03 / Knowledge in motion

Garden

这里放尚未想完的问题。笔记会写出当前理解、疑问和下一步想验证的事；资料来自原论文或公开仓库，内容会随阅读继续修订。

数学与深度学习：把公式接回直觉

线性代数、微积分与深度学习的学习笔记；更在意一个公式在什么假设下成立、哪里会失灵。

把检索、图、队列与缓存放回具体任务，而不是只背算法名称。学习仓库记录了这一条基础路线。

从人类偏好反馈到 DPO，我想弄清优化目标与真实想要的行为之间会留下多大缝隙。

从图像和语言到动作，还隔着接触、时延和环境变化；我想盯住模型失败后如何重新观察。

一次工具调用最好留下目标、观察、状态变化和未验证部分；否则漂亮的行动轨迹很难复盘。

我想把 Agent 的记忆拆成三个可检查的动作，而不是把所有对话扔进向量库。