<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="zh-Hans-CN">
	<id>https://wiki.swarma.org/api.php?action=feedcontributions&amp;feedformat=atom&amp;user=%E7%8E%8B%E5%BF%97%E9%B9%8F</id>
	<title>集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织 - 用户贡献 [zh-cn]</title>
	<link rel="self" type="application/atom+xml" href="https://wiki.swarma.org/api.php?action=feedcontributions&amp;feedformat=atom&amp;user=%E7%8E%8B%E5%BF%97%E9%B9%8F"/>
	<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php/%E7%89%B9%E6%AE%8A:%E7%94%A8%E6%88%B7%E8%B4%A1%E7%8C%AE/%E7%8E%8B%E5%BF%97%E9%B9%8F"/>
	<updated>2026-11-02T18:47:40Z</updated>
	<subtitle>用户贡献</subtitle>
	<generator>MediaWiki 1.35.0</generator>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%AE%A8%E8%AE%BA:Kuromoto%E6%A8%A1%E5%9E%8B&amp;diff=49794</id>
		<title>讨论:Kuromoto模型</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%AE%A8%E8%AE%BA:Kuromoto%E6%A8%A1%E5%9E%8B&amp;diff=49794"/>
		<updated>2026-04-24T01:54:57Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：建立内容为“:&amp;lt;math&amp;gt; \frac{d \theta_i}{d t} = \omega_i + \zeta_{i} + \frac{1}{N} \sum_{j=1}^{N} K_{ij} \sin(\theta_j - \theta_i), \qquad i = 1 \ldots N&amp;lt;/math&amp;gt;， 其中系统…”的新页面&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;:&amp;lt;math&amp;gt; \frac{d \theta_i}{d t} = \omega_i + \zeta_{i} + \frac{1}{N} \sum_{j=1}^{N} K_{ij} \sin(\theta_j - \theta_i), \qquad i = 1 \ldots N&amp;lt;/math&amp;gt;，&lt;br /&gt;
其中系统由''N''个[[Limit Cycle|极限环]]振荡器组成，各自具有相位&amp;lt;math&amp;gt; \theta_i &amp;lt;/math&amp;gt;和耦合常数''K''。&lt;br /&gt;
我们可以在系统中添加[[噪声]]. 在这种情况下，原方程修改为：&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{d \theta_i}{d t} = \omega_{i}+\zeta_{i}+\dfrac{K}{N}\sum_{j=1}^N\sin(\theta_{j}-\theta_{i})&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48782</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48782"/>
		<updated>2026-01-11T11:35:55Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 生产进展 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]] 完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]] 完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
[[集智百科词条写作标准]]&lt;br /&gt;
&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%80%E7%BB%B4%E5%8A%A8%E5%8A%9B%E5%AD%A6&amp;diff=48778</id>
		<title>一维动力学</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%80%E7%BB%B4%E5%8A%A8%E5%8A%9B%E5%AD%A6&amp;diff=48778"/>
		<updated>2026-01-11T11:19:43Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;一维[[动力学]]主要的研究对象是一阶自治[[微分方程]]&amp;lt;math&amp;gt;\dot{x}=f(x)&amp;lt;/math&amp;gt;，及其解的长期行为。由于模型形式简单，我们可以绘制 &amp;lt;math&amp;gt;f(x)&amp;lt;/math&amp;gt; 的函数曲线，即'''相图'''，横坐标为 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;，纵坐标为 &amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;。鉴于此，我们可以将系统视为在一条直线（[[相空间]]）上流动的流体，函数定义了该流体的速度场（[[向量场]]）。通过该速度场我们可以立即看出系统的稳定和不稳定的[[不动点]]，并立即判定处在任意位置为[[初始状态]]的解的行为。此外，线性稳定性分析和系统的[[势函数]]也可以用来分析系统的[[不动点]]，要得到并计算系统的演化轨道，可以使用不同类型的数值积分方法求解系统的演化[[微分方程]]。该系统虽然简单，但其连续或离散的形式在各领域中均有广泛应用，如[[企业增长模型]]、[[Logistic 映射]]、[[RC 电路]]等等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=历史=&lt;br /&gt;
&lt;br /&gt;
一维连续[[动力系统]]的研究起源于 19 世纪末对常[[微分方程]]定性理论的探索。法国数学家亨利·[[庞加莱]]（Henri Poincaré）在其著作《天体力学新方法》（1892）中提出了通过几何方法研究微分方程解整体行为的思想，确立了[[相空间]]、轨道、[[平衡点]]与稳定性等基本概念&amp;lt;ref name=&amp;quot;Poincare1892&amp;quot;&amp;gt;Poincaré, H. (1892). ''Les Méthodes Nouvelles de la Mécanique Céleste.'' Paris: Gauthier-Villars.&amp;lt;/ref&amp;gt;。 在这一框架下，一维动力系统通常以自治常微分方程&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{\mathrm{d} x}{\mathrm{d} t} = f(x)&amp;lt;/math&amp;gt;&lt;br /&gt;
为基本形式，其研究重点集中于[[平衡点]]的存在性、稳定性及解的定性结构。这些思想构成了低维动力系统理论的基础&amp;lt;ref name=&amp;quot;Katok1995&amp;quot;&amp;gt;Katok, A. &amp;amp; Hasselblatt, B. (1995). ''Introduction to the Modern Theory of Dynamical Systems.'' Cambridge University Press.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
随着[[动力系统]]理论的发展，一维连续系统逐渐成为研究[[非线性]]现象的重要模型。研究者系统地建立了相图、[[线性化]]方法以及稳定性判据，使得在不求显式解的情况下，也能够判断系统的长期行为。一维动力系统因此被广泛用于阐释非线性常[[微分方程]]的基本定性，并成为更高维系统研究的入门模型&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot;&amp;gt;Strogatz, S. H. (1994). ''Nonlinear Dynamics and Chaos.'' Reading, MA: Perseus Books.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
在研究含参数的一维连续动力系统时，人们发现系统的定性结构可能随参数变化而发生突变，例如[[平衡点]]的产生、消失或稳定性的改变。这类现象被统一描述为[[分岔]]（bifurcation）。一维系统在[[分岔]]理论的发展中起到了核心作用，典型分岔类型包括[[鞍结分岔]]、[[跨临界分岔]]和[[叉形分岔]]，一维[[动力系统]]由此成为研究[[非线性系统]]结构变化的标准模型&amp;lt;ref name=&amp;quot;Katok1995&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
除连续时间模型外，一维离散[[动力系统]]作为相关研究方向逐渐发展。典型例子包括 [[逻辑斯谛映射]]&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = r x_n(1 - x_n)&amp;lt;/math&amp;gt;，&lt;br /&gt;
其在参数变化下可表现出倍周期分岔与[[混沌]]行为&amp;lt;ref name=&amp;quot;May1976&amp;quot;&amp;gt;May, R. M. (1976). Simple mathematical models with very complicated dynamics. ''Nature'', 261(5560), 459–467.&amp;lt;/ref&amp;gt;。 尽管离散系统与连续一维动力系统在数学结构与[[动力学]]性质上存在显著差异，但二者在[[分岔]][[机制]]、[[非线性]]分析思想以及复杂行为的产生方式上具有重要联系，离散一维系统通常被视为连续动力系统理论的补充研究方向&amp;lt;ref name=&amp;quot;Devaney1986&amp;quot;&amp;gt;Devaney, R. L. (1986). ''An Introduction to Chaotic Dynamical Systems.'' 2nd ed. Addison-Wesley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
在现代[[动力系统]]理论中，一维连续动力系统被视为理解[[非线性动力学]]与定性分析方法的基础。其简单的[[相空间]]结构使系统行为能够被完整刻画，为研究稳定性、[[分岔]]以及更高维[[复杂系统]]提供了直观的理论起点，并在数学教育、物理建模和生物动力学等领域中被广泛作为[[非线性系统]]分析的典型示例&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Katok1995&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=主要内容=&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 几何思维与相图表示 ==&lt;br /&gt;
&lt;br /&gt;
在一维[[动力系统]]的研究中，几何思维构成了理解系统长期行为的核心工具之一。一维连续[[动力系统]]通常写为自治[[常微分方程]]&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\dot{x} = f(x),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
其中 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 表示系统的状态变量，&amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; 为时间参数，&amp;lt;math&amp;gt;f(x)&amp;lt;/math&amp;gt; 是定义在实数轴上的标量函数。该方程描述了[[系统状态]]在一维[[相空间]]（即实数轴）中的时间演化规律，是一维[[动力系统]]定性分析的基本出发点&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot; /&amp;gt;。由于系统是自治的，时间本身并不作为相空间坐标出现，而仅起到参数的作用，这使得系统的几何结构完全由函数 &amp;lt;math&amp;gt;f(x)&amp;lt;/math&amp;gt; 决定。&lt;br /&gt;
&lt;br /&gt;
从几何角度看，&amp;lt;math&amp;gt;f(x)&amp;lt;/math&amp;gt; 在实数轴上每一点给出了[[系统状态]]的瞬时演化方向与变化趋势。当 &amp;lt;math&amp;gt;f(x) &amp;gt; 0&amp;lt;/math&amp;gt; 时，状态随时间向正方向演化；当 &amp;lt;math&amp;gt;f(x) &amp;lt; 0&amp;lt;/math&amp;gt; 时，状态向负方向演化；而当 &amp;lt;math&amp;gt;f(x) = 0&amp;lt;/math&amp;gt; 时，系统处于静止状态，对应一个[[不动点]]。在一维情况下，通常所说的[[向量场]]退化为定义在实数轴上的方向场，其全部信息可以通过在 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;-轴上标注箭头来直观表示。这种表示方式将微分方程转化为一条“流动方向图”，从而使系统的整体[[动力学]]结构在几何上变得清晰可见&amp;lt;ref name=&amp;quot;Devaney1986&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
通过考察[[不动点]]两侧 &amp;lt;math&amp;gt;f(x)&amp;lt;/math&amp;gt; 的符号分布，可以直接判断不动点的稳定性：若轨道在不动点两侧均指向该点，则对应[[吸引子]]；若轨道在两侧均远离该点，则对应排斥子；若一侧指向而另一侧远离，则为半[[稳定不动点]]。这种稳定性判据完全基于几何信息，无需显式求解微分方程，因而构成了一维[[动力系统]]定性分析的基本方法之一&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
与依赖解析解或符号计算的方法相比，基于相图的几何分析能够在不求解方程的情况下揭示系统解的单调性、极限行为以及长期演化趋势。对于一维[[自治系统]]而言，这种方法在理论上是完备的：系统的全部定性行为均可由相图的结构刻画，同时也直接解释了一维系统中不可能出现[[周期轨道]]或[[振荡]]行为的根本原因。因此，几何思维不仅是研究一维[[动力系统]]的基础工具，也为理解更高维系统中的[[相空间]]结构提供了直观而重要的思想起点&amp;lt;ref name=&amp;quot;Devaney1986&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
[[文件:相图.png|none|缩略图|一维[[动力系统]]的图，展示状态变量沿实数轴的演化方向与[[不动点]]结构&amp;lt;ref&amp;gt;{{cite web&lt;br /&gt;
 |title=Phase Graph&lt;br /&gt;
 |url=https://pattern.swarma.org/study_group_issue/998&lt;br /&gt;
 |website=Swarma Pattern&lt;br /&gt;
 |publisher=Swarma Club&lt;br /&gt;
 |access-date=2025-12-21&lt;br /&gt;
}}&amp;lt;/ref&amp;gt;。]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==不动点及其稳定性==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===不动点的定义===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
对于一般的映射 &amp;lt;math&amp;gt;g&amp;lt;/math&amp;gt;, 满足 &amp;lt;math&amp;gt;g(x^*)=0&amp;lt;/math&amp;gt; 的点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt; 成为 &amp;lt;math&amp;gt;g&amp;lt;/math&amp;gt; 的[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
可以验证对[[不动点]] &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;，有 &amp;lt;math&amp;gt;g(g(x^*)) = g(x^*) = x^*&amp;lt;/math&amp;gt;。直观上看，这个点在系统的映射下一直保持不动，因此也称其为系统的平衡解。在一维[[动力学]] &amp;lt;math&amp;gt;\displaystyle \frac{\mathrm{d} x}{\mathrm{d} t} = f(x)&amp;lt;/math&amp;gt; 中，如果系统处在[[不动点]]的位置，那么[[系统状态]]将不再改变，也即 &amp;lt;math&amp;gt;\displaystyle \frac{\mathrm{d} x}{\mathrm{d} t} = 0 = f(x)&amp;lt;/math&amp;gt;，因此我们只需研究 &amp;lt;math&amp;gt;f(x)&amp;lt;/math&amp;gt; 的零点即可。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===图形化稳定性判据===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
如果画出 &amp;lt;math&amp;gt;f(x)&amp;lt;/math&amp;gt; 的图像，可以注意到有三种零点。前两种中 &amp;lt;math&amp;gt;f(x)&amp;lt;/math&amp;gt; 的图像穿过实轴，在零点两侧函数值异号；第三种零点两侧的函数值同号。根据 &amp;lt;math&amp;gt;f(x)&amp;lt;/math&amp;gt; 的几何意义，可以得出下面的三种[[不动点]]：&lt;br /&gt;
* 稳定[[不动点]]（[[吸引子]]/汇）： 零点左侧为正，右侧为负；[[向量场]]箭头从两边指向该点。&lt;br /&gt;
* 不稳定[[不动点]]（排斥子/源）： 零点右侧为正，左侧为负；[[向量场]]箭头从该点指向两边。&lt;br /&gt;
* 半稳定[[不动点]]： 零点的两侧同号；从一侧吸引，从另一侧排斥。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
下图给出了一个一维[[自治系统]]的[[相图]]，横轴的箭头表示相流的流向。如图所示，函数 &amp;lt;math&amp;gt;f(x)&amp;lt;/math&amp;gt; 有两个零点，这意味着系统有两个[[不动点]]。左侧的[[不动点]]是稳定的，当 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 位于左侧[[不动点]]的左侧少许时，其速度向右；当 &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; 位于它的右侧少许时，其速度向左。右侧[[不动点]]和左侧相反：向左侧或右侧扰动都会使[[系统状态]]远离右侧的不[[稳定不动点]]。&lt;br /&gt;
