A13 / research
可解释性、不确定性、对齐与安全
可解释性、不确定性、对齐与安全围绕第一编 解释与归因、第二编 不确定性与稳健性、第三编 对齐与安全综合复习建立连续章节顺序。
- 结构
- 3 Parts · 6 章
- 适合读者
- 适合准备阅读研究文献并需要统一记号、方法和边界条件的读者。
- 正文状态
- 0 章已有正文，6 章已规划
BEFORE READING
先修与记号
本册对象
研究解释方法、校准、分布外风险、对齐目标和安全评估。
符号约定
- 本册在首次使用时定义可解释性、不确定性、对齐与安全专用符号，并区分标量、向量、算子与单位。
- 同一符号出现多种约定时明确命名空间、假设和适用章节。
COMPLETE CONTENTS
完整目录
第一编 解释与归因
第一编 解释与归因组织特征归因、显著性与反事实、表示探测与机制可解释性，形成连续的学习单元。
第二编 不确定性与稳健性
第二编 不确定性与稳健性组织校准、分布外检测与选择性预测、鲁棒性、对抗攻击与防御评估，形成连续的学习单元。
第三编 对齐与安全综合复习
第三编 对齐与安全综合复习组织对齐目标、反馈与奖励建模、安全评测、系统边界与治理综合复习，形成连续的学习单元。
综合练习计划
- 每章安排定义辨析、推导计算和结果核验练习。
- 本册末章安排跨 Part 综合题，并保留可复算的解题检查点。
参考资料计划
- TODO：为《可解释性、不确定性、对齐与安全》逐项核验权威教材、课程页面或原始论文后登记资源 ID。
修订状态
课程 Schema v1。目录与章节位置已登记；参考资料需逐项核验后进入正式正文。