追踪失败，而非只看均值
同一个方法，究竟在哪一类输入上反复失败？
复现一个可运行的基线。把错误按输入长度、稀有类别、噪声、分布变化或负载分组，保存原始样本与日志。优先解释重复出现且有实际代价的模式。
- 留下什么
- 一张分组结果图 + 一组可重现的失败样本
- 容易误判的地方
- 只挑几个坏例子会夸大问题；在独立样本上检查发生频率。
RESEARCH / IDEA NOTEBOOK
计算机研究，如何想出好 Idea？从一个反常现象，到一个值得验证的新问题。
先找具体、重要、尚未解释清楚的问题，再寻找解法。读论文、跑基线、观察真实使用、推演理论边界，都可以是起点。
开始写一页纸按方向练习如何想 Idea
查看全部 28 个案例 ↗01 / 从方向到问题
“做大模型”是方向，研究问题还要再走几步。
方向
我想做 RAG。
确定兴趣范围。问题
新旧证据冲突时，答案会受什么影响？
指定场景与可观察现象。假设
冲突没有进入决策过程，可能导致错误作答。
提出可被区分的原因。验证
固定检索结果，控制冲突，比较风险与覆盖率。
用结果决定是否继续。上面是教学推演，问题是否新、机制是否成立，都需要另行查新与验证。
一个可操作的问题句式
在 ［具体场景与约束］ 下，现有 ［方法］ 出现 ［有证据的问题］。我怀疑原因是 ［机制 / 假设］；如果成立，改变 ［变量］ 应当带来 ［可测预测］。
新手可以先选一个能运行、能解释评价指标的小任务，围绕一组失败样本问“为什么”。理论研究则可以从一个清晰定义、一个尚未闭合的界或一个反例开始。问题一开始不必宏大，但需要知道答案为什么有用。
02 / 从哪里找
六种寻找 Idea 的入口
这些是本站整理的工作方法。每次选一个入口，产出可检查的材料；读到论文的 future work 后，还要确认该问题今天是否仍然存在。
把默认假设写出来
如果这个假设不成立，结论还成立吗？
从论文的方法、证明和数据处理里提取前提：标签完整、数据独立同分布、上下文可靠、网络稳定、用户愿意配合。一次改变一个有现实依据的条件，画出方法开始失效的边界。
- 留下什么
- 假设清单 + 条件变化下的性能或误差曲线
- 容易误判的地方
- 随意造一个极端场景不等于重要问题；先说明该条件在哪里发生。
测量真正的瓶颈
限制效果的是算法、数据、内存、通信，还是人的操作成本？
先做 profiling 或流程观察，把总耗时和资源消耗拆开。围绕主要瓶颈提出机制，并估计即使完全消除它，端到端最多能改善多少。
- 留下什么
- 开销分解 + 可实现的改进上界
- 容易误判的地方
- 只优化占比很小的模块，可能局部快很多、整体几乎不变。
追问相反的结论
两篇论文为什么得出不同结论？指标是否掩盖了真实效果？
对齐数据划分、预算、预处理和指标后复查差异。检查平均分与长尾、离线分与真实任务成功率是否一致，尝试用一个可控变量解释冲突。
- 留下什么
- 可对照的复现实验 + 差异来源说明
- 容易误判的地方
- 复现失败先排查实现与环境；不能直接断言原论文错误。
迁移机制，而非拼装名字
另一个领域的方法解决了什么结构相同的问题？
先写两边共享的结构：例如有限预算下的选择、延迟反馈、局部信息决策。指出原机制迁移后哪条前提失效，以及必须怎样改造。
- 留下什么
- 结构对应表 + 必要改动 + 简单迁移基线
- 容易误判的地方
- A + B 可以是候选方案；研究贡献要靠必要性、差异和证据建立。
删掉复杂性，寻找边界
这个组件真的必要吗？现有保证究竟能推广多远？
经验方向逐项移除模块，检查收益是否来自训练预算或数据。理论方向先写清计算模型与假设，从小规模反例、特殊情形或上下界间隙入手。
- 留下什么
- 最小充分方案，或反例 / 引理 / 条件边界
- 容易误判的地方
- 没发现显著差异不等于等价；有限规模枚举也不能替代普遍证明。
读论文时，具体记什么才容易长出 Idea？
选一篇任务定义或基线论文、一篇代表性强方法，再找一篇提出限制或相反结论的工作。篇数只是起步方式，不是查新完成标准。
- 问题：到底要解释或解决什么？对谁重要？
- 依赖：方法成立要什么数据、标签、预算、硬件或用户行为？
- 关键选择：为什么这样设计？换成最简单方案会怎样？