&lt;br /&gt;
[[File:fixed_point_1.png|300px|none|缩略图|某个一维自治系统的相图。其稳定[[不动点]]和不稳定[[不动点]]分别使用实心圆点和空心圆点表示，箭头方向指示相流的方向。]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===线性稳定性分析（定量方法）===&lt;br /&gt;
&lt;br /&gt;
除了图形化稳定性判据，还可以从严格的数学角度判定该[[不动点]]的稳定性。在[[不动点]]&amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;附近定义扰动&amp;lt;math&amp;gt;u(t)=x(t)-x^*&amp;lt;/math&amp;gt;,其[[线性化]]方程为&amp;lt;math&amp;gt;\dot{u} \approx f'(x^*)u&amp;lt;/math&amp;gt;，此时我们关心&amp;lt;math&amp;gt;f'(x^*) &amp;gt; 0&amp;lt;/math&amp;gt;的符号。&lt;br /&gt;
&lt;br /&gt;
* 若 &amp;lt;math&amp;gt;f'(x^*) &amp;gt; 0&amp;lt;/math&amp;gt;，该[[不动点]]是稳定[[不动点]]；&lt;br /&gt;
* 若 &amp;lt;math&amp;gt;f'(x^*) &amp;lt; 0&amp;lt;/math&amp;gt;，该[[不动点]]是不稳定[[不动点]]。&lt;br /&gt;
&lt;br /&gt;
定义特征时间尺度&amp;lt;math&amp;gt;\displaystyle \frac{1}{|f'(x^*)|}&amp;lt;/math&amp;gt; 为 &amp;lt;math&amp;gt;x(t)&amp;lt;/math&amp;gt; 在[[不动点]] &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt; 邻域内发生显著变化的时间。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===势函数===&lt;br /&gt;
&lt;br /&gt;
除了使用 &amp;lt;math&amp;gt;f(x)&amp;lt;/math&amp;gt; 分析外，还可以使用系统的[[势函数]]&amp;lt;math&amp;gt;V(x)&amp;lt;/math&amp;gt;进行分析。它由&amp;lt;math&amp;gt;f(x)=-\frac{\mathrm{d} V}{\mathrm{d} x}&amp;lt;/math&amp;gt;定义。&lt;br /&gt;
&lt;br /&gt;
通过该定义，系统行为等价于一个过阻尼粒子在[[势能]]景观&amp;lt;math&amp;gt;V(x)&amp;lt;/math&amp;gt;中的运动。粒子总是向[[势能]]减小 (&amp;lt;math&amp;gt;\frac{\mathrm{d} V}{\mathrm{d} t}\leq 0&amp;lt;/math&amp;gt;) 的方向运动。其中系统的稳定[[不动点]] &amp;lt;math&amp;gt;\leftrightarrow&amp;lt;/math&amp;gt; &amp;lt;math&amp;gt;V(x)&amp;lt;/math&amp;gt;的局部极小值（[[势能]]谷），而不稳定[[不动点]] &amp;lt;math&amp;gt;\leftrightarrow&amp;lt;/math&amp;gt; &amp;lt;math&amp;gt;V(x)&amp;lt;/math&amp;gt;的局部极大值（[[势能]]峰）&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==解的性质==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===单调性与振荡的不可能性===&lt;br /&gt;
&lt;br /&gt;
一维（自治）系统 &amp;lt;math&amp;gt;\dot{x} = f(x)&amp;lt;/math&amp;gt; 的解 &amp;lt;math&amp;gt;x(t)&amp;lt;/math&amp;gt; 必须是时间&amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;的单调函数（或为常数）。换言之，一维系统的解要么是常数，要么收敛到[[不动点]]，要么发散到无穷。如上方系统的相图所示&lt;br /&gt;
* 如果相点初始位于左侧稳定[[不动点]]附近，它将收敛到稳定[[不动点]]；如果相点初始时恰好位于两个[[不动点]]处，则它将始终呆在原位;&lt;br /&gt;
* 如果相点初始位于不稳定[[不动点]]的右侧，可知相点的速度始终向右，且逐渐增加，因此它最终将发散至（正）无穷大。&lt;br /&gt;
&lt;br /&gt;
作为单调性的直接推论，一维系统不可能出现周期解、[[超调]]或[[阻尼振荡]]。这是由实线的[[拓扑]]结构所决定的，假设某个一维[[自治系统]]的解是周期或存在超调，那么一定会存在某个状态，对应这两个不同的 &amp;lt;math&amp;gt;\dot{x}&amp;lt;/math&amp;gt;，这和 &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; 是一个函数矛盾。因此一维[[自治系统]]的解一定是单调的。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===存在性与唯一性===&lt;br /&gt;
&lt;br /&gt;
在应用视角下，我们总是假定的一维系统 &amp;lt;math&amp;gt;\dot{x} = f(x)&amp;lt;/math&amp;gt; 存在唯一的解。但一些看似简单的病态系统拥有不止一个解。例如考虑 &amp;lt;math&amp;gt;\dot{x} = x^{1/3}, x(0) = 0&amp;lt;/math&amp;gt;，可以验证 &amp;lt;math&amp;gt;x(t) \equiv 0&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;x(t) = \left(\frac{2}{3} t\right)^{3/2}&amp;lt;/math&amp;gt; 都是原系统的解。究其原因，&amp;lt;math&amp;gt;x^{1/3}&amp;lt;/math&amp;gt; 在 &amp;lt;math&amp;gt;x = 0&amp;lt;/math&amp;gt; 处的斜率为无穷大，而该系统除了上面两个解外还有无穷多个解。&lt;br /&gt;
&lt;br /&gt;
下面给出了保证解存在性和唯一性的条件。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''一维自治系统解的存在性与唯一性定理'''&lt;br /&gt;
&lt;br /&gt;
''若&amp;lt;math&amp;gt;f(x)&amp;lt;/math&amp;gt;及其导数&amp;lt;math&amp;gt;f'(x)&amp;lt;/math&amp;gt; 在包含初始点&amp;lt;math&amp;gt;x_0&amp;lt;/math&amp;gt;的开区间上连续，则初值问题''&lt;br /&gt;
&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;\left\{\begin{align}\dot{x} &amp;amp;= f(x), \\x(0) &amp;amp;= x_0\end{align}\right.&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|2}}}}&lt;br /&gt;
&lt;br /&gt;
''的解&amp;lt;math&amp;gt;x(t)&amp;lt;/math&amp;gt;在&amp;lt;math&amp;gt;t=0&amp;lt;/math&amp;gt;的某个邻域&amp;lt;math&amp;gt;(-\tau, \tau)&amp;lt;/math&amp;gt;内存在且唯一。''&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
* 考虑&amp;lt;math&amp;gt;\dot{x} = x^{1/3}, x(0) = 0&amp;lt;/math&amp;gt; 这一例子中的 &amp;lt;math&amp;gt;f(x)&amp;lt;/math&amp;gt; 在 &amp;lt;math&amp;gt;x=0&amp;lt;/math&amp;gt; 处有无穷间断点，因此不满足存在性和唯一性定理的条件。'''注意该定理只是说解在初始时间的某个邻域内存在，而不是说解对所有时间都有存在'''。&lt;br /&gt;
* 考虑系统 &amp;lt;math&amp;gt;\dot{x}=1+x^2, x(0) = x_0&amp;lt;/math&amp;gt; 可以检查该系统符合上述定理的条件，在 &amp;lt;math&amp;gt;t=0&amp;lt;/math&amp;gt; 的一个邻域内存在唯一解。解上述[[微分方程]]可得 &amp;lt;math&amp;gt;x(t) = \tan(t)&amp;lt;/math&amp;gt;，可知只有当 &amp;lt;math&amp;gt;t \in (-\pi/2, \pi/2)&amp;lt;/math&amp;gt; 时才有解。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==数值积分方法==&lt;br /&gt;
&lt;br /&gt;
'''数值积分方法'''（numerical integration methods）是通过将连续时间离散化，把常[[微分方程]]&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{\mathrm{d} x}{\mathrm{d} t}=f(x,t)&amp;lt;/math&amp;gt;&lt;br /&gt;
转化为逐步更新的[[递推关系]]，从而在[[离散时间]]点上近似计算系统轨道随时间演化的方法&amp;lt;ref name=&amp;quot;Burden2011&amp;quot;&amp;gt;Burden, R. L., &amp;amp; Faires, J. D. (2011). ''Numerical Analysis'' (9th ed.). Brooks Cole.&amp;lt;/ref&amp;gt;&amp;lt;ref name=&amp;quot;Hairer1993&amp;quot;&amp;gt;Hairer, E., Nørsett, S., &amp;amp; Wanner, G. (1993). ''Solving Ordinary Differential Equations I: Nonstiff Problems''. Springer.&amp;lt;/ref&amp;gt;。在[[动力系统]]问题中，解析解往往难以获得，而[[相图]]与轨道结构的定性研究又依赖对轨道的生成与比较，因此数值积分成为研究与数值实验中的基础工具之一&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从几何直觉上看，数值积分等价于在[[状态空间]]中用有限的时间步长 &amp;lt;math&amp;gt;h&amp;lt;/math&amp;gt; 逐步逼近真实轨道：步长越小，局部逼近通常越好，但计算量也随之增加；步长过大则可能引入显著的截断误差，甚至导致数值轨道在定性行为上偏离真实解（例如出现错误的发散或虚假的稳定性）&amp;lt;ref name=&amp;quot;Hairer1993&amp;quot; /&amp;gt;。因此实际计算常需要在精度、稳定性与计算成本之间进行权衡&amp;lt;ref name=&amp;quot;Burden2011&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
数值积分方法可按更新结构与稳定性特征粗略分为以下类别：&lt;br /&gt;
* '''显式方法'''：下一步状态由已知的当前信息直接计算，如[[欧拉方法]]与各类 [[Runge–Kutta 方法]]；实现简单、计算效率高，但在刚性问题或强敏感系统中可能受到稳定性限制&amp;lt;ref name=&amp;quot;Hairer1993&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Butcher2016&amp;quot;&amp;gt;Butcher, J. C. (2016). ''Numerical Methods for Ordinary Differential Equations'' (3rd ed.). Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
* '''隐式方法'''：下一步状态需通过求解代数方程获得，通常具有更好的稳定性，因此常用于刚性系统或需要较大步长的情形&amp;lt;ref name=&amp;quot;Hairer1993&amp;quot; /&amp;gt;。&lt;br /&gt;
* '''多步方法'''：利用多个历史时间点的信息更新（如 Adams–Bashforth 与 Adams–Moulton 系列），在长时间积分中可提高效率，但对初始步的生成与误差传播较敏感&amp;lt;ref name=&amp;quot;Hairer1993&amp;quot; /&amp;gt;。&lt;br /&gt;
* '''自适应步长方法'''：通过误差估计动态调整步长，在保证[[误差控制]]的同时减少不必要的计算，是工程与科学计算中常见的通用[[策略]]&amp;lt;ref name=&amp;quot;Butcher2016&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
在[[动力系统]]研究中，数值积分方法常用于生成相轨迹与[[时间序列]]、绘制[[相图]]并辅助分析[[平衡点]]稳定性与[[分岔]]结构；对于[[混沌]]系统，数值结果对初值与误差传播更为敏感，因此通常更适合作为对'''定性结构'''与'''局部行为'''的数值探索工具，而不宜将单条长时间轨道视为精确预测&amp;lt;ref name=&amp;quot;Strogatz1994&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Devaney1986&amp;quot; /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
关于具体算法形式与误差阶数，通常在各方法的独立条目中详细讨论，如[[欧拉方法]]、[[Runge–Kutta 方法]]等&amp;lt;ref name=&amp;quot;Burden2011&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;Butcher2016&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=典型实例=&lt;br /&gt;
&lt;br /&gt;
==种群增长模型（逻辑斯谛方程）==&lt;br /&gt;
&lt;br /&gt;
=== 模型背景与动力学意义 ===&lt;br /&gt;
'''[[逻辑斯谛方程]]'''（Logistic equation）是一类用于描述有限资源环境下种群增长的常[[微分方程]]模型。该方程由比利时数学家皮埃尔·弗朗索瓦·费赫尔胡斯特（Pierre-François Verhulst）于 1838 年提出，最初用于解释人口增长过程中由资源限制引起的自我[[抑制]]现象，被认为是一维[[动力系统]]方法在种群生物学中的早期且经典的应用实例&amp;lt;ref name=&amp;quot;Verhulst1838&amp;quot;&amp;gt;Verhulst, P.-F. (1838). &amp;quot;Notice sur la loi que la population poursuit dans son accroissement&amp;quot;. ''Correspondance Mathématique et Physique''.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
从[[动力学]]角度看，[[逻辑斯谛方程]]刻画了种群数量在规模较小时近似呈指数增长，而随着资源竞争加剧，增长速度逐渐减慢并最终趋向某一稳定上限（环境承载量）的典型过程。这种由[[正反馈]]与[[负反馈]]共同作用所产生的 S 型增长行为，使该模型成为理解[[非线性]][[反馈]]如何改变增长规律的入门范例，并在生态学、[[流行病学]]以及更一般的生物动力学建模中得到广泛应用&amp;lt;ref name=&amp;quot;Murray2002&amp;quot;&amp;gt;Murray, J. D. (2002). ''Mathematical Biology I: An Introduction'' (3rd ed.). Springer.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 连续时间模型 ===&lt;br /&gt;
在最常见的连续时间形式中，逻辑斯谛方程写为&lt;br /&gt;
&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
\frac{\mathrm{d} N}{\mathrm{d} t} = rN\left(1 - \frac{N}{K}\right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|3}}}}&lt;br /&gt;
&lt;br /&gt;
其中 &amp;lt;math&amp;gt;N(t)&amp;lt;/math&amp;gt; 表示时间 &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; 的种群数量，&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt; 为内禀增长率，&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; 为环境承载量。方程右端由两部分构成：&amp;lt;math&amp;gt;rN&amp;lt;/math&amp;gt; 对应“数量越多增长越快”的[[自催化]]式增长趋势，而因子 &amp;lt;math&amp;gt;1-\frac{N}{K}&amp;lt;/math&amp;gt; 则体现资源限制带来的[[负反馈]]，使得当 &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; 接近 &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; 时增长率趋于零，从而自然产生增长饱和并形成 S 型增长曲线&amp;lt;ref name=&amp;quot;Murray2002&amp;quot; /&amp;gt;。系统的相图如下图所示：原点是系统的不稳定不动点。系统有一个稳定不动点 &amp;lt;math&amp;gt;N=K&amp;lt;/math&amp;gt;，即为环境承载量.&lt;br /&gt;
&lt;br /&gt;
[[File:7c938bef2d22821917dce432d6417aff.png|none|缩略图|250px|逻辑斯谛方程的相图，原点是系统的不稳定不动点。系统有一个稳定不动点 &amp;lt;math&amp;gt;N=K&amp;lt;/math&amp;gt;，即为环境承载量。]]&lt;br /&gt;
&lt;br /&gt;
在给定初值条件下，该方程可写出解析解&lt;br /&gt;
&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
N(t)=\frac{K}{1 + A e^{-rt}},&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|4}}}}&lt;br /&gt;
&lt;br /&gt;
其中常数 &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; 由初始种群数量决定。该解的曲线如下图所示，直观地展示了系统从早期快速增长到后期逐渐稳定在 &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; 附近的过渡过程。&lt;br /&gt;
