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。
研究中的问题
从行业观察，到模型与 Agent 的验证。
动手理解，慢慢积累
把阅读与练习放在一起。
Agent PM 30 天训练面板
用每日任务、产物记录与复盘，练习 Agent 产品工作的基本功。
Transformer 中文学习台
沿着注意力机制与模型流程，结合中文讲解和交互演示理解 Transformer。
沿着论文，继续思考
阅读他人的研究，回到自己的问题。
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