机器学习

用两张 Q 表写独立更新流程，明确其他智能体改变带来的边界。提供演示数据、核对方法和适用边界。

通过两人协作矩阵辨认本地动作价值和联合动作价值。提供演示数据、核对方法和适用边界。

识别观察缺少速度信息的情况，设计可解释的状态字段。提供演示数据、核对方法和适用边界。

把状态到动作的映射写成函数，核对策略与价值函数的区别。提供演示数据、核对方法和适用边界。

用可运行的小例子检查探索率、随机分支和实际动作分布。提供演示数据、核对方法和适用边界。

从迷宫日志识别智能体与环境的职责，区别随机行动和真正的学习。提供演示数据、核对方法和适用边界。

用可复算的中文切分规则计算 ROUGE-1 与 ROUGE-L，并以通过/失败数量颠倒和发布条件改变的反例说明局限。独立事实表检查支持、遗漏与新增，分数不代替摘要验收。

用蕴涵、矛盾与信息不足句对说明语义相似度和 NLI 的区别。检查前提与陈述的方向、对象、时间和条件，再核对模型语言与标签，不用相似度分数代替事实依据。

以实体清单和事件字段两个目标比较 spaCy、GLiNER 与 LangExtract。检查候选标签、关系与属性、原文定位和缺失字段，避免把宣布日期或可定位片段当成已核实事实。

采用 CheckList 的 MFT、INV、DIR 三类行为测试，用短评论与变换句检查基础功能、类别保持和得分方向。标准库脚本导出失败清单，演示得分明确为人工构造。