&lt;br /&gt;
[[File:e204fe49ba0ef17a78d31d190f66a2d7.png|none|缩略图|250px|逻辑斯谛方程解的典型 S 型增长曲线示意图，展示种群数量随时间增长并逐渐趋近环境承载量的行为。]]&lt;br /&gt;
&lt;br /&gt;
=== 离散模型与应用拓展 ===&lt;br /&gt;
除连续时间形式外，[[逻辑斯谛方程]]在[[离散时间]]建模中也有一个极其重要的对应物：'''[[逻辑斯谛映射]]'''（logistic map）&lt;br /&gt;
&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math display=&amp;quot;block&amp;quot;&amp;gt;&lt;br /&gt;
x_{n+1} = r x_n (1 - x_n),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|5}}}}&lt;br /&gt;
&lt;br /&gt;
该映射在参数变化下可呈现从稳定定点到[[周期轨道]]、再到倍周期[[分岔]]与[[混沌]]的丰富[[动力学]]行为，因此常被作为一维离散[[动力系统]]与[[混沌理论]]的经典示例&amp;lt;ref name=&amp;quot;Edelstein2005&amp;quot;&amp;gt;Edelstein-Keshet, L. (2005). ''Mathematical Models in Biology''. SIAM.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
逻辑斯谛模型及其变体广泛用于生态学中的种群增长描述，也常作为更复杂模型（例如加入时间延迟、空间扩散或[[随机]]扰动）的基准框架；此外，其 S 型增长形态也被借用到[[社会科学]]中的技术扩散与增长过程刻画中，并在形式上与[[统计学]]中的[[逻辑斯谛回归]]等方法产生联系&amp;lt;ref name=&amp;quot;Murray2002&amp;quot; /&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==RC电路分析==&lt;br /&gt;
&lt;br /&gt;
===模型定义===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
考虑下图所示的 RC 电路，电阻大小为 &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt;，电容量为 &amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;。记左端输入电压为 &amp;lt;math&amp;gt;V_{\text{in}}&amp;lt;/math&amp;gt;，电容器两端的电压 &amp;lt;math&amp;gt;V_{C}&amp;lt;/math&amp;gt; 为输出电压，电路中的电流为 &amp;lt;math&amp;gt;I&amp;lt;/math&amp;gt;。则电容器上的电容量 &amp;lt;math&amp;gt;Q&amp;lt;/math&amp;gt; 遵循下面的微分方程&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
f(Q) = \dot{Q} = -\frac{1}{RC} \cdot Q + \frac{V_{0}}{R},&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|6}}}}&lt;br /&gt;
[[文件:RC_Series_Filter_(with_V&amp;amp;I_Labels).png|300x500像素|none|缩略图|串联RC电路，左侧为输入电压，电阻值为 R，电容值量为 C，输出电压为电容两端的电压。引自&amp;lt;ref name='wikipedia rc circuit'&amp;gt;https://en.wikipedia.org/wiki/RC_circuit&amp;lt;/ref&amp;gt;]]&lt;br /&gt;
&lt;br /&gt;
===推导过程===&lt;br /&gt;
&lt;br /&gt;
根据[[基尔霍夫定律]]，可得&lt;br /&gt;
&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\left\{ &lt;br /&gt;
\begin{align}&lt;br /&gt;
\\[-1em]&lt;br /&gt;
V_{\text{in}} &amp;amp;= V_{R} + V_{C}\\&lt;br /&gt;
V_{\text{out}} &amp;amp;= V_{C} = \frac{1}{C} \int_{0}^{t} I(t) \, \mathrm d{t}&lt;br /&gt;
\end{align}&lt;br /&gt;
\right. &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|7}}}}&lt;br /&gt;
&lt;br /&gt;
即&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
V_{\text{in}} = RI + \frac{1}{C}\int_{0}^{t} {I} \, \mathrm d{t}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|8}}}}&lt;br /&gt;
&lt;br /&gt;
当 &amp;lt;math&amp;gt;V_{\text{in}}&amp;lt;/math&amp;gt; 为恒定电压 &amp;lt;math&amp;gt;V_{0}&amp;lt;/math&amp;gt; 时，考虑电容 &amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt; 上的充电量 &amp;lt;math&amp;gt;Q&amp;lt;/math&amp;gt;。有&lt;br /&gt;
&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
V_{0} = RI + \frac{1}{C} \int_{0}^{t} {I} \, \mathrm d{t} \iff V_{0} = R \dot{Q} + \frac{Q}{C}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|9}}}}&lt;br /&gt;
&lt;br /&gt;
将式{{EquationNote|(9)}} 中的 &amp;lt;math&amp;gt;\dot{Q}&amp;lt;/math&amp;gt; 整理至等式左边，就得到了&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===模型的解===&lt;br /&gt;
&lt;br /&gt;
该方程的通解为&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
Q(t) = V_{0}C + Ke^{-t/RC},&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|10}}}}&lt;br /&gt;
如果要求初始时刻电容器上电荷为零，即 &amp;lt;math&amp;gt;Q(0) = 0&amp;lt;/math&amp;gt;，则有 &amp;lt;math&amp;gt;K = -V_{0}C&amp;lt;/math&amp;gt;，即&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
Q(t) = V_{0}C(1 - e^{-t/RC}),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|11}}}}&lt;br /&gt;
相应地，也能得到电容器的[[稳态电压]] &amp;lt;math&amp;gt;V_{C}(\infty)&amp;lt;/math&amp;gt; 为 &amp;lt;math&amp;gt;V_{0}C&amp;lt;/math&amp;gt;，输出电压随时间变化规律为&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
V_{C}(t) = \frac{Q}{C} = V_{0}(1 - e^{-t/RC}),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
其中 &amp;lt;math&amp;gt;\tau = RC&amp;lt;/math&amp;gt; 称为[[时间常数]]，它决定电容器充电的快慢。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===相图视角===&lt;br /&gt;
&lt;br /&gt;
公式{{EquationNote|(6)}}对应着如下图所示的RC串联电路系统相图，可见相图中为一截距为正，斜率为负的直线，有一个[[稳定不动点]] &amp;lt;math&amp;gt;Q = V_{0}C&amp;lt;/math&amp;gt;。另外，从该函数也可明显的看出上面的结论：当电容初始电量为零时，依该函数，其电量会一直增长，无限趋于[[稳定不动点]]。&lt;br /&gt;
&lt;br /&gt;
[[File:微信图片_20251231123651_61031_78.png|250px|thumb|none|RC 电路系统的相图。横轴为电容器的电量&amp;lt;math&amp;gt;Q&amp;lt;/math&amp;gt;，纵轴为电容器电量的变化率&amp;lt;math&amp;gt;\dot{Q}&amp;lt;/math&amp;gt;。该系统的相图为一斜率为负的直线，和横轴的交点为 &amp;lt;math&amp;gt;Q=V_0 C&amp;lt;/math&amp;gt;，即为系统的稳定不动点。]]&lt;br /&gt;
&lt;br /&gt;
==企业生长模型==&lt;br /&gt;
&lt;br /&gt;
'''企业生长模型'''是[[陶如意]]、[[张江]]、[[Geoffray West]]等人提出的、基于企业[[规模标度律]]和企业财务平衡方程构建的企业资产变化的[[微分方程]]，刻画企业的平均生长[[动力学]]&lt;br /&gt;
&lt;br /&gt;
=== 数学形式 ===&lt;br /&gt;
&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{aligned}&lt;br /&gt;
\frac{\mathrm{d} A}{\mathrm{d} t} = \frac{c_IA^{\beta_I}}{1-c_L \beta_L A^{\beta_L-1}}&lt;br /&gt;
\end{aligned}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|12}}}}&lt;br /&gt;
其中：&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt;是企业的资产&lt;br /&gt;
* &amp;lt;math&amp;gt;c_I&amp;lt;/math&amp;gt;和&amp;lt;math&amp;gt;\beta_I&amp;lt;/math&amp;gt;代表企业的资产和企业净利润&amp;lt;math&amp;gt;I&amp;lt;/math&amp;gt;之间[[幂律]]关系的参数（&amp;lt;math&amp;gt;I = c_I A^{\beta_I}&amp;lt;/math&amp;gt;）&lt;br /&gt;
* &amp;lt;math&amp;gt;c_L&amp;lt;/math&amp;gt;和&amp;lt;math&amp;gt;\beta_L&amp;lt;/math&amp;gt;代表资产和企业总债务&amp;lt;math&amp;gt;L&amp;lt;/math&amp;gt;之间的[[幂律]]关系参数（&amp;lt;math&amp;gt;L = c_L A^{\beta_L}&amp;lt;/math&amp;gt;）&lt;br /&gt;
&lt;br /&gt;
上式被称为企业普适生长方程（General growth equation)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 解的形式 ===&lt;br /&gt;
&lt;br /&gt;
对式{{EquationNote|(12)}}直接积分，难以给出资产随时间的显式解析表达式，但可以给出企业资产生长轨迹的隐式解&lt;br /&gt;
&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{aligned}&lt;br /&gt;
\frac{A^{1-\beta_I}}{c_I(1-\beta_I)}\left[1-\left(\frac{1-\beta_I}{\beta_L-\beta_I}\right)c_L\beta_LA^{\beta_L-1}\right]\equiv f(A) = t&lt;br /&gt;
\end{aligned}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|13}}}}&lt;br /&gt;
&lt;br /&gt;
式{{EquationNote|(13)}}被称为企业通用生产曲线（general growth curve），其中，&amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;是企业的市场年龄。下图展示了个体企业时间轨迹在平均尺度上和模型预测的吻合情况，结果显示，在[[美国]]、中国和欧洲的上市企业数据集中，模型表现和数据吻合，详见下图。&lt;br /&gt;
&lt;br /&gt;
[[文件:企业生长曲线.png|600px|none|缩略图|企业生长曲线在中国、美国、欧洲的上市企业数据集上的拟合结果。纵坐标是企业的资产，横坐标是根据通用生长方程经过对齐后的企业的有效年龄（Effective Age），可见与企业增长模型的解与实际数据集吻合。]]&lt;br /&gt;
&lt;br /&gt;
当&amp;lt;math&amp;gt;\beta_L \approx 1&amp;lt;/math&amp;gt;的时候，可以得到一个极佳的近似，此时企业生长方程的解是一个随时间变化的[[幂律]]形式：&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
A(t) \approx c t^{\gamma}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|14}}}}&lt;br /&gt;
&lt;br /&gt;
其中&lt;br /&gt;
&lt;br /&gt;
* &amp;lt;math&amp;gt;\gamma \approx [1-\left(\frac{1-\beta_L}{1-\beta_I}\right)\left(\frac{c_L}{1-c_L}\right)]/(1-\beta_I)&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt; c = \exp \left\{ \frac{1}{1-\beta_I} \left[ \ln \frac{(1-\beta_I)c_I}{(1-c_L)}\right] \left[ 1- \left(\frac{1-\beta_L}{1-\beta_I}\right)\left(\frac{c_L}{1-c_L}\right) \right] + \frac{\beta_{I}(1-\beta_L)}{(1-\beta_I)^2}\left(\frac{c_L}{1-c_L}\right)   \right\}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
===不动点分析===&lt;br /&gt;
&lt;br /&gt;
分析企业生长方程的[[动力学]]性质，我们可知，方程只有一个[[不动点]]&amp;lt;math&amp;gt;A = 0&amp;lt;/math&amp;gt;，该点意味着企业的资产为0，考虑到企业资产往往不会出现为0的情况，该点并无实际的经济意义。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===奇异点分析===&lt;br /&gt;
&lt;br /&gt;
进一步分析可知，方程存在奇异点，即分母为0的情况，此时&amp;lt;math&amp;gt;\mathrm{d}A/\mathrm{d}t \to \infty&amp;lt;/math&amp;gt;。下面我们对奇异点&amp;lt;math&amp;gt;A^*&amp;lt;/math&amp;gt;展开分析。&lt;br /&gt;
&lt;br /&gt;
令分母&amp;lt;math&amp;gt;D(x) = 1-c_L\beta_LA^{\beta_L-1} = 0&amp;lt;/math&amp;gt;，得到奇异点&amp;lt;math&amp;gt;A^*=\left(c_L\beta_L\right)^{1/(1-\beta_L)}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====稳定性====&lt;br /&gt;
&lt;br /&gt;
对奇异点进行稳定性分析，即判断 &amp;lt;math&amp;gt;\left.\frac{\mathrm{d} ^2t}{\mathrm{d} A^2}\right|_{A=A^*}=\frac{(A^*)^{-\beta_I-1}}{c_I}(1-\beta_L)&amp;lt;/math&amp;gt;的正负。我们得到两种情况：&lt;br /&gt;
* 当&amp;lt;math&amp;gt;\beta_L &amp;gt; 1&amp;lt;/math&amp;gt;时，&amp;lt;math&amp;gt; \frac{\mathrm{d} ^2t}{\mathrm{d} A^2}&amp;lt; 0&amp;lt;/math&amp;gt;，意味着此时奇异点是一个[[吸引子]]，企业生长靠近该点。&lt;br /&gt;
* 当&amp;lt;math&amp;gt;\beta_L &amp;lt; 1&amp;lt;/math&amp;gt;时，&amp;lt;math&amp;gt; \frac{\mathrm{d} ^2t}{\mathrm{d} A^2}&amp;lt; 0&amp;lt;/math&amp;gt;，意味着此时奇异点是一个排斥子，企业规模远离该点。&lt;br /&gt;
&lt;br /&gt;
下图展示了不同&amp;lt;math&amp;gt;\beta_L&amp;lt;/math&amp;gt;取值情况的企业生长轨迹及其变化率的可视化图像&lt;br /&gt;
&lt;br /&gt;
[[文件:Singularity.png|600px|none|缩略图|企业生长轨迹及其变化率和不同参数的关系。第一行子图表示企业规模（对数坐标）随着时间t的演化轨迹。第二行子图表示企业对数生长率和企业（对数）规模的函数关系，图中的箭头代表企业规模变化的速度，箭头越粗代表变化越快。左、中、右分别代表&amp;lt;math&amp;gt;\beta_L &amp;lt; 1, =1, &amp;gt;1&amp;lt;/math&amp;gt;三种不同的参数情况。&amp;lt;math&amp;gt;\beta_L&amp;lt;1&amp;lt;/math&amp;gt;时，企业生长方程存在一个左奇异点，该点是不稳定的；&amp;lt;math&amp;gt;\beta_L=1&amp;lt;/math&amp;gt;时，企业是一个幂律生长；&amp;lt;math&amp;gt;\beta_L&amp;gt;1&amp;lt;/math&amp;gt;时，企业生长方程存在一个右奇异点，且该点是一个稳定的奇异点。]]&lt;br /&gt;
&lt;br /&gt;
====经济含义====&lt;br /&gt;
&lt;br /&gt;
对应到企业生长行为，也可以分成对应两种类型的生长阈值&lt;br /&gt;
* 当&amp;lt;math&amp;gt;\beta_L &amp;gt; 1&amp;lt;/math&amp;gt;时，由于此时[[奇点]]是一个[[吸引子]]，意味着小于规模[[奇点]]&amp;lt;math&amp;gt;A^*&amp;lt;/math&amp;gt;的企业可以持续增长，而大于规模[[奇点]]&amp;lt;math&amp;gt;A^*&amp;lt;/math&amp;gt;的企业则表现为衰退，此时[[奇点]]&amp;lt;math&amp;gt;A^*&amp;lt;/math&amp;gt;是一个生长上限。&lt;br /&gt;
