机器学习的方法论总论
本文提出了一套机器学习方法论的统一框架，将学习算法拆解为十八个节点、四大块，以回答PCA、Transformer等不同方法在方法论上的异同。作者指出传统教科书定义、CRISP-DM流程和Domingos三元组的不足，特别是将“优化”作为第三列命名的问题，并引入闭式解、特征分解、积分等七种参数确定方式。文章详细阐述了定题与构造的前九个节点，包括三层代理（W/M/L）、目标与数据顺序、函数族、归纳偏置、参数化形态等，强调组合视角和归纳偏置的重要性。
全部文档 / 作者: snowboat / 标签: 方法论
9 篇
AI for Physics 全景图
文章探讨了AI在物理学领域的应用现状与瓶颈。作者将物理学研究分为解析求解、数值模拟、有效理论构造等五条路线，指出AI在受限于计算能力的领域（如分子模拟、引力波参数估计）取得了显著的“化解”与“新能力”突破；但在依赖概念创新和理论构造的领域，AI仍进展甚微。文章通过重新梳理物理学家的工作方式，提供了一个评估AI实际价值的新视角。
我打造的个人AI系统：哲学基础
作者介绍了其构建的“Vibe OS”个人系统架构的哲学基础。核心原则是“人永远站在系统之外”，区分了AI负责的“工具理性”与人的“价值理性”。文章详细阐述了输入端“脉搏学习”与“深潜学习”的双轨制，以及输出端以写作为思考验证、以产品解决真实需求的方法，最终提出了“由己及人”的个人市场演化路径。
当物理遇上AI：深度学习里的物理元素（上）
文章探讨了物理学与人工智能（特别是深度学习）之间的深刻联系。作者指出，神经网络本质上是一个类似于物理学中的“多体系统”，因此统计力学的语言天然适用于描述AI。文章详细拆解了能量最小化、Softmax（玻尔兹曼分布）、交叉熵（信息熵）、VAE（自由能）以及最大熵原理等核心AI概念背后的物理学渊源，揭示了从蒸汽机到神经网络的知识传承。
大航海时代2的逆向工程实验：AI辅助下的数据考古与设计原语提取
本文记录了一次利用AI辅助对《大航海时代II》进行逆向工程的实验。作者旨在验证AI在处理二进制散乱数据、构建可验证结构图方面的能力，并探索90年代设计师在低算力下的设计智慧。实验中，AI承担了80%的数据整理、归纳与对齐工作（脏活主力），而作者则专注于20%的关键逻辑判断。文章详细拆解了从文件盘点、资源解包到SNDT脚本结构分析的全流程，提炼了一套AI时代的逆向方法论。
我见青山多妩媚：二十世纪数学史（上）
本文回顾了二十世纪上半叶数学发展的核心脉络。不同于十九世纪的开荒式扩张，二十世纪数学转向对代数、几何、分析及基础的系统化与结构化。文章重点讲述了代数如何从解方程演变为研究结构，涵盖了诺特及其对对称性与守恒量联系的证明、抽象代数的建立、范德瓦尔登《代数学》的普及、布尔巴基学派的结构主义风格，以及范畴论对“结构之间的关系”的探索。文中强调了物理学和计算机作为两大外部力量对数学发展的深刻塑造。
气吞万里如虎：回顾十九世纪的数学英豪们
本文回顾了十九世纪数学史的波澜壮阔。文章指出，十九世纪数学家们将数学从描述世界的工具转变为创造世界的工具，彻底改写了“数学是什么”。重点阐述了非欧几何的诞生（罗巴切夫斯基、鲍耶、黎曼）如何解放了几何学，使其不再局限于描述经验世界，而是研究空间结构与公理本身。这些变革为二十世纪的相对论、量子力学及计算机理论奠定了核心基础。
全网最详细的AI学习路线图
文章由物理转行AI的大厂工程师撰写，针对AI自学者常见的盲目学习问题，提出先明确目标（算法或工程）和形式（写论文或做项目）的两大核心问题。作者指出2026年AI领域论文供给过剩，建议大多数人转向以工程落地为主的学习路径。文章详细拆解了传统机器学习、CV、NLP/LLM、推荐系统四大工业界方向，并结合数据分析了就业市场需求。最后，作者提倡使用“三三制”项目驱动法和“Vibe Coding”配合费曼学习法的高效学习策略。