- 证据：哪张图或哪个定理最支撑结论？还没覆盖什么条件？
- 我的检查：写一个反例、一个竞争解释或一个最小实验。
每条笔记保留页码、图号和链接。读完尝试画出方法流程，并预测“改变某个条件后会发生什么”，再去代码或数据里检查。
03 / 向已发表工作学习提问
两个真实案例：创新来自把问题看清楚
评测与现象 · 2023
Lost in the Middle
论文在多文档问答和键值检索任务中改变相关信息的位置，发现所测模型的表现会随位置变化，尤其在长上下文中间位置退化。
可以学的动作：把“能接收长输入”拆成“能否利用不同位置的信息”，通过受控评测揭示能力边界。这里的提问与评测设计本身就有价值。
这是论文在其模型与任务设置下的发现；不能直接推广到今天所有模型。仅重复同一现象，也不能据此声称新贡献。
Lost in the Middle · Liu et al., 2023 ↗算法与系统 · 2022
FlashAttention
论文指出，减少注意力计算量不一定带来实际加速，GPU 内存层级之间的读写也需要计入。其通过分块减少 HBM 与 SRAM 之间的数据搬运，设计精确注意力算法。
可以学的动作：先查实际瓶颈，再选择优化目标。研究问题从“怎样少做计算”进一步变成“怎样适应真实的内存层级”。
IO 感知注意力已是已有研究。本例用于学习问题重构，不代表这里发现了新的加速方向。
FlashAttention · Dao et al., 2022 ↗04 / 选择你的方向
把模糊想法，推演成可验证的问题
以下六个案例都是教学假设，未完成针对候选方案的查新，也没有实际结果。重点看如何定位原因、做公平比较，以及什么证据会让自己改变想法。
大模型 / RAG证据冲突时，系统为什么仍然自信作答？＋
初始想法：做一个更强的 RAG，加一个 Agent。
- 具体场景与价值
- 面向有版本更新的技术文档问答。在证据冲突时，用户需要正确区分版本，或得到可解释的拒答。
- 观察与证据
- 教学设想，尚未观测：同一问题检索出新旧两版说明时，系统可能采用过时结论。先保存问题、证据、时间信息、答案和模型版本。
- 原因假设与预测
- 候选解释：证据间的冲突未参与回答决策。预测：在检索集合不变时，显式检测冲突并设置拒答机制，可能降低错误作答风险。
- 竞争解释
- 也可能只是正确证据没被检索到、时间标签缺失、上下文顺序偏差，或答案评判不可靠。需分别控制。
- 最近相关工作与查新
- 待查：冲突证据处理、时间感知 RAG、选择性预测与拒答。逐篇比较冲突定义、可用元数据、拒答策略和评估方式；不能把已有拒答机制当新贡献。
- 候选贡献
- 候选贡献待查新：某一明确冲突条件下的失效分析，或在固定回答覆盖率下更可靠的决策机制。单纯加检测器尚不能确立创新。
- 公平比较
- 普通 RAG、按时间过滤的简单规则、可运行的相关拒答方法；固定模型、检索结果、token 预算并计入额外调用成本。
- 最小验证
- 先构造一小组可人工核验的新旧证据对和无冲突对。只改变冲突程度，分开开发集与未参与调参的测试集。比较相同覆盖率下的错误风险，并检查来源支持度、延迟与成本。小样本先判断方向，正式结论需扩大验证。
- 推翻或停止条件
- 若时间过滤已解决问题，或增益在控制检索质量后消失，就放弃当前机制解释。若只能靠大量拒答降低错误，也不能声称整体更可靠。
- 资源与下一步
- 先用一个可复现的小模型或固定版本 API，人工核验有限的文档对；第一步确认冲突现象真实存在，再估算扩大评估的成本。
起步检索词
retrieval augmented generation conflicting evidence abstentionRAG selective prediction contradiction evidence用问题与机制分别检索，再沿引用和被引扩展；这些检索词不代表已查明新颖性。
在一页纸中载入该方向示例 ↓视觉 / 多模态图像和文字冲突时，模型到底相信谁？＋
初始想法：给多模态模型加注意力，提升鲁棒性。
- 具体场景与价值
- 图文内容不完全一致的识别任务，关注模型能否依据真正与任务相关的模态作答。