* 而当&amp;lt;math&amp;gt;\beta_L &amp;lt;1&amp;lt;/math&amp;gt;时，由于此时[[奇点]]是一个排斥子，意味着大于规模[[奇点]]&amp;lt;math&amp;gt;A^*&amp;lt;/math&amp;gt;的企业可以持续增长，而小于规模[[奇点]]&amp;lt;math&amp;gt;A^*&amp;lt;/math&amp;gt;的企业则表现为衰退，此时[[奇点]]&amp;lt;math&amp;gt;A^*&amp;lt;/math&amp;gt;是一个生长门槛。&lt;br /&gt;
&lt;br /&gt;
= 参考文献 =&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
----&lt;br /&gt;
此词条由[[何瑞杰]]、[[夏沛雯]]、[[陶如意]]编写，[[张江]]、[[王志鹏]]整理和审校。&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%80%BB%E8%BE%91%E6%96%AF%E8%B0%9B%E6%96%B9%E7%A8%8B&amp;diff=48770</id>
		<title>逻辑斯谛方程</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%80%BB%E8%BE%91%E6%96%AF%E8%B0%9B%E6%96%B9%E7%A8%8B&amp;diff=48770"/>
		<updated>2026-01-11T08:37:36Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;逻辑斯谛方程（Logistic Equation），又称逻辑斯谛增长模型，是一种描述在有限资源环境下种群规模增长的S形曲线数学模型。该模型由比利时数学家皮埃尔·弗朗索瓦·韦尔霍斯特（Pierre François Verhulst）于19世纪提出，如今已成为生态学、生物学、化学、人口学、经济学、地球科学、心理学、社会学、政治学、语言学、统计学、医学和机器学习等多个领域的核心模型之一。&lt;br /&gt;
&lt;br /&gt;
逻辑斯谛方程的数学表达式为：&amp;lt;math&amp;gt;{\frac{dN}{dt} = λN(K - N)}&amp;lt;/math&amp;gt;，是基于种群规模的增长率(&amp;lt;math&amp;gt;{\frac{dN}{dt}}&amp;lt;/math&amp;gt;)与当前种群规模（&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;）成正比，同时也与环境容纳量（&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;）和当前种群规模之差（&amp;lt;math&amp;gt;K-N&amp;lt;/math&amp;gt;）成正比的科学假设。&lt;br /&gt;
&lt;br /&gt;
=历史=&lt;br /&gt;
&lt;br /&gt;
逻辑斯谛方程的历史发展跨越两个世纪，融合了人口学、生物学和数学的交叉研究：&lt;br /&gt;
&lt;br /&gt;
* '''理论奠基'''：逻辑斯谛函数由比利时数学家皮埃尔·弗朗索瓦·韦尔霍斯特在1838年至1847年间发表的三篇论文中系统提出并发展。他在阿道夫·凯特勒（Adolphe Quetelet）的指导下，将其作为对指数增长模型的调整，用于描述人口增长。韦尔霍斯特在1838年的论文中首次提出了逻辑斯谛方程的微分形式，其中包含了由环境承载能力决定的种群平衡点&amp;lt;ref&amp;gt;Verhulst, P. F. (1838). Notice sur la loi que la population suit dans son accroissement. Correspondance mathématique et Physique, publiée par A. Quetelet, 10, 113-120.&amp;lt;/ref&amp;gt;。1845年，他正式将方程的解曲线命名为“逻辑斯谛曲线”（图1）&amp;lt;ref&amp;gt;Verhulst, P. F. (1845). Recherches mathématiques sur la loi d'accroissement de la population. Nouveaux Mémoires de l'Académie Royale des Sciences, des Lettres et des Beaux-Arts de Belgique, 18, 1-38.&amp;lt;/ref&amp;gt;。1847年，他在第三篇论文中对比利时人口增长模型的修正项进行了调整&amp;lt;ref&amp;gt;Verhulst, P. F. (1847). Deuxième Mémoire sur la loi d'accroissement de la population. Nouveaux Mémoires de l'Académie Royale des Sciences, des Lettres et des Beaux-Arts de Belgique, 20, 1-32.&amp;lt;/ref&amp;gt;。韦尔霍斯特选用“逻辑斯谛”一词，可能源于古希腊语λογῐστῐκός（logistikós，意为“计算”），该词指代古希腊数学的一个分支，大致相当于应用数学，以区别于线性（算术）增长和对数（几何/指数）增长，意在暗示其增长模型比一次函数和指数函数更贴合实际。&lt;br /&gt;
&lt;br /&gt;
[[文件:Population_growth.png|none|缩略图|400x400像素|图1. 指数增长（Exponential growth）和逻辑斯谛增长（Logistic growth）。图片来源：https://upload.wikimedia.org/wikipedia/en/1/1c/Population_growth.png]]&lt;br /&gt;
&lt;br /&gt;
* '''重新发现与推广'''：韦尔霍斯特的工作在当时并未引起广泛关注。直到1920年，美国生物学家雷蒙德·珀尔（Raymond Pearl）和洛厄尔·里德（Lowell J. Reed）在研究果蝇种群增长和人口问题时独立重新发现了这一方程，并提出了现在广为流传的形式。他们的工作使得该方程在生物学界广为人知，因此该方程有时也被称为韦尔霍斯特-珀尔方程或“阻碍增长方程”&amp;lt;ref&amp;gt;Pearl, R., &amp;amp; Reed, L. J. (1920). On the rate of growth of the population of the United States since 1790 and its mathematical representation. Proceedings of the National Academy of Sciences, 6(6), 275–288.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''实验验证与理论拓展'''：1911年，安德森·格雷·麦肯德里克（Anderson Gray McKendrick）首次将逻辑斯谛方程用于描述肉汤中细菌的生长，并通过非线性参数估计进行了实验测试&amp;lt;ref&amp;gt;McKendrick, A. G., &amp;amp; Pai, M. K. (1912). XLV.—The Rate of Multiplication of Micro-organisms: A Mathematical Study. Proceedings of the Royal Society of Edinburgh, 31, 649-653.&amp;lt;/ref&amp;gt;。1925年，数学生物学家阿弗雷德·洛特卡（Alfred James Lotka）也独立推导出该方程，称其为“种群增长律”&amp;lt;ref&amp;gt;Lotka, A. J. (1925). Elements of physical biology. Williams &amp;amp; Wilkins.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''混沌理论发展'''：随着20世纪系统科学和混沌理论的发展，该方程的离散形式——[[逻辑斯谛映射]]被深入研究。罗伯特·梅（Robert M. May）在1976年发表于《自然》杂志的论文《简单数学模型中的复杂动力学》中&amp;lt;ref&amp;gt;May, R. M. (1976). Simple mathematical models with very complicated dynamics. Nature, 261(5560), 459–467.&amp;lt;/ref&amp;gt;，系统阐述了这一简单非线性方程如何产生复杂的混沌行为，从而使该模型成为混沌研究的经典范例&amp;lt;ref&amp;gt;Strogatz, S. H. (2018). Nonlinear dynamics and chaos: with applications to physics, biology, chemistry, and engineering (2nd ed.). CRC Press.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''模型地位的奠定'''：逻辑斯谛增长模型被视为与密度相关的种群连续增长模型的典型，其参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;（内禀增长率）和&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;（环境容纳量）已成为生物进化对策理论（如[[R/K选择理论]]）中的核心概念&amp;lt;ref&amp;gt;Pianka, E. R. (1970). On r- and K-selection. The American Naturalist, 104(940), 592–597.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Begon, M., Townsend, C. R., &amp;amp; Harper, J. L. (2006). Ecology: from individuals to ecosystems (4th ed.). Blackwell Publishing.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
=简介=&lt;br /&gt;
&lt;br /&gt;
==问题背景==&lt;br /&gt;
种群增长的一个基础模型基于如下假设：在理想条件下（资源无限、空间充足、无天敌、无疾病），种群规模的增长率与种群规模本身成正比。该假设对某些生物种群（如细菌）的初期增长是合理的。&lt;br /&gt;
种群规模的增长率为其导数&amp;lt;math&amp;gt;\displaystyle{ \frac{dN}{dt} }&amp;lt;/math&amp;gt;，因此上述假设可表示为：&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{aligned}&lt;br /&gt;
\frac{dN}{dt} &amp;amp;= λN&lt;br /&gt;
\end{aligned}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
其中&amp;lt;math&amp;gt;λ&amp;lt;/math&amp;gt;为比例常数。公式{{EquationNote|(1)}}是一个包含未知函数&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;及其导数的微分方程，即著名的[[马尔萨斯模型]]（又称指数增长模型）&amp;lt;ref&amp;gt;Malthus, T. R. (1798). An essay on the principle of population. J. Johnson.&amp;lt;/ref&amp;gt;（图1）。&lt;br /&gt;
&lt;br /&gt;
设初始种群规模不为零，即对所有&amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;有&amp;lt;math&amp;gt;N_{(t)} &amp;gt; 0&amp;lt;/math&amp;gt;。 若&amp;lt;math&amp;gt;λ &amp;gt; 0&amp;lt;/math&amp;gt;，则由公式{{EquationNote|(1)}}可知，种群将持续增长。&lt;br /&gt;
事实上，公式{{EquationNote|(1)}}表明，随着&amp;lt;math&amp;gt;N_{(t)}&amp;lt;/math&amp;gt;增大，增长率&amp;lt;math&amp;gt;\displaystyle{ \frac{dN}{dt} }&amp;lt;/math&amp;gt;也同步增大，即增长率随种群规模扩大而加速。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
求解公式{{EquationNote|(1)}}，需找到导数为自身常数倍的函数，指数函数满足此性质。令 &amp;lt;math&amp;gt;\displaystyle{ N_{(t)} = C\mathrm{e}^{λt}}&amp;lt;/math&amp;gt;，则有&lt;br /&gt;
&amp;lt;math&amp;gt;N ^ {\prime}{(t)} = C \left(λ e ^ {λ t}\right) = λ \left(C e ^ {λ t}\right) = λ N_{(t)}&amp;lt;/math&amp;gt;，&lt;br /&gt;
因此，任何形如&amp;lt;math&amp;gt;N_{(t)} = C\mathrm{e}^{λt}&amp;lt;/math&amp;gt;的指数函数都是方程的解。&lt;br /&gt;
&lt;br /&gt;
令&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;取不同实数值，可得方程的解族&amp;lt;math&amp;gt;N_{(t)} = Ce^{λt}&amp;lt;/math&amp;gt;。由于种群规模为正，故只取&amp;lt;math&amp;gt;C &amp;gt; 0&amp;lt;/math&amp;gt;的解。 代入初始时间&amp;lt;math&amp;gt;t = 0&amp;lt;/math&amp;gt;，得&amp;lt;math&amp;gt;N(0) = Ce^{λ(0)} = C&amp;lt;/math&amp;gt;，可知常数&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;即为初始种群规模&amp;lt;math&amp;gt;N_{(0)}&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
然而，自然界中的种群增长并非无限制。马尔萨斯模型描述了理想条件下（即资源无限时）的指数增长，但这在现实中几乎不存在。大多数增长过程会受到环境承载力（如食物、空间、天敌等）的限制。韦尔霍斯特意识到人口增长不仅与现有人口相关，还受可用资源制约，即存在一个最大承载量。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
在环境资源有限的情况下，种群初始呈指数增长，当规模接近环境容纳量&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;时，增长趋于稳定（若规模超过&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;，则会下降至&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;）（图1）。一个符合现实的模型应满足以下两点：&lt;br /&gt;
&lt;br /&gt;
* 当&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;很小时，&amp;lt;math&amp;gt;\frac{\mathrm{d}N}{\mathrm{d}t}\approx λN&amp;lt;/math&amp;gt; （初始阶段，增长率与&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;成正比）；&lt;br /&gt;
&lt;br /&gt;
* 当&amp;lt;math&amp;gt;N &amp;gt; K&amp;lt;/math&amp;gt;时，&amp;lt;math&amp;gt;\frac{\mathrm{d}N}{\mathrm{d}t} &amp;lt; 0&amp;lt;/math&amp;gt; （规模超过&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;时，种群数量减少）。&lt;br /&gt;
&lt;br /&gt;
一种能同时满足上述两个假设的方法是，假定增长率与当前种群规模（&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;）成正比，同时也与剩余资源空间（&amp;lt;math&amp;gt;K-N&amp;lt;/math&amp;gt;）成正比。&lt;br /&gt;
对应的微分方程为&amp;lt;math&amp;gt;\mathrm{d}N/ \mathrm{d}t = cN(K - N)&amp;lt;/math&amp;gt;，其中&amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt;为比例常数。该式等价于&amp;lt;math&amp;gt;\frac{\mathrm{d}N}{\mathrm{d}t} = \frac{λN(K - N)}{K}&amp;lt;/math&amp;gt;，其中&amp;lt;math&amp;gt;λ = cK&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
==核心思想==&lt;br /&gt;
&lt;br /&gt;
'''逻辑斯谛方程的核心思想是'''：种群增长率受双重因素影响，既与当前种群规模（&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;）成正比，也与剩余资源空间（&amp;lt;math&amp;gt;K-N&amp;lt;/math&amp;gt;）成正比。 随着种群规模接近环境承载力&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;，其增长率将逐渐下降至零，从而实现种群的自我调节。这种增长模式表现为典型的S形曲线，根据增长速率的变化，其过程可细分为五个时期：①开始期（潜伏期），种群数量少，增长缓慢；②加速期，增长逐渐加快；③转折期，当种群数量达到&amp;lt;math&amp;gt;K/2&amp;lt;/math&amp;gt;时，增长速率最快；④减速期，增长逐渐变慢；⑤饱和期，种群数量达到&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;值并维持稳定（图2）。&lt;br /&gt;
&lt;br /&gt;
[[文件:Logistic curve.jpg|none|缩略图|500x500像素|图2. 简单逻辑斯谛曲线的示意图。增长率函数在同一图上以钟形曲线表示。引自&amp;lt;ref&amp;gt;Kucharavy, D., &amp;amp; Roland, D. G. (2015). Application of logistic growth curve. Procedia Engineering, 131, 280-290.&amp;lt;/ref&amp;gt;]]&lt;br /&gt;
&lt;br /&gt;
=主要内容=&lt;br /&gt;
&lt;br /&gt;
==微分形式与推导==&lt;br /&gt;
'''逻辑斯谛方程的标准微分形式为'''：{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{aligned}&lt;br /&gt;
\frac{dN}{dt} &amp;amp;= λN(1-\frac{N}{K})&lt;br /&gt;
\end{aligned}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|2}}}}&lt;br /&gt;
