覆盖原来的 48 个方向:24 个重点候选、15 个储备或合并方向、8 个已有文章补充方向、1 个暂缓入口。
- 下一步由你选择题目。选中后再核对关键实验与论文原始证据,决定正文和附录,不提前批量生成博客。
- 飞书与项目资料按内部材料对待;正式对外写作时提炼通用方法、去除内部标识,并确认可公开范围。引用同事或论文的方法保留归属。