写作与知识维护

一章围绕一个明确问题

定义章先固定目标与符号，算法章说明对前一方法做了什么改变，实验章展示实际运行证据。推导中将等式、近似和工程选择区分开。

强化学习主线按指定教材 2024-09 版的十章顺序维护。新增公式先核对符号体系与教材页码、阅读校勘，章节标题注明原书节号。书外方法放入扩展区；动画与 Python 代码要声明模型、目标和实现范围。

状态随证据推进

状态	含义
规划	只有主题和完成条件
初稿	有可阅读内容，尚未完成原稿核对和技术审阅
推导已核对	与手稿、定义和来源逐步核对
实验已验证	指定配置下实际运行并保留记录
整理完成	必要推导、例子、引用与审阅全部完成

理论与代码分别标记进度；个人“已学过”不自动等于项目内容完整。

从手稿到知识库

先转写原推导，再统一条件、下标与符号，然后解释关键跳步。补一个可手算的例子，并列出仍然不清楚的问题。每章末尾保留来源和下一步。

对于 GRPO/GSPO，额外注明论文版本、结果监督或过程监督、token 或序列聚合、长度归一化与 KL 项。不同实现不能只因算法名称一致就混合解释。

从知识库到文章

知识库保留可检索定义、完整推导与实验配置；公众号文章可以围绕其中一个问题重新组织叙述。文章与写作规划可在独立目录或仓库中维护，并记录其引用的知识库章节，避免同一段内容在两个位置被分别修改而失去对应关系。

仓库根目录的 CONTRIBUTING.md 给出完整贡献规范，templates/ 提供章节、论文阅读与实验记录模板。