&lt;br /&gt;
其中：&lt;br /&gt;
&lt;br /&gt;
* &amp;lt;math&amp;gt;N_{(t)}&amp;lt;/math&amp;gt;: 时间&amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;时的种群规模；&lt;br /&gt;
&lt;br /&gt;
* &amp;lt;math&amp;gt;λ&amp;lt;/math&amp;gt;: 内禀增长率，表示理想条件下种群的最大增长潜力；&lt;br /&gt;
&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;: 环境承载力，即环境所能支持的最大种群规模；&lt;br /&gt;
&lt;br /&gt;
* &amp;lt;math&amp;gt;\frac{dN}{dt}&amp;lt;/math&amp;gt;: 种群在时刻&amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;的瞬时增长率。&lt;br /&gt;
&lt;br /&gt;
该方程{{EquationNote|(2)}}亦可从韦尔霍斯特最初提出的形式推导而来。 其原始形式为&amp;lt;math&amp;gt;\frac{dN}{dt} = λN - \alpha N^2&amp;lt;/math&amp;gt; ，其中&amp;lt;math&amp;gt; \alpha&amp;lt;/math&amp;gt;表示密度依赖的拥挤效应（种内竞争）。通过变量替换&amp;lt;math&amp;gt; K = \frac{λ}{\alpha}&amp;lt;/math&amp;gt;即可得到标准形式。&lt;br /&gt;
&lt;br /&gt;
==解析解与S形曲线==&lt;br /&gt;
&lt;br /&gt;
逻辑斯谛方程是一个可分离变量的微分方程，其解析解为：&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{aligned}&lt;br /&gt;
N_{(t)} = \frac{K}{1+(\frac{K-N_0}{N_0})e^{-λt}}&lt;br /&gt;
\end{aligned}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|3}}}}&lt;br /&gt;
或等价写作：&amp;lt;math&amp;gt;N_{(t)} = \frac{K}{1 + C K e^{-λt}}&amp;lt;/math&amp;gt;，其中&amp;lt;math&amp;gt;C = \frac{1}{N_0} - \frac{1}{K}&amp;lt;/math&amp;gt;是由初始条件决定的常数。&lt;br /&gt;
&lt;br /&gt;
该解描述了一条S形曲线（又称sigmoid曲线），其增长过程可分为三个阶段：&lt;br /&gt;
&lt;br /&gt;
* 初始阶段（&amp;lt;math&amp;gt;N \ll K&amp;lt;/math&amp;gt;）：增长近似指数增长，曲线呈凹形上升；&lt;br /&gt;
&lt;br /&gt;
* 过渡阶段（&amp;lt;math&amp;gt;N \approx K/2&amp;lt;/math&amp;gt;）：增长速度达到最大值，曲线出现拐点；&lt;br /&gt;
&lt;br /&gt;
* 饱和阶段（&amp;lt;math&amp;gt;N \to K&amp;lt;/math&amp;gt;）：增长逐渐减缓并趋近于零，种群规模稳定在承载力&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;附近。&lt;br /&gt;
&lt;br /&gt;
==方程的性质==&lt;br /&gt;
&lt;br /&gt;
===逻辑斯谛系数与调节机制===&lt;br /&gt;
方程{{EquationNote|(2)}}中的因子&amp;lt;math&amp;gt;(1-\frac{N}{K})&amp;lt;/math&amp;gt;称为逻辑斯谛系数，它体现了密度依赖的调节作用。当&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;很小时，该系数接近&amp;lt;math&amp;gt;1&amp;lt;/math&amp;gt;，方程近似于指数增长；随着&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;增大，该系数减小，对增长的抑制作用增强；当&amp;lt;math&amp;gt;N = K&amp;lt;/math&amp;gt;时，系数为&amp;lt;math&amp;gt;0&amp;lt;/math&amp;gt;，增长停止。&lt;br /&gt;
&lt;br /&gt;
===不动点与稳定性===&lt;br /&gt;
逻辑斯谛方程有两个不动点（平衡点）：&lt;br /&gt;
&lt;br /&gt;
* &amp;lt;math&amp;gt;N = 0&amp;lt;/math&amp;gt;：为不稳定平衡点，表示种群灭绝；&lt;br /&gt;
&lt;br /&gt;
* &amp;lt;math&amp;gt;N = K&amp;lt;/math&amp;gt;：为稳定平衡点，表示种群达到环境承载力。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
对原方程 &amp;lt;math&amp;gt;dN/dt = f(N) = λN(1-N/K)&amp;lt;/math&amp;gt; 进行线性稳定性分析。 计算导数&amp;lt;math&amp;gt;f'(N) = λ(1 - 2N/K)&amp;lt;/math&amp;gt;。&lt;br /&gt;
* 在 &amp;lt;math&amp;gt;N=0 &amp;lt;/math&amp;gt;处，&amp;lt;math&amp;gt;f'(0) = λ &amp;gt; 0&amp;lt;/math&amp;gt;，微扰会指数增长，故为不稳定平衡点；&lt;br /&gt;
* 在 &amp;lt;math&amp;gt;N=K&amp;lt;/math&amp;gt; 处，&amp;lt;math&amp;gt;f'(K) = -λ &amp;lt; 0&amp;lt;/math&amp;gt;，微扰会指数衰减，故为稳定平衡点；&lt;br /&gt;
* 当 &amp;lt;math&amp;gt;N &amp;lt; K&amp;lt;/math&amp;gt;时，逻辑斯谛系数为正，种群数量上升；当&amp;lt;math&amp;gt;N &amp;gt; K&amp;lt;/math&amp;gt; 时，系数为负，种群数量下降；当 &amp;lt;math&amp;gt;N = K&amp;lt;/math&amp;gt; 时，系数为零，种群数量保持不变&lt;br /&gt;
&lt;br /&gt;
===拐点与最大增长速率===&lt;br /&gt;
逻辑斯谛曲线的拐点出现在 &amp;lt;math&amp;gt;N = \frac{K}{2}&amp;lt;/math&amp;gt;处，此时种群增长速率（&amp;lt;math&amp;gt;\frac{dN}{dt}&amp;lt;/math&amp;gt;）达到最大值&amp;lt;math&amp;gt;\frac{λK}{4}&amp;lt;/math&amp;gt; （图2）。这一性质在资源管理中有直接应用，例如在渔业和林业中，将种群数量维持在&amp;lt;math&amp;gt;K/2&amp;lt;/math&amp;gt;左右，可以获得最大可持续产量而不损害资源再生能力。&lt;br /&gt;
&lt;br /&gt;
==离散形式的逻辑斯谛方程==&lt;br /&gt;
逻辑斯谛方程的离散形式称为[[逻辑斯谛映射]]，其表达式为：&amp;lt;math&amp;gt;x_{n+1} = r x_n (1 - x_n)&amp;lt;/math&amp;gt;，其中&amp;lt;math&amp;gt;x_n&amp;lt;/math&amp;gt;表示第&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;代的种群规模（通常归一化到[0,1]区间），&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为增长参数。该离散模型可视为通过欧拉前差法从连续方程近似得到，是研究[[混沌动力学]]的经典模型。当参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;变化时，系统会经历倍周期[[分岔]]通向[[混沌]]，展示了确定性非线性系统内在的复杂性与不可预测性&amp;lt;ref&amp;gt;Strogatz, S. H. (2018). Nonlinear dynamics and chaos: with applications to physics, biology, chemistry, and engineering (2nd ed.). CRC Press.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;May, R. M. (1976). Simple mathematical models with very complicated dynamics. Nature, 261(5560), 459–467.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Feigenbaum, M. J. (1978). Quantitative universality for a class of nonlinear transformations. Journal of Statistical Physics, 19(1), 25–52.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 推广 ==&lt;br /&gt;
&lt;br /&gt;
逻辑斯谛方程有多种推广形式，以适应更复杂的现实情况：&lt;br /&gt;
&lt;br /&gt;
* '''广义逻辑斯谛函数'''（Generalised logistic function）：引入形状参数&amp;lt;math&amp;gt;\nu&amp;lt;/math&amp;gt;，方程形式为&amp;lt;math&amp;gt;\frac{dN}{dt} = \frac{λ}{\nu} N [1-(\frac{N}{K})^\nu]&amp;lt;/math&amp;gt;，以增强拟合灵活性，常用于不对称增长或流行病建模&amp;lt;ref&amp;gt;Richards, F. J. (1959). A Flexible Growth Function for Empirical Use. Journal of Experimental Botany, 10(2), 290–301.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Tjørve, E., &amp;amp; Tjørve, K. M. C. (2010). A unified approach to the Richards-model family for use in growth analyses: why we need only two model forms. Journal of Theoretical Biology, 267(3), 417–425.&amp;lt;/ref&amp;gt;；&lt;br /&gt;
&lt;br /&gt;
* '''时滞逻辑斯谛函数'''（Delayed Logistic function）：考虑种群对资源影响的延迟反馈，方程形式为&amp;lt;math&amp;gt;\frac{dN}{dt} = λN(t)[1-\frac{N(t-\tau)}{K}]&amp;lt;/math&amp;gt;，可能产生振荡等复杂动态&amp;lt;ref&amp;gt;Hutchinson, G. E. (1948). Circular causal systems in ecology. Annals of the New York Academy of Sciences, 50(4), 221–246.&amp;lt;/ref&amp;gt;；&lt;br /&gt;
&lt;br /&gt;
* '''空间逻辑斯谛函数'''（Spatial Logistic function）：结合反应-扩散方程，研究种群在空间中的分布与传播模式&amp;lt;ref&amp;gt;Fisher, R. A. (1937). The wave of advance of advantageous genes. Annals of Eugenics, 7(4), 355–369.&amp;lt;/ref&amp;gt;；&lt;br /&gt;
&lt;br /&gt;
* '''[[冈珀茨函数]]'''（Gompertz function）：常用于描述生长速度不对称的生长过程，如肿瘤生长&amp;lt;ref&amp;gt;Gompertz, B. (1825). On the nature of the function expressive of the law of human mortality. Philosophical Transactions of the Royal Society of London, 115, 513–585.&amp;lt;/ref&amp;gt;；&lt;br /&gt;
&lt;br /&gt;
* '''[[超博拉斯特函数]]'''（Hyperbolastic function）：用于更复杂的生长模式建模&amp;lt;ref&amp;gt;West, G. B., Brown, J. H., &amp;amp; Enquist, B. J. (2001). A general model for ontogenetic growth. Nature, 413(6856), 628–631.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Tabatabai, M., Williams, D. K., &amp;amp; Bursac, Z. (2005). Hyperbolastic growth models: theory and application. Theoretical Biology and Medical Modelling, 30, 2–14.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
在统计学中，逻辑斯谛函数的多元推广是softmax函数，用于处理多类别分类问题。&lt;br /&gt;
&lt;br /&gt;
=应用=&lt;br /&gt;
&lt;br /&gt;
==生态学与人口学==&lt;br /&gt;
&lt;br /&gt;
逻辑斯谛方程最初且最直接的应用领域是生态学与人口学：&lt;br /&gt;
&lt;br /&gt;
* '''种群动力学'''：描述有限资源下生物种群的增长规律，如果蝇、细菌等。它也是许多相互作用种群模型（如捕食-被捕食模型）的基础&amp;lt;ref&amp;gt;Lotka, A. J. (1925). Elements of physical biology. Williams &amp;amp; Wilkins.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Volterra, V. (1926). Variazioni e fluttuazioni del numero d’individui in specie animali conviventi. Memorie della R. Accademia Nazionale dei Lincei, Serie VI, 2, 31–113.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''资源管理'''：指导渔业、林业等可再生资源的可持续利用，避免过度开发。其核心原则是使资源种群数量保持在环境容纳量&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;的一半（&amp;lt;math&amp;gt;K/2&amp;lt;/math&amp;gt;）附近，此时种群增长速率最大，可获得最大持续产量&amp;lt;ref&amp;gt;Clark, C. W. (1990). Mathematical bioeconomics: the optimal management of renewable resources (2nd ed.). Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''人口预测'''：用于模拟和预测人类人口增长，如雷蒙德·珀尔和洛厄尔·里德对美国人口的研究&amp;lt;ref&amp;gt;Cohen, J. E. (1995). How many people can the earth support? W. W. Norton &amp;amp; Company.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
在人口学中，该模型通常写作：&amp;lt;math&amp;gt;{\displaystyle {\frac {dN}{dt}}=rN\left(1-{\frac {N}{K}}\right)}&amp;lt;/math&amp;gt;，&lt;br /&gt;
其中常数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为种群（人口）增长率，&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;为环境承载力。&lt;br /&gt;
方程中，早期的几乎无阻力的增长率来自&amp;lt;math&amp;gt;rN&amp;lt;/math&amp;gt;。增长率&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;代表种群（人口）数量&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;在一个单位时间内的增长比例。随着人口增长，第二项&amp;lt;math&amp;gt;{\frac{-rN^2}{K}}&amp;lt;/math&amp;gt;变得几乎和第一项一样大，种群&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;内的个体之间开始争夺某些关键资源（例如食物或生存空间）而相互干扰。这种对抗效应称为“瓶颈”，由参数&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;代表。竞争会降低总增长率，直到&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;停止增长（种群/人口成熟）。方程的解（&amp;lt;math&amp;gt;N_{0}&amp;lt;/math&amp;gt;为初始种群/人口数量）为：&lt;br /&gt;
&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{aligned}{\displaystyle N(t)={\frac {KN_{0}e^{rt}}{K+N_{0}\left(e^{rt}-1\right)}}={\frac {K}{1+\left({\frac {K-N_{0}}{N_{0}}}\right)e^{-rt}}}}&lt;br /&gt;
\end{aligned}&lt;br /&gt;
&amp;lt;/math&amp;gt;，&lt;br /&gt;
|{{EquationRef|4}}}}&lt;br /&gt;
&lt;br /&gt;
其中：&amp;lt;math&amp;gt;{\displaystyle \lim _{t\to \infty }N(t)=K}&amp;lt;/math&amp;gt;。&lt;br /&gt;
因此，&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;是&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;的极限值，即经过足够长时间后，种群（人口）规模所能达到的最大值。值得注意的是，只要初始值&amp;lt;math&amp;gt;{\displaystyle N(0)&amp;gt;0}&amp;lt;/math&amp;gt;，无论取值多少，种群数量都会渐近逼近环境承载力&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;，即使初始值&amp;lt;math&amp;gt;{\displaystyle N(0)&amp;gt;K}&amp;lt;/math&amp;gt;也是如此。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
