从同一句话走进自己的问题
主线从“我昨天给了他一本书”出发，用九个教学单位贯通传统NLP、共享表示、RNN/LSTM、完整生成、逐次读取和Transformer。然后明确改变训练条件与任务：移去中文学习普通文本，将指令与中文放入decoder-only的同一因果序列；补入同一事件的图像，并将任务改为带颜色的英文描述，才有a→blue→book。执行部分继续这个生成时刻，再显式切到多query的prefill/训练讨论IO。
这些完整主题有独立定义、机制图、数学与代码，可以从原输入开始独立理解。旧六片段她/her、三行BLOCK、合成反转和历史结果保留原身份；新九单位他/him不覆盖旧checkpoint，也不改变Notebook ID。资源章节完整保留；默认课堂六分钟建立缓存与搬运直觉，可选T60–T65另用十一分钟展开账本。
| 从哪里继续 | 完整正文 | 原Notebook |
|---|---|---|
| 同一句话怎样成为分析对象与模型输入 | 主题 | CLS01 → LAB01 |
| 把预测、训练与评价摊在同一张样本表上 | 主题 | CLS01 → LAB01 |
| 状态在流动，梯度可以停在边界 | 主题 | CLS01 → LAB01 |
| 2014：先拥有一个可工作的翻译器，再决定改哪里 | 主题 | CLS02 → LAB02 |
| 读取之后，系统怎样决定写 him | 主题 | CLS02 → LAB02 |
| 让整套 Transformer 共同完成一次预测 | 主题 | CLS02 → LAB03 |
| 同一段文本，三种预训练问题 | 主题 | CLS02 → LAB03 |
| 在已经认识的 block 上读懂现代部件 | 主题 | CLS02 → LAB03 |
| 从2017计算图到2020组合，再看持续状态系统 | 主题 | CLS02 → LAB02 |
| 路径 A：分数进步了，为什么这一句仍然错 | 主题 | CLS03 → LAB02 |
| 路径 B：换图后分布变了，模型是否看懂了 | 主题 | CLS03 → LAB03 |
| 路径 C：材料放得下，不代表采用了当前事实 | 主题 | CLS03 → LAB03 |
| 给长前缀列一张有单位的资源账本 | 主题 | CLS03 → LAB03 |
和Agent共读
读一段完整正文，提出自己真正的疑问，把主题URL交给Agent；需要复算时再提供样本、配置或输出，然后回同一Notebook验证。无需背术语、复制固定提示词或先运行所有单元。保存结果、只读重评、训练和未来研究设计有各自身份；私人学生输出不会自动公开。