观潮弄虾 ↗
从资本、产业与个体三条线，寻找 AI 浪潮里的真实位置。
阅读全文 ↗
研究项目
每个项目都有可以直接打开、分享的页面。
把方法放进工具里
来自我的 Workspace 项目。
Agent PM 30 天训练面板
通过每日任务、产物记录与复盘，练习 Agent 产品工作的基本功。进度保存在当前浏览器。
Transformer 中文学习台
中文术语与流程说明，连接原作交互演示；本地内容无需模型或账号即可阅读。
阅读笔记的起点
以下为他人的研究论文。
Decomposing LLM-Judge Uncertainty to Target Expert Labels
区分「专家意见本来就不同」与「模型还不知道」，思考人工复核应该优先处理什么。
人工复核与不确定性 · 已形成研究笔记Can LLM-as-a-Judge Reliably Verify Rubrics in Agentic Scenarios?
先检查裁判能否准确判断每条标准，再讨论总分、批量评判与多数投票。
Rubric 元评测 · 已形成研究笔记SCOPE: Selective Conformal Optimized Pairwise LLM Judging
让评测系统知道何时可以自动判断，何时应该保留判断、交给人复核。
风险与自动覆盖率 · 已形成研究笔记Grading the Grader: Lessons from Evaluating an Agentic Data Analysis System
评分器也会出错。区分任务真的失败，还是答案提取与评分流程出了问题。
评测管线与错误归因 · 已形成研究笔记Same Verdict, Different Reasons: LLM-as-a-Judge and Clinician Disagreement on Medical Chatbot Completeness
结论一致，不一定代表判断依据一致；把理由与证据也纳入评测观察。
判断一致与理由一致 · 摘要阅读，待深入