生态学中有时称一个物种是&amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt;策略或&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;策略([[R/K选择理论]])的，这是指它们在自然选择过程形成的生物生命周期策略。进行无量纲化，使&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;代表以环境承载力单位的种群数量，&amp;lt;math&amp;gt;{\displaystyle \tau }&amp;lt;/math&amp;gt;代表以&amp;lt;math&amp;gt;{\displaystyle 1/r}&amp;lt;/math&amp;gt;的单位计量的时间，得出无量纲微分方程：&lt;br /&gt;
&amp;lt;math&amp;gt;{\displaystyle {\frac {dn}{d\tau }}=n(1-n)}&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
若环境承载力随时间变化，即&amp;lt;math&amp;gt;{\displaystyle K(t)&amp;gt;0}&amp;lt;/math&amp;gt;，则得到以下数学模型：&lt;br /&gt;
&amp;lt;math&amp;gt;{\displaystyle {\frac {dN}{dt}}=rN\cdot \left(1-{\frac {N}{K(t)}}\right)}&amp;lt;/math&amp;gt;，其中一种特别重要的情况是承载力呈周期变化：&lt;br /&gt;
&amp;lt;math&amp;gt;{\displaystyle K(t+T)=K(t)}&amp;lt;/math&amp;gt;，&lt;br /&gt;
此时，只要初始值&amp;lt;math&amp;gt;{\displaystyle N(0)&amp;gt;0}&amp;lt;/math&amp;gt;，&amp;lt;math&amp;gt;{\displaystyle N(t)}&amp;lt;/math&amp;gt;会逼近一个周期为&amp;lt;math&amp;gt;{\displaystyle T}&amp;lt;/math&amp;gt;的周期解&amp;lt;math&amp;gt;{\displaystyle N^{*}(t)}&amp;lt;/math&amp;gt;。&amp;lt;math&amp;gt;{\displaystyle T}&amp;lt;/math&amp;gt;的典型取值为1年，在此情况下，&amp;lt;math&amp;gt;{\displaystyle K(t)}&amp;lt;/math&amp;gt;可表示天气条件的周期性变化。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
另一个有趣的一般化情形是考虑承载能力&amp;lt;math&amp;gt;K{(t)}&amp;lt;/math&amp;gt;作为关于较早时间的种群数量的函数，以表示种群改变其所处环境的延迟。这就构成了一个逻辑斯谛时滞方程，它具有非常丰富的行为，在某些参数范围内呈现双稳定，以及单调衰减至零、平滑指数增长、间断无限增长（即多个S形）、间断增长或交替到平稳水平、振荡接近稳定水平、持续振荡、有限时间奇异点以及有限时间死亡。&lt;br /&gt;
&lt;br /&gt;
==医学：流行病传播模型==&lt;br /&gt;
&lt;br /&gt;
在医学领域，逻辑斯谛方程被广泛应用于流行病学建模：&lt;br /&gt;
&lt;br /&gt;
* '''疾病传播'''：在经典的SIR模型中，逻辑斯谛方程可以近似描述在疾病爆发初期，易感人群数量庞大时，感染者人数的增长模式。在COVID-19大流行期间，广义逻辑斯谛曲线被广泛用于拟合和预测各国感染病例的增长轨迹&amp;lt;ref&amp;gt;Lee, S. Y., Lei, B., &amp;amp; Mallick, B. (2020). Estimation of COVID-19 spread curves integrating global data and borrowing information. PLOS ONE, 15(7), e0236860.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Chowell, G., Hengartner, N. W., Castillo-Chavez, C., Fenimore, P. W., &amp;amp; Hyman, J. M. (2004). The basic reproductive number of Ebola and the effects of public health measures: the cases of Congo and Uganda. Journal of Theoretical Biology, 229(1), 119–126.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''疫情预测'''：在COVID-19疫情期间，广义逻辑斯谛函数（理查兹增长曲线）被用于拟合感染轨迹，预测疫情发展趋势&amp;lt;ref&amp;gt;Roosa, K., Lee, Y., Luo, R., Kirpich, A., Rothenberg, R., Hyman, J. M., &amp;amp; Chowell, G. (2020). Real-time forecasts of the COVID-19 epidemic in China from February 5th to February 24th, 2020. Infectious Disease Modelling, 5, 256–263.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''肿瘤生长'''：用于描述肿瘤在营养限制条件下的生长动力学。可将其视为上述生态学/人口学模型的延伸。以&amp;lt;math&amp;gt;{\displaystyle X(t)}&amp;lt;/math&amp;gt;表示肿瘤在时间&amp;lt;math&amp;gt;{\displaystyle t}&amp;lt;/math&amp;gt;的大小，其变化动力学遵循：&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{aligned}{\displaystyle X'=r\left(1-{\frac {X}{K}}\right)X}&lt;br /&gt;
\end{aligned}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|5}}}}&lt;br /&gt;
&lt;br /&gt;
该式属于以下类型：&amp;lt;math&amp;gt;{\displaystyle X'=F(X)X,\quad F'(X)\leq 0,}&amp;lt;/math&amp;gt;，其中&amp;lt;math&amp;gt;{\displaystyle F(X)}&amp;lt;/math&amp;gt;为肿瘤增殖率。&lt;br /&gt;
&lt;br /&gt;
若采用化疗产生对数杀伤效果，则等式{{EquationNote|(5)}}修改为：&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{aligned}{\displaystyle X'=r\left(1-{\frac {X}{K}}\right)X-c(t)X}\end{aligned}&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math&amp;gt;{\displaystyle c(t)}&amp;lt;/math&amp;gt;为治疗引起的肿瘤死亡率。在理想化的长期治疗下，&amp;lt;math&amp;gt;{\displaystyle c(t)}&amp;lt;/math&amp;gt;可模型化为周期为&amp;lt;math&amp;gt;{\displaystyle T}&amp;lt;/math&amp;gt;的周期函数或常数函数（如持续输液），且有&amp;lt;math&amp;gt;{\displaystyle {\frac {1}{T}}\int _{0}^{T}c(t)\,dt&amp;gt;r\to \lim _{t\to +\infty }x(t)=0}&amp;lt;/math&amp;gt;，&lt;br /&gt;
即，如果平均治疗引起的肿瘤死亡率大于基线增殖率，则疾病能被根除。当然，这是一个过于简化的生长和治疗模型（例如没有考虑克隆抗性现象）&amp;lt;ref&amp;gt;Simeoni, M., Magni, P., Cammia, C., De Nicolao, G., Croci, V., Pesenti, E., … &amp;amp; Rocchetti, M. (2004). Predictive pharmacokinetic-pharmacodynamic modeling of tumor growth kinetics in xenograft models after administration of anticancer agents. Cancer Research, 64(3), 1094–1101.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
==化学与物理学==&lt;br /&gt;
&lt;br /&gt;
逻辑斯谛方程在化学和物理学中也有重要应用：&lt;br /&gt;
&lt;br /&gt;
* '''自催化反应'''：描述自催化化学反应中反应物和产物浓度的变化规律。例如，某些燃料电池催化剂的衰减过程遵循逻辑斯谛规律，提示其为自催化分解机制&amp;lt;ref&amp;gt;Epstein, I. R., &amp;amp; Pojman, J. A. (1998). An introduction to nonlinear chemical dynamics: oscillations, waves, patterns, and chaos. Oxford University Press.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''费米-狄拉克分布'''：在统计物理中，逻辑斯谛函数决定了费米子在热平衡系统中各能态的占据概率分布&amp;lt;ref&amp;gt;Reif, F. (1965). Fundamentals of statistical and thermal physics. McGraw-Hill.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''相变模型'''：用于描述材料科学中的某些相变过程&amp;lt;ref&amp;gt;Stanley, H. E. (1971). Introduction to phase transitions and critical phenomena. Oxford University Press.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
==经济学、语言学、社会学与技术创新扩散==&lt;br /&gt;
&lt;br /&gt;
在经济学和社会科学中，逻辑斯谛方程用于描述各种扩散过程：&lt;br /&gt;
&lt;br /&gt;
* '''经济发展'''：用于分析经济增长的长期周期和基础设施建设的扩散过程。&lt;br /&gt;
&lt;br /&gt;
* '''市场预测'''：预测新产品市场占有率的增长和饱和趋势&amp;lt;ref&amp;gt;Bass, F. M. (1969). A new product growth for model consumer durables. Management Science, 15(5), 215–227.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''语言学'''：用于对语言变化进行建模，如新词汇或语法结构的传播速度随时间呈S形变化。&lt;br /&gt;
&lt;br /&gt;
* '''创新扩散'''：巴斯扩散模型的核心就是逻辑斯谛方程，用于描述新产品或新技术在人群中采纳的过程：从早期采用者到晚期大众，最后市场饱和。&lt;br /&gt;
&lt;br /&gt;
==机器学习：逻辑斯谛回归与激活函数==&lt;br /&gt;
&lt;br /&gt;
在机器学习领域，逻辑斯谛函数是[[逻辑斯谛回归]]的基础：&lt;br /&gt;
&lt;br /&gt;
* '''二分类问题'''：通过逻辑斯谛函数（Sigmoid函数）将线性组合的输出映射到（0,1）区间，解释为概率。&lt;br /&gt;
&lt;br /&gt;
* '''多分类扩展'''：通过softmax函数推广到多类别分类问题。&lt;br /&gt;
&lt;br /&gt;
* '''深度学习'''：作为神经网络的激活函数，引入非线性特性。标准逻辑斯谛函数&amp;lt;math&amp;gt;\sigma(x) = 1/(1+e^{-x})&amp;lt;/math&amp;gt;是双曲正切函数&amp;lt;math&amp;gt;\tanh(x)&amp;lt;/math&amp;gt;的缩放平移，即&amp;lt;math&amp;gt;\sigma(x) = \frac{1}{2} + \frac{1}{2}\tanh(\frac{x}{2})&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
[[逻辑斯谛回归]]源于1944年约瑟夫·伯克森基于逻辑斯谛函数提出的logit函数，后来由大卫·考克斯在1958年正式命名为[[逻辑斯谛回归]]。如今，它已成为分类问题中最广泛使用的算法之一&amp;lt;ref&amp;gt;Berkson, J. (1944). Application of the logistic function to bio-assay. Journal of the American Statistical Association, 39(227), 357–365.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Cox, D. R. (1958). Two further applications of a model for binary regression. Biometrika, 45(3/4), 562–565.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
= 参考文献 =&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
----&lt;br /&gt;
此词条由[[陈力]]编写，[[张江]]、[[王志鹏]]整理和审校。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''本词条内容源自wikipedia及公开资料，遵守 CC3.0协议。'''&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%80%BB%E8%BE%91%E6%96%AF%E8%B0%9B%E6%96%B9%E7%A8%8B&amp;diff=48769</id>
		<title>逻辑斯谛方程</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%80%BB%E8%BE%91%E6%96%AF%E8%B0%9B%E6%96%B9%E7%A8%8B&amp;diff=48769"/>
		<updated>2026-01-11T08:36:44Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;逻辑斯谛方程（Logistic Equation），又称逻辑斯谛增长模型，是一种描述在有限资源环境下种群规模增长的S形曲线数学模型。该模型由比利时数学家皮埃尔·弗朗索瓦·韦尔霍斯特（Pierre François Verhulst）于19世纪提出，如今已成为生态学、生物学、化学、人口学、经济学、地球科学、心理学、社会学、政治学、语言学、统计学、医学和机器学习等多个领域的核心模型之一。&lt;br /&gt;
&lt;br /&gt;
逻辑斯谛方程的数学表达式为：&amp;lt;math&amp;gt;{\frac{dN}{dt} = λN(K - N)}&amp;lt;/math&amp;gt;，是基于种群规模的增长率(&amp;lt;math&amp;gt;{\frac{dN}{dt}}&amp;lt;/math&amp;gt;)与当前种群规模（&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;）成正比，同时也与环境容纳量（&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;）和当前种群规模之差（&amp;lt;math&amp;gt;K-N&amp;lt;/math&amp;gt;）成正比的科学假设。&lt;br /&gt;
&lt;br /&gt;
=历史=&lt;br /&gt;
&lt;br /&gt;
逻辑斯谛方程的历史发展跨越两个世纪，融合了人口学、生物学和数学的交叉研究：&lt;br /&gt;
&lt;br /&gt;
* '''理论奠基'''：逻辑斯谛函数由比利时数学家皮埃尔·弗朗索瓦·韦尔霍斯特在1838年至1847年间发表的三篇论文中系统提出并发展。他在阿道夫·凯特勒（Adolphe Quetelet）的指导下，将其作为对指数增长模型的调整，用于描述人口增长。韦尔霍斯特在1838年的论文中首次提出了逻辑斯谛方程的微分形式，其中包含了由环境承载能力决定的种群平衡点&amp;lt;ref&amp;gt;Verhulst, P. F. (1838). Notice sur la loi que la population suit dans son accroissement. Correspondance mathématique et Physique, publiée par A. Quetelet, 10, 113-120.&amp;lt;/ref&amp;gt;。1845年，他正式将方程的解曲线命名为“逻辑斯谛曲线”（图1）&amp;lt;ref&amp;gt;Verhulst, P. F. (1845). Recherches mathématiques sur la loi d'accroissement de la population. Nouveaux Mémoires de l'Académie Royale des Sciences, des Lettres et des Beaux-Arts de Belgique, 18, 1-38.&amp;lt;/ref&amp;gt;。1847年，他在第三篇论文中对比利时人口增长模型的修正项进行了调整&amp;lt;ref&amp;gt;Verhulst, P. F. (1847). Deuxième Mémoire sur la loi d'accroissement de la population. Nouveaux Mémoires de l'Académie Royale des Sciences, des Lettres et des Beaux-Arts de Belgique, 20, 1-32.&amp;lt;/ref&amp;gt;。韦尔霍斯特选用“逻辑斯谛”一词，可能源于古希腊语λογῐστῐκός（logistikós，意为“计算”），该词指代古希腊数学的一个分支，大致相当于应用数学，以区别于线性（算术）增长和对数（几何/指数）增长，意在暗示其增长模型比一次函数和指数函数更贴合实际。&lt;br /&gt;
&lt;br /&gt;
[[文件:Population_growth.png|none|缩略图|400x400像素|图1. 指数增长（Exponential growth）和逻辑斯谛增长（Logistic growth）。图片来源：https://upload.wikimedia.org/wikipedia/en/1/1c/Population_growth.png]]&lt;br /&gt;
&lt;br /&gt;