- 观察与证据
- 教学设想，尚未观测：图片不变，只修改无关配文，答案可能跟着变化。需要配对样本和可核验标签。
- 原因假设与预测
- 候选解释：模型依赖训练中的文字捷径。预测：改变无关文字的影响大于改变真正的视觉证据，且这种差异在控制语义后仍存在。
- 竞争解释
- 文字可能确实包含任务所需信息；图像可能不可辨认；配对编辑也可能引入额外线索。
- 最近相关工作与查新
- 待查：模态偏置、跨模态冲突、反事实评测和相关鲁棒训练。比较已有基准是否已覆盖相同干预与结论。
- 候选贡献
- 候选贡献待查新：可靠的诊断协议与明确的失效边界；若设计训练策略，还需说明为什么比现有数据增强更有效。
- 公平比较
- 原模型、图像单模态、文字单模态、简单文字屏蔽 / 数据增强；固定基础模型与训练预算。
- 最小验证
- 建立配对的四种条件：图文一致、仅文字冲突、仅图像变化、无关文字变化。人工检查标签和编辑质量。按原始样本分组划分数据，比较配对差异、各条件准确率及正常样本代价。
- 推翻或停止条件
- 若效应由错误标签、编辑痕迹或任务本来需要文字解释，放弃文字捷径假设；若简单屏蔽已取得相同收益，重新审视复杂方案。
- 资源与下一步
- 先使用已有可访问模型和小规模人工审核样本，确认诊断协议有效后再考虑训练。
起步检索词
vision language models modality conflict text biasmultimodal counterfactual evaluation spurious correlation用问题与机制分别检索，再沿引用和被引扩展；这些检索词不代表已查明新颖性。
在一页纸中载入该方向示例 ↓系统 / 网络平均延迟很低，为什么高峰期仍然卡顿？＋
初始想法：使用 AI 优化调度，让系统更快。
- 具体场景与价值
- 长短任务混合的服务队列，在固定硬件与到达负载下关心尾延迟、吞吐量和长任务公平性。
- 观察与证据
- 教学设想，尚未观测：均值改善但短任务 p99 恶化。先分解排队时间、实际服务时间和资源利用率。
- 原因假设与预测
- 候选解释：长任务占据队头造成阻塞。预测：在可区分任务大小时，有限度分流能降低短任务等待，同时保持长任务可接受的完成时间。
- 竞争解释
- 也可能是垃圾回收、锁竞争、I/O 抖动或已经过载；若判断错瓶颈，改调度不会解决。
- 最近相关工作与查新
- 待查：队头阻塞、大小感知调度、多级反馈队列和尾延迟优化。该现象和常见策略已有大量研究，需要找到尚未覆盖的具体约束。
- 候选贡献
- 候选贡献待查新：未知任务大小或估计有误的约束下，某个可解释的延迟与公平性权衡；仅实现短任务优先没有新意证明。
- 公平比较
- FIFO、简单大小感知策略、适用的当前调度方法；使用相同硬件、请求轨迹和预热规则，计入预测及调度开销。
- 最小验证
- 先在模拟器或可控本地服务上改变长短任务比例与到达负载。固定服务时间分布，测各类任务延迟分布、吞吐量、最长等待与调度开销，重复独立轨迹。固定到达过程，避免变慢后发出的请求也随之减少而低估排队。
- 推翻或停止条件
- 若主要耗时不在排队，或者短任务获益来自长任务饥饿，就停止当前方案。若预测开销抵消收益，也不能只报告队列内部指标。
- 资源与下一步
- 普通 CPU 上先做可控负载诊断；第一步是开销分解，不依赖先训练调度模型。
起步检索词
mixed workload head of line blocking tail latency schedulingsize aware scheduling starvation p99 latency用问题与机制分别检索，再沿引用和被引扩展；这些检索词不代表已查明新颖性。
在一页纸中载入该方向示例 ↓软件工程测试明明通过了，修复为什么还是错的？＋
初始想法：用大模型自动修 bug，再加一个验证 Agent。
- 具体场景与价值
- 自动程序修复中，补丁通过现有测试但仍可能违背程序意图，开发者需要更可靠的补丁筛选。
- 观察与证据
- 教学设想，尚未观测：部分候选补丁通过原测试，却在独立边界测试失败。需保存失败用例和人工核验记录。
- 原因假设与预测
- 候选解释：补丁过拟合可见测试。预测：加入独立构造的行为约束，能在相同候选预算下提高补丁筛选精度。
- 竞争解释
- 独立测试的预期结果可能错误；测试生成器和修复器也可能共享同一种盲点。
- 最近相关工作与查新
- 待查：补丁过拟合、补丁正确性评估、差分测试、性质测试及 LLM 修复验证。特别查是否已有相同的约束来源和筛选策略。
- 候选贡献
- 候选贡献待查新：一种有独立依据的验证信号及其适用边界。新增一个 Agent 角色本身不构成验证信号。
- 公平比较
- 只用原测试、简单额外测试、可复现的补丁验证方法；固定修复模型、候选数量和总生成预算。
- 最小验证
- 在可公开复现的历史缺陷上回放修复；独立隐藏测试不提供给生成或调参阶段。按项目划分数据，报告正确补丁保留率、错误补丁通过率、人工复核一致性和额外成本。
- 推翻或停止条件
- 若收益来自隐藏测试泄漏，或增加同等测试预算就能取得相同结果，放弃所声称的机制优势。
- 资源与下一步
- 先挑少量有明确规范的缺陷，建立可重复测试环境；先核验判定器可靠性，再扩大项目范围。
起步检索词
automated program repair plausible patches overfitting independent testsLLM program repair patch correctness test leakage用问题与机制分别检索，再沿引用和被引扩展；这些检索词不代表已查明新颖性。
在一页纸中载入该方向示例 ↓人机交互展示 AI 的依据，会帮助用户纠错吗？＋
初始想法：做一个有解释功能的 AI 助手。
- 具体场景与价值
- 用户借助 AI 完成有可核查答案的任务，需要在节省时间和发现错误之间做选择。
- 观察与证据
- 教学设想，尚未观测：用户可能阅读了说明，却没有核对原始依据。先通过试用观察与访谈明确使用过程。
- 原因假设与预测
- 候选解释：核验成本影响用户是否纠错。预测：降低定位原始证据的操作成本，可能提升错误发现能力，但也可能拖慢任务。
- 竞争解释
- 变化也可能来自界面新鲜感、额外提示或参与者对实验目的的猜测，而非证据核验。
- 最近相关工作与查新
- 待查：人机协作、自动化依赖、解释界面、证据核验与交互成本。比较人群、任务风险、界面操作和结论范围。
- 候选贡献
- 候选贡献待查新：核验成本如何影响依赖行为的证据与设计原则。做出界面只是研究材料，尚未形成贡献。
- 公平比较
- 仅答案、文字解释、可直接定位来源的解释；保持底层 AI 答案、可见信息与正确 / 错误题比例一致，区分信息差异与交互差异。
- 最小验证
- 先做流程试用修正任务，正式研究按设计估计样本量并控制顺序效应。记录任务正确率、对正确和错误建议的依赖、完成时间及核验行为，结合访谈解释原因；涉及参与者时按机构要求处理同意与审查。
- 推翻或停止条件
- 若只提高主观信任而未改善判断，不能称为提升可靠性；若用户无法完成任务，应先修正任务或界面。
- 资源与下一步
- 先验证任务与交互可操作，招募和正式数据采集留出独立时间；试用结果不直接推为普遍用户结论。
起步检索词
human AI decision making explanations overreliance calibrated relianceAI explanation source verification cognitive effort user study用问题与机制分别检索，再沿引用和被引扩展；这些检索词不代表已查明新颖性。
在一页纸中载入该方向示例 ↓算法 / 理论当预测不准时，算法的保证还剩多少？＋
初始想法：把机器学习加到一个经典算法中。
- 具体场景与价值
- 使用外部预测的在线决策问题，预测准确时希望获益，预测错误时仍需要可解释的最坏情况保证。
- 观察与证据
- 教学设想，尚未证明：某个理想预测假设一旦被轻微破坏，已有推导可能不再适用。需要明确指出证明中依赖它的步骤。
- 原因假设与预测
- 候选命题：在明确定义的误差模型下，采用限制预测影响的策略，可能获得依赖误差大小的性能界。
- 竞争解释
- 误差定义可能掩盖困难实例；已有定理可能通过变量替换就包含这个命题。
- 最近相关工作与查新
- 待查：学习增强算法、一致性与鲁棒性权衡、对应在线问题的上下界。逐项对齐计算模型、对手能力和误差定义。
- 候选贡献
- 候选贡献待查新：更弱假设下的保证、紧界、反例或不可能性结果；需要严格比较已有界。
- 公平比较
- 无预测的经典算法、已有预测算法与相同模型中的已知界。经验对比只能补充理论分析。
- 最小验证
- 先写形式化定义，枚举小实例寻找反例，再尝试证明一个受限情形的引理。检查零误差和极大误差两端；将小实例计算作为找反例工具，普遍命题仍需证明。
- 推翻或停止条件
- 找到满足全部假设的反例即可推翻当前命题。若现有定理已覆盖结果，应改问更弱条件、紧性或其他尚未回答的问题。
- 资源与下一步
- 先用纸笔和小规模枚举检查定义与边界，设定完成一个引理或反例的短周期，再决定是否扩大问题。
起步检索词
learning augmented algorithms consistency robustness prediction erroronline algorithms imperfect predictions lower bound用问题与机制分别检索，再沿引用和被引扩展；这些检索词不代表已查明新颖性。
在一页纸中载入该方向示例 ↓05 / 新在哪里，值不值得
创新性要和最近相关工作逐项对照。
先从主题词扩展到问题词、机制词与邻近领域术语。用学术检索找到论文，用 GitHub 核对实现与实际问题；社区帖子可以提供线索，但新颖性判断要回到原论文和最新工作。
- 写两组词。一组描述问题，例如“冲突证据 + 拒答”；一组描述机制，例如“选择性预测 + 置信校准”。中英文与同义词都试。
- 锁定最接近的工作。先精读 3–5 篇与问题或机制最接近的论文，再向其引用、被引、作者后续工作和近期预印本扩展。
- 做差异矩阵。同一套列记录每篇论文和自己的候选方案；不只比较标题或摘要。
- 主动寻找反证。检索“你的方法换一个名字”的可能性。记录检索渠道、检索式、日期和未覆盖范围。继续研究期间定期复查。
| 比较维度 | 具体记录 | 追问差异 |
|---|---|---|
| 问题与条件 | 任务、人群、数据分布、约束 | 新条件会改变原来的解法吗？ |
| 假设与机制 | 依赖什么，关键改动是什么 | 是必要的改变，还是已有机制重命名？ |
| 已有证据 | 结果、证明、误差范围、失败边界 | 原论文真的没回答这个问题吗？ |
| 代价与比较 | 数据、计算、部署与人工成本 | 相同条件下，简单方案能否做到？ |
| 候选新增知识 | 发现 / 方法 / 数据 / 理论 / 设计原则 | 别人知道它以后，能做什么不同的事？ |
“未检索到”只是当前检索结果。
它不能证明没人做过。保留最接近论文的原文依据；如果差异很小，先判断差异带来的价值，再决定缩小、转向或继续。
贡献可以长成不同的样子
方法研究说明新机制及其优势；系统研究解释关键设计及端到端权衡；评测与数据研究建立可靠、能揭示问题的测量方式；理论研究给出严格命题、证明或边界；HCI 研究可以产生有依据的新理解与设计知识。
ICLR 2026 的指南关注问题、动机、证据与新增知识，明确不以达到最优结果作为价值的唯一条件。CHI 强调贡献、受益者及适合贡献类型的验证方法。这些可帮助反向检查选题，但不是所有计算机会议统一的录用标准。
投入大实验前，先过五个问题
- 真实：问题有可复查的证据，或有明确的理论动机吗？
- 重要：结果会改变谁的理解、能力或决策？
- 有差异：最近相关工作不能直接覆盖它的原因是什么？
- 可检验：有能区分原因、支持或推翻命题的办法吗？
- 能推进：现有资源足够检查最关键的不确定性吗？
这是选题讨论框架，不是创新打分表。缺哪项，就先补哪项。
06 / 从想法到第一份证据
最小验证，只回答一个关键问题。
把“我要做一个完整系统”暂时缩成“我最不确定的这条假设，怎样才能被检验”。以下顺序适用于经验研究；理论工作可把实验替换为引理、反例或证明步骤。
- 先验证问题存在。固定版本与环境，跑一个可信基线，保存原始失败证据。先排查 bug、数据泄漏、错误标注和不合理指标。
