好文分享！
这是科研范式的变革。就这个 PUCT(Predictor + UCB applied to Trees)，面对这类任务，核心从解题彻底变成了找题，转变为设计完美的、能够准确反映科学目标的度量标准。
观测日志归档
这里收藏着所有已解析的符文、战术分析以及和宇宙图灵机共振的记录。
-
-
深入理解编译期计算斐波拉契数列
编译器优化的进步历史像是开源节流，一方面是优化算法的进步，另外一方面则是向它提供更多的信息推移语义约束的边界。如果在 modern C++ 的视角下审视模板元编程，还是应当回到模板抽象一类过程的实质做 policy-driven 的本义，用模板实现编译期计算斐波拉契数列更多是 C++11 之前一种无可奈何的举措。
-
吐槽高校造神
正如学术品味是需要磨练的一样，寻找需求之中同样有大量的隐性知识，这也是需要磨练的，而且是支撑大学的叙事所拒绝提供的；因为它教你如何“解题”，却不教你如何“找题”。而“找题”的能力——也就是发现和定义有价值问题的能力——在未来会远比“解题”的能力更加珍贵。
-
吐槽学校“AI实践课”
现在对深度学习一拥而上，无非是 investor，但实际远远到不了 AI-native 的 believer
-
面向 CS 本科生的暴论（免费、初阶版本）
年轻计算机人（比如我）应该干的事情（Free & Beginner ver.）！
-
吐槽B站推荐机制
我承认，我确实B站刷得太少了没有养好号，但是它的推荐算法个性化真的太糟糕：你或许可以匹配我是什么样的人和我的方向，但是你又不给我匹配足够的内容深度和信息密度，而只是单纯地匹配标签——信噪比太低了，体验很差。
-
算法学习的理想与现实差距
纯粹的形式模型往往是现实的一个投影，是一种选择性的反映，作为逻辑模型的算法在现实中也面临着适用范围的审慎。
-
AI选型的国产方案与开源替代
没有最完美，只有最合适；在现实约束下可能性的疆界内起舞，正是计算机科学的魅力所在~
-
为什么 AI 赋能不明显？
这个东西已经是一个非常有壁垒的技术了，早已不是玩具性质或者学生性质的了。
-
vibe coding 40 分钟完成了超酷的 stack
GPT-5 确实写出了标准库的风范！
-
C/C++ 的小差别
虽然大多数情况下我们把C视作C++的 subset，但是事实上有一些细微的差异是不得不重视的。