* '''重新发现与推广'''：韦尔霍斯特的工作在当时并未引起广泛关注。直到1920年，美国生物学家雷蒙德·珀尔（Raymond Pearl）和洛厄尔·里德（Lowell J. Reed）在研究果蝇种群增长和人口问题时独立重新发现了这一方程，并提出了现在广为流传的形式。他们的工作使得该方程在生物学界广为人知，因此该方程有时也被称为韦尔霍斯特-珀尔方程或“阻碍增长方程”&amp;lt;ref&amp;gt;Pearl, R., &amp;amp; Reed, L. J. (1920). On the rate of growth of the population of the United States since 1790 and its mathematical representation. Proceedings of the National Academy of Sciences, 6(6), 275–288.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''实验验证与理论拓展'''：1911年，安德森·格雷·麦肯德里克（Anderson Gray McKendrick）首次将逻辑斯谛方程用于描述肉汤中细菌的生长，并通过非线性参数估计进行了实验测试&amp;lt;ref&amp;gt;McKendrick, A. G., &amp;amp; Pai, M. K. (1912). XLV.—The Rate of Multiplication of Micro-organisms: A Mathematical Study. Proceedings of the Royal Society of Edinburgh, 31, 649-653.&amp;lt;/ref&amp;gt;。1925年，数学生物学家阿弗雷德·洛特卡（Alfred James Lotka）也独立推导出该方程，称其为“种群增长律”&amp;lt;ref&amp;gt;Lotka, A. J. (1925). Elements of physical biology. Williams &amp;amp; Wilkins.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''混沌理论发展'''：随着20世纪系统科学和混沌理论的发展，该方程的离散形式——[[逻辑斯谛映射]]被深入研究。罗伯特·梅（Robert M. May）在1976年发表于《自然》杂志的论文《简单数学模型中的复杂动力学》中&amp;lt;ref&amp;gt;May, R. M. (1976). Simple mathematical models with very complicated dynamics. Nature, 261(5560), 459–467.&amp;lt;/ref&amp;gt;，系统阐述了这一简单非线性方程如何产生复杂的混沌行为，从而使该模型成为混沌研究的经典范例&amp;lt;ref&amp;gt;Strogatz, S. H. (2018). Nonlinear dynamics and chaos: with applications to physics, biology, chemistry, and engineering (2nd ed.). CRC Press.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''模型地位的奠定'''：逻辑斯谛增长模型被视为与密度相关的种群连续增长模型的典型，其参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;（内禀增长率）和&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;（环境容纳量）已成为生物进化对策理论（如[[R/K选择理论]]）中的核心概念&amp;lt;ref&amp;gt;Pianka, E. R. (1970). On r- and K-selection. The American Naturalist, 104(940), 592–597.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Begon, M., Townsend, C. R., &amp;amp; Harper, J. L. (2006). Ecology: from individuals to ecosystems (4th ed.). Blackwell Publishing.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
=简介=&lt;br /&gt;
&lt;br /&gt;
==问题背景==&lt;br /&gt;
种群增长的一个基础模型基于如下假设：在理想条件下（资源无限、空间充足、无天敌、无疾病），种群规模的增长率与种群规模本身成正比。该假设对某些生物种群（如细菌）的初期增长是合理的。&lt;br /&gt;
种群规模的增长率为其导数&amp;lt;math&amp;gt;\displaystyle{ \frac{dN}{dt} }&amp;lt;/math&amp;gt;，因此上述假设可表示为：&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{aligned}&lt;br /&gt;
\frac{dN}{dt} &amp;amp;= λN&lt;br /&gt;
\end{aligned}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|1}}}}&lt;br /&gt;
其中&amp;lt;math&amp;gt;λ&amp;lt;/math&amp;gt;为比例常数。公式{{EquationNote|(1)}}是一个包含未知函数&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;及其导数的微分方程，即著名的[[马尔萨斯模型]]（又称指数增长模型）&amp;lt;ref&amp;gt;Malthus, T. R. (1798). An essay on the principle of population. J. Johnson.&amp;lt;/ref&amp;gt;（图1）。&lt;br /&gt;
&lt;br /&gt;
设初始种群规模不为零，即对所有&amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;有&amp;lt;math&amp;gt;N_{(t)} &amp;gt; 0&amp;lt;/math&amp;gt;。 若&amp;lt;math&amp;gt;λ &amp;gt; 0&amp;lt;/math&amp;gt;，则由公式{{EquationNote|(1)}}可知，种群将持续增长。&lt;br /&gt;
事实上，公式{{EquationNote|(1)}}表明，随着&amp;lt;math&amp;gt;N_{(t)}&amp;lt;/math&amp;gt;增大，增长率&amp;lt;math&amp;gt;\displaystyle{ \frac{dN}{dt} }&amp;lt;/math&amp;gt;也同步增大，即增长率随种群规模扩大而加速。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
求解公式{{EquationNote|(1)}}，需找到导数为自身常数倍的函数，指数函数满足此性质。令 &amp;lt;math&amp;gt;\displaystyle{ N_{(t)} = C\mathrm{e}^{λt}}&amp;lt;/math&amp;gt;，则有&lt;br /&gt;
&amp;lt;math&amp;gt;N ^ {\prime}{(t)} = C \left(λ e ^ {λ t}\right) = λ \left(C e ^ {λ t}\right) = λ N_{(t)}&amp;lt;/math&amp;gt;，&lt;br /&gt;
因此，任何形如&amp;lt;math&amp;gt;N_{(t)} = C\mathrm{e}^{λt}&amp;lt;/math&amp;gt;的指数函数都是方程的解。&lt;br /&gt;
&lt;br /&gt;
令&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;取不同实数值，可得方程的解族&amp;lt;math&amp;gt;N_{(t)} = Ce^{λt}&amp;lt;/math&amp;gt;。由于种群规模为正，故只取&amp;lt;math&amp;gt;C &amp;gt; 0&amp;lt;/math&amp;gt;的解。 代入初始时间&amp;lt;math&amp;gt;t = 0&amp;lt;/math&amp;gt;，得&amp;lt;math&amp;gt;N(0) = Ce^{λ(0)} = C&amp;lt;/math&amp;gt;，可知常数&amp;lt;math&amp;gt;C&amp;lt;/math&amp;gt;即为初始种群规模&amp;lt;math&amp;gt;N_{(0)}&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
然而，自然界中的种群增长并非无限制。马尔萨斯模型描述了理想条件下（即资源无限时）的指数增长，但这在现实中几乎不存在。大多数增长过程会受到环境承载力（如食物、空间、天敌等）的限制。韦尔霍斯特意识到人口增长不仅与现有人口相关，还受可用资源制约，即存在一个最大承载量。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
在环境资源有限的情况下，种群初始呈指数增长，当规模接近环境容纳量&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;时，增长趋于稳定（若规模超过&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;，则会下降至&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;）（图1）。一个符合现实的模型应满足以下两点：&lt;br /&gt;
&lt;br /&gt;
* 当&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;很小时，&amp;lt;math&amp;gt;\frac{\mathrm{d}N}{\mathrm{d}t}\approx λN&amp;lt;/math&amp;gt; （初始阶段，增长率与&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;成正比）；&lt;br /&gt;
&lt;br /&gt;
* 当&amp;lt;math&amp;gt;N &amp;gt; K&amp;lt;/math&amp;gt;时，&amp;lt;math&amp;gt;\frac{\mathrm{d}N}{\mathrm{d}t} &amp;lt; 0&amp;lt;/math&amp;gt; （规模超过&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;时，种群数量减少）。&lt;br /&gt;
&lt;br /&gt;
一种能同时满足上述两个假设的方法是，假定增长率与当前种群规模（&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;）成正比，同时也与剩余资源空间（&amp;lt;math&amp;gt;K-N&amp;lt;/math&amp;gt;）成正比。&lt;br /&gt;
对应的微分方程为&amp;lt;math&amp;gt;\mathrm{d}N/ \mathrm{d}t = cN(K - N)&amp;lt;/math&amp;gt;，其中&amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt;为比例常数。该式等价于&amp;lt;math&amp;gt;\frac{\mathrm{d}N}{\mathrm{d}t} = \frac{λN(K - N)}{K}&amp;lt;/math&amp;gt;，其中&amp;lt;math&amp;gt;λ = cK&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
==核心思想==&lt;br /&gt;
&lt;br /&gt;
'''逻辑斯谛方程的核心思想是'''：种群增长率受双重因素影响，既与当前种群规模（&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;）成正比，也与剩余资源空间（&amp;lt;math&amp;gt;K-N&amp;lt;/math&amp;gt;）成正比。 随着种群规模接近环境承载力&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;，其增长率将逐渐下降至零，从而实现种群的自我调节。这种增长模式表现为典型的S形曲线，根据增长速率的变化，其过程可细分为五个时期：①开始期（潜伏期），种群数量少，增长缓慢；②加速期，增长逐渐加快；③转折期，当种群数量达到&amp;lt;math&amp;gt;K/2&amp;lt;/math&amp;gt;时，增长速率最快；④减速期，增长逐渐变慢；⑤饱和期，种群数量达到&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;值并维持稳定（图2）。&lt;br /&gt;
&lt;br /&gt;
[[文件:Logistic curve.jpg|none|缩略图|500x500像素|图2. 简单逻辑斯谛曲线的示意图。增长率函数在同一图上以钟形曲线表示。引自&amp;lt;ref&amp;gt;Kucharavy, D., &amp;amp; Roland, D. G. (2015). Application of logistic growth curve. Procedia Engineering, 131, 280-290.&amp;lt;/ref&amp;gt;]]&lt;br /&gt;
&lt;br /&gt;
=主要内容=&lt;br /&gt;
&lt;br /&gt;
==微分形式与推导==&lt;br /&gt;
'''逻辑斯谛方程的标准微分形式为'''：{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{aligned}&lt;br /&gt;
\frac{dN}{dt} &amp;amp;= λN(1-\frac{N}{K})&lt;br /&gt;
\end{aligned}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|2}}}}&lt;br /&gt;
&lt;br /&gt;
其中：&lt;br /&gt;
&lt;br /&gt;
* &amp;lt;math&amp;gt;N_{(t)}&amp;lt;/math&amp;gt;: 时间&amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;时的种群规模；&lt;br /&gt;
&lt;br /&gt;
* &amp;lt;math&amp;gt;λ&amp;lt;/math&amp;gt;: 内禀增长率，表示理想条件下种群的最大增长潜力；&lt;br /&gt;
&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;: 环境承载力，即环境所能支持的最大种群规模；&lt;br /&gt;
&lt;br /&gt;
* &amp;lt;math&amp;gt;\frac{dN}{dt}&amp;lt;/math&amp;gt;: 种群在时刻&amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;的瞬时增长率。&lt;br /&gt;
&lt;br /&gt;
该方程{{EquationNote|(2)}}亦可从韦尔霍斯特最初提出的形式推导而来。 其原始形式为&amp;lt;math&amp;gt;\frac{dN}{dt} = λN - \alpha N^2&amp;lt;/math&amp;gt; ，其中&amp;lt;math&amp;gt; \alpha&amp;lt;/math&amp;gt;表示密度依赖的拥挤效应（种内竞争）。通过变量替换&amp;lt;math&amp;gt; K = \frac{λ}{\alpha}&amp;lt;/math&amp;gt;即可得到标准形式。&lt;br /&gt;
&lt;br /&gt;
==解析解与S形曲线==&lt;br /&gt;
&lt;br /&gt;
逻辑斯谛方程是一个可分离变量的微分方程，其解析解为：&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{aligned}&lt;br /&gt;
N_{(t)} = \frac{K}{1+(\frac{K-N_0}{N_0})e^{-λt}}&lt;br /&gt;
\end{aligned}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|3}}}}&lt;br /&gt;
或等价写作：&amp;lt;math&amp;gt;N_{(t)} = \frac{K}{1 + C K e^{-λt}}&amp;lt;/math&amp;gt;，其中&amp;lt;math&amp;gt;C = \frac{1}{N_0} - \frac{1}{K}&amp;lt;/math&amp;gt;是由初始条件决定的常数。&lt;br /&gt;
&lt;br /&gt;
该解描述了一条S形曲线（又称sigmoid曲线），其增长过程可分为三个阶段：&lt;br /&gt;
&lt;br /&gt;
* 初始阶段（&amp;lt;math&amp;gt;N \ll K&amp;lt;/math&amp;gt;）：增长近似指数增长，曲线呈凹形上升；&lt;br /&gt;
&lt;br /&gt;
* 过渡阶段（&amp;lt;math&amp;gt;N \approx K/2&amp;lt;/math&amp;gt;）：增长速度达到最大值，曲线出现拐点；&lt;br /&gt;
&lt;br /&gt;
* 饱和阶段（&amp;lt;math&amp;gt;N \to K&amp;lt;/math&amp;gt;）：增长逐渐减缓并趋近于零，种群规模稳定在承载力&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;附近。&lt;br /&gt;
&lt;br /&gt;
==方程的性质==&lt;br /&gt;
&lt;br /&gt;
===逻辑斯谛系数与调节机制===&lt;br /&gt;
方程{{EquationNote|(2)}}中的因子&amp;lt;math&amp;gt;(1-\frac{N}{K})&amp;lt;/math&amp;gt;称为逻辑斯谛系数，它体现了密度依赖的调节作用。当&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;很小时，该系数接近&amp;lt;math&amp;gt;1&amp;lt;/math&amp;gt;，方程近似于指数增长；随着&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;增大，该系数减小，对增长的抑制作用增强；当&amp;lt;math&amp;gt;N = K&amp;lt;/math&amp;gt;时，系数为&amp;lt;math&amp;gt;0&amp;lt;/math&amp;gt;，增长停止。&lt;br /&gt;
&lt;br /&gt;
===不动点与稳定性===&lt;br /&gt;
逻辑斯谛方程有两个不动点（平衡点）：&lt;br /&gt;
&lt;br /&gt;
* &amp;lt;math&amp;gt;N = 0&amp;lt;/math&amp;gt;：为不稳定平衡点，表示种群灭绝；&lt;br /&gt;
&lt;br /&gt;
* &amp;lt;math&amp;gt;N = K&amp;lt;/math&amp;gt;：为稳定平衡点，表示种群达到环境承载力。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
对原方程 &amp;lt;math&amp;gt;dN/dt = f(N) = λN(1-N/K)&amp;lt;/math&amp;gt; 进行线性稳定性分析。 计算导数&amp;lt;math&amp;gt;f'(N) = λ(1 - 2N/K)&amp;lt;/math&amp;gt;。&lt;br /&gt;
* 在 &amp;lt;math&amp;gt;N=0 &amp;lt;/math&amp;gt;处，&amp;lt;math&amp;gt;f'(0) = λ &amp;gt; 0&amp;lt;/math&amp;gt;，微扰会指数增长，故为不稳定平衡点；&lt;br /&gt;
* 在 &amp;lt;math&amp;gt;N=K&amp;lt;/math&amp;gt; 处，&amp;lt;math&amp;gt;f'(K) = -λ &amp;lt; 0&amp;lt;/math&amp;gt;，微扰会指数衰减，故为稳定平衡点；&lt;br /&gt;
* 当 &amp;lt;math&amp;gt;N &amp;lt; K&amp;lt;/math&amp;gt;时，逻辑斯谛系数为正，种群数量上升；当&amp;lt;math&amp;gt;N &amp;gt; K&amp;lt;/math&amp;gt; 时，系数为负，种群数量下降；当 &amp;lt;math&amp;gt;N = K&amp;lt;/math&amp;gt; 时，系数为零，种群数量保持不变&lt;br /&gt;
&lt;br /&gt;
===拐点与最大增长速率===&lt;br /&gt;
逻辑斯谛曲线的拐点出现在 &amp;lt;math&amp;gt;N = \frac{K}{2}&amp;lt;/math&amp;gt;处，此时种群增长速率（&amp;lt;math&amp;gt;\frac{dN}{dt}&amp;lt;/math&amp;gt;）达到最大值&amp;lt;math&amp;gt;\frac{λK}{4}&amp;lt;/math&amp;gt; （图2）。这一性质在资源管理中有直接应用，例如在渔业和林业中，将种群数量维持在&amp;lt;math&amp;gt;K/2&amp;lt;/math&amp;gt;左右，可以获得最大可持续产量而不损害资源再生能力。&lt;br /&gt;
&lt;br /&gt;
==离散形式的逻辑斯谛方程==&lt;br /&gt;
逻辑斯谛方程的离散形式称为[[逻辑斯谛映射]]，其表达式为：&amp;lt;math&amp;gt;x_{n+1} = r x_n (1 - x_n)&amp;lt;/math&amp;gt;，其中&amp;lt;math&amp;gt;x_n&amp;lt;/math&amp;gt;表示第&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;代的种群规模（通常归一化到[0,1]区间），&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为增长参数。该离散模型可视为通过欧拉前差法从连续方程近似得到，是研究[[混沌动力学]]的经典模型。当参数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;变化时，系统会经历倍周期[[分岔]]通向[[混沌]]，展示了确定性非线性系统内在的复杂性与不可预测性&amp;lt;ref&amp;gt;Strogatz, S. H. (2018). Nonlinear dynamics and chaos: with applications to physics, biology, chemistry, and engineering (2nd ed.). CRC Press.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;May, R. M. (1976). Simple mathematical models with very complicated dynamics. Nature, 261(5560), 459–467.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Feigenbaum, M. J. (1978). Quantitative universality for a class of nonlinear transformations. Journal of Statistical Physics, 19(1), 25–52.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
== 推广 ==&lt;br /&gt;
&lt;br /&gt;
逻辑斯谛方程有多种推广形式，以适应更复杂的现实情况：&lt;br /&gt;
&lt;br /&gt;
* '''广义逻辑斯谛函数'''（Generalised logistic function）：引入形状参数&amp;lt;math&amp;gt;\nu&amp;lt;/math&amp;gt;，方程形式为&amp;lt;math&amp;gt;\frac{dN}{dt} = \frac{λ}{\nu} N [1-(\frac{N}{K})^\nu]&amp;lt;/math&amp;gt;，以增强拟合灵活性，常用于不对称增长或流行病建模&amp;lt;ref&amp;gt;Richards, F. J. (1959). A Flexible Growth Function for Empirical Use. Journal of Experimental Botany, 10(2), 290–301.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Tjørve, E., &amp;amp; Tjørve, K. M. C. (2010). A unified approach to the Richards-model family for use in growth analyses: why we need only two model forms. Journal of Theoretical Biology, 267(3), 417–425.&amp;lt;/ref&amp;gt;；&lt;br /&gt;
&lt;br /&gt;
* '''时滞逻辑斯谛函数'''（Delayed Logistic function）：考虑种群对资源影响的延迟反馈，方程形式为&amp;lt;math&amp;gt;\frac{dN}{dt} = λN(t)[1-\frac{N(t-\tau)}{K}]&amp;lt;/math&amp;gt;，可能产生振荡等复杂动态&amp;lt;ref&amp;gt;Hutchinson, G. E. (1948). Circular causal systems in ecology. Annals of the New York Academy of Sciences, 50(4), 221–246.&amp;lt;/ref&amp;gt;；&lt;br /&gt;
&lt;br /&gt;
* '''空间逻辑斯谛函数'''（Spatial Logistic function）：结合反应-扩散方程，研究种群在空间中的分布与传播模式&amp;lt;ref&amp;gt;Fisher, R. A. (1937). The wave of advance of advantageous genes. Annals of Eugenics, 7(4), 355–369.&amp;lt;/ref&amp;gt;；&lt;br /&gt;
&lt;br /&gt;
* '''[[冈珀茨函数]]'''（Gompertz function）：常用于描述生长速度不对称的生长过程，如肿瘤生长&amp;lt;ref&amp;gt;Gompertz, B. (1825). On the nature of the function expressive of the law of human mortality. Philosophical Transactions of the Royal Society of London, 115, 513–585.&amp;lt;/ref&amp;gt;；&lt;br /&gt;
&lt;br /&gt;
* '''[[超博拉斯特函数]]'''（Hyperbolastic function）：用于更复杂的生长模式建模&amp;lt;ref&amp;gt;West, G. B., Brown, J. H., &amp;amp; Enquist, B. J. (2001). A general model for ontogenetic growth. Nature, 413(6856), 628–631.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Tabatabai, M., Williams, D. K., &amp;amp; Bursac, Z. (2005). Hyperbolastic growth models: theory and application. Theoretical Biology and Medical Modelling, 30, 2–14.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
在统计学中，逻辑斯谛函数的多元推广是softmax函数，用于处理多类别分类问题。&lt;br /&gt;
&lt;br /&gt;
=应用=&lt;br /&gt;
&lt;br /&gt;
==生态学与人口学==&lt;br /&gt;
&lt;br /&gt;
逻辑斯谛方程最初且最直接的应用领域是生态学与人口学：&lt;br /&gt;
&lt;br /&gt;
* '''种群动力学'''：描述有限资源下生物种群的增长规律，如果蝇、细菌等。它也是许多相互作用种群模型（如捕食-被捕食模型）的基础&amp;lt;ref&amp;gt;Lotka, A. J. (1925). Elements of physical biology. Williams &amp;amp; Wilkins.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Volterra, V. (1926). Variazioni e fluttuazioni del numero d’individui in specie animali conviventi. Memorie della R. Accademia Nazionale dei Lincei, Serie VI, 2, 31–113.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''资源管理'''：指导渔业、林业等可再生资源的可持续利用，避免过度开发。其核心原则是使资源种群数量保持在环境容纳量&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;的一半（&amp;lt;math&amp;gt;K/2&amp;lt;/math&amp;gt;）附近，此时种群增长速率最大，可获得最大持续产量&amp;lt;ref&amp;gt;Clark, C. W. (1990). Mathematical bioeconomics: the optimal management of renewable resources (2nd ed.). Wiley.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''人口预测'''：用于模拟和预测人类人口增长，如雷蒙德·珀尔和洛厄尔·里德对美国人口的研究&amp;lt;ref&amp;gt;Cohen, J. E. (1995). How many people can the earth support? W. W. Norton &amp;amp; Company.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
在人口学中，该模型通常写作：&amp;lt;math&amp;gt;{\displaystyle {\frac {dN}{dt}}=rN\left(1-{\frac {N}{K}}\right)}&amp;lt;/math&amp;gt;，&lt;br /&gt;
其中常数&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;为种群（人口）增长率，&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;为环境承载力。&lt;br /&gt;
方程中，早期的几乎无阻力的增长率来自&amp;lt;math&amp;gt;rN&amp;lt;/math&amp;gt;。增长率&amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt;代表种群（人口）数量&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;在一个单位时间内的增长比例。随着人口增长，第二项&amp;lt;math&amp;gt;{\frac{-rN^2}{K}}&amp;lt;/math&amp;gt;变得几乎和第一项一样大，种群&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;内的个体之间开始争夺某些关键资源（例如食物或生存空间）而相互干扰。这种对抗效应称为“瓶颈”，由参数&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;代表。竞争会降低总增长率，直到&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;停止增长（种群/人口成熟）。方程的解（&amp;lt;math&amp;gt;N_{0}&amp;lt;/math&amp;gt;为初始种群/人口数量）为：&lt;br /&gt;
&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{aligned}{\displaystyle N(t)={\frac {KN_{0}e^{rt}}{K+N_{0}\left(e^{rt}-1\right)}}={\frac {K}{1+\left({\frac {K-N_{0}}{N_{0}}}\right)e^{-rt}}}}&lt;br /&gt;
\end{aligned}&lt;br /&gt;
&amp;lt;/math&amp;gt;，&lt;br /&gt;
|{{EquationRef|4}}}}&lt;br /&gt;
&lt;br /&gt;
其中：&amp;lt;math&amp;gt;{\displaystyle \lim _{t\to \infty }N(t)=K}&amp;lt;/math&amp;gt;。&lt;br /&gt;
因此，&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;是&amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;的极限值，即经过足够长时间后，种群（人口）规模所能达到的最大值。值得注意的是，只要初始值&amp;lt;math&amp;gt;{\displaystyle N(0)&amp;gt;0}&amp;lt;/math&amp;gt;，无论取值多少，种群数量都会渐近逼近环境承载力&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;，即使初始值&amp;lt;math&amp;gt;{\displaystyle N(0)&amp;gt;K}&amp;lt;/math&amp;gt;也是如此。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
生态学中有时称一个物种是&amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt;策略或&amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt;策略([[R/K选择理论]])的，这是指它们在自然选择过程形成的生物生命周期策略。进行无量纲化，使&amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;代表以环境承载力单位的种群数量，&amp;lt;math&amp;gt;{\displaystyle \tau }&amp;lt;/math&amp;gt;代表以&amp;lt;math&amp;gt;{\displaystyle 1/r}&amp;lt;/math&amp;gt;的单位计量的时间，得出无量纲微分方程：&lt;br /&gt;
&amp;lt;math&amp;gt;{\displaystyle {\frac {dn}{d\tau }}=n(1-n)}&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
若环境承载力随时间变化，即&amp;lt;math&amp;gt;{\displaystyle K(t)&amp;gt;0}&amp;lt;/math&amp;gt;，则得到以下数学模型：&lt;br /&gt;
&amp;lt;math&amp;gt;{\displaystyle {\frac {dN}{dt}}=rN\cdot \left(1-{\frac {N}{K(t)}}\right)}&amp;lt;/math&amp;gt;，其中一种特别重要的情况是承载力呈周期变化：&lt;br /&gt;
&amp;lt;math&amp;gt;{\displaystyle K(t+T)=K(t)}&amp;lt;/math&amp;gt;，&lt;br /&gt;
此时，只要初始值&amp;lt;math&amp;gt;{\displaystyle N(0)&amp;gt;0}&amp;lt;/math&amp;gt;，&amp;lt;math&amp;gt;{\displaystyle N(t)}&amp;lt;/math&amp;gt;会逼近一个周期为&amp;lt;math&amp;gt;{\displaystyle T}&amp;lt;/math&amp;gt;的周期解&amp;lt;math&amp;gt;{\displaystyle N^{*}(t)}&amp;lt;/math&amp;gt;。&amp;lt;math&amp;gt;{\displaystyle T}&amp;lt;/math&amp;gt;的典型取值为1年，在此情况下，&amp;lt;math&amp;gt;{\displaystyle K(t)}&amp;lt;/math&amp;gt;可表示天气条件的周期性变化。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
另一个有趣的一般化情形是考虑承载能力&amp;lt;math&amp;gt;K{(t)}&amp;lt;/math&amp;gt;作为关于较早时间的种群数量的函数，以表示种群改变其所处环境的延迟。这就构成了一个逻辑斯谛时滞方程，它具有非常丰富的行为，在某些参数范围内呈现双稳定，以及单调衰减至零、平滑指数增长、间断无限增长（即多个S形）、间断增长或交替到平稳水平、振荡接近稳定水平、持续振荡、有限时间奇异点以及有限时间死亡。&lt;br /&gt;
&lt;br /&gt;
==医学：流行病传播模型==&lt;br /&gt;
&lt;br /&gt;
在医学领域，逻辑斯谛方程被广泛应用于流行病学建模：&lt;br /&gt;
&lt;br /&gt;
* '''疾病传播'''：在经典的SIR模型中，逻辑斯谛方程可以近似描述在疾病爆发初期，易感人群数量庞大时，感染者人数的增长模式。在COVID-19大流行期间，广义逻辑斯谛曲线被广泛用于拟合和预测各国感染病例的增长轨迹&amp;lt;ref&amp;gt;Lee, S. Y., Lei, B., &amp;amp; Mallick, B. (2020). Estimation of COVID-19 spread curves integrating global data and borrowing information. PLOS ONE, 15(7), e0236860.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Chowell, G., Hengartner, N. W., Castillo-Chavez, C., Fenimore, P. W., &amp;amp; Hyman, J. M. (2004). The basic reproductive number of Ebola and the effects of public health measures: the cases of Congo and Uganda. Journal of Theoretical Biology, 229(1), 119–126.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''疫情预测'''：在COVID-19疫情期间，广义逻辑斯谛函数（理查兹增长曲线）被用于拟合感染轨迹，预测疫情发展趋势&amp;lt;ref&amp;gt;Roosa, K., Lee, Y., Luo, R., Kirpich, A., Rothenberg, R., Hyman, J. M., &amp;amp; Chowell, G. (2020). Real-time forecasts of the COVID-19 epidemic in China from February 5th to February 24th, 2020. Infectious Disease Modelling, 5, 256–263.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''肿瘤生长'''：用于描述肿瘤在营养限制条件下的生长动力学。可将其视为上述生态学/人口学模型的延伸。以&amp;lt;math&amp;gt;{\displaystyle X(t)}&amp;lt;/math&amp;gt;表示肿瘤在时间&amp;lt;math&amp;gt;{\displaystyle t}&amp;lt;/math&amp;gt;的大小，其