- 再区分原因。只改变关键变量，同时设计“原因不存在”的对照条件。列出竞争解释，避免把相关性当成机制证据。
- 试最简单的干预。新方法要与有竞争力的已有方法、简单规则及关键消融比较；保证数据、调参机会与资源预算可比。
- 留出独立检验。开发数据用来找想法，未参与设计的测试数据检验它；按问题需要跨种子、数据、工作负载或参与者复核，并说明波动来源。
- 写结果判据。事先确定主要指标、实际有意义的改善幅度和可接受的成本。探索中改了假设就记录下来，并用新证据确认。
NeurIPS 的清单要求结论与证据范围一致，并交代假设、实验细节、不确定性和计算资源。把这些问题前移到选题阶段，有助于避免做完实验才发现结论无法支持。
NeurIPS · Paper Checklist ↗继续验证
现象可靠，机制预测得到初步支持，查新留下实质差异，成本可接受。下一步扩大条件范围。
先补证据
结果波动大、判定标准不可靠，或缺强基线。先修好证据链，再判断方法优劣。
调整问题
问题由实现错误造成、已被简单方案解决，或核心命题被反例推翻。保留记录，重新定位未知点。
没有大算力，怎样开始？
先选资源与你匹配的证据形式：可控评测、错误分析、小模型机制检查、CPU 上的系统模拟、开源项目缺陷研究、理论推演，或具备参与者条件的 HCI 研究。它们仍需要严谨设计。
不要默认小模型发现一定适用于大模型、模拟器结果一定适用于生产，或少量试用代表广泛用户。把外推限制写清楚，再选择最有价值的一项扩展验证。
07 / 现在开始写
我的 Idea 一页纸
先填写你知道的内容。未知项写清下一步怎么查；用 AI 陪练时，让它帮你找竞争解释、查新线索与反例，并逐条核验它的输出。
内容仅在当前页面内编辑，不会自动保存；离开前请复制或下载。示例没有完成查新，也没有实际实验结果。
谁在什么任务、约束下遇到问题？解决后谁受益？
失败样本、日志、图表或论文页码是什么？未做的实验明确写“待验证”。
因为 X，所以在条件 C 下出现 Y；改变 X 后应怎样变化？
除了你的原因，还有什么能解释现象？怎样区分？
记录题名 / DOI / 链接、具体差异、检索词与日期。未知就写待查。
相对最近工作，究竟新增了什么知识或能力？为什么值得做？
当前强基线、简单方案、相同数据 / 预算 / 环境，以及关键消融。
只检验一个关键不确定性：改变什么、固定什么、测什么、怎样留出验证数据？
什么结果会让你放弃当前解释？事前定义实际有意义的改善门槛。
可用设备、数据、时间；最先做的一项检查及时间上限。
已填写 0 / 10 项
还未填写：具体场景与价值、观察与证据、原因假设与预测、竞争解释、最近相关工作与查新、候选贡献、公平比较、最小验证、推翻或停止条件、资源与下一步。
查看导出内容与 AI 陪练提示词
08 / 继续阅读
参考来源与适用边界
指南、步骤、问题句式和教学案例由本站整理；不是来源机构发布的教程。真实论文案例按原始摘要范围概述。来源核对于 2026-09-07，六个教学方案的候选创新性未核验。
- DARPA · Heilmeier Catechism ↗
用目标、现状、价值、风险、成本和阶段检验审视研究计划。
- ICLR 2026 · Reviewer Guide ↗
看具体问题、方法动机、证据和新增知识；价值不必只靠刷新最优结果体现。
- NeurIPS · Paper Checklist ↗
核对结论范围、假设、复现、实验设置、不确定性与计算资源。
- CHI 2026 · Guide to a Successful Submission ↗
不同类型的 HCI 贡献需要适合自身的方法、证据与相关工作比较。
- Lost in the Middle · Liu et al., 2023 ↗
历史案例：通过改变证据位置，检验模型实际利用长上下文的能力。
- FlashAttention · Dao et al., 2022 ↗
历史案例：把 GPU 内存层级之间的数据搬运纳入注意力算法设计。
DARPA 的问题清单适合追问研究目标、价值、风险、资源与验证节点；这里的一页纸据此类问题意识组织，并结合计算机研究中的查新和证据要求扩展。
继续使用科研网站、方法与 Skill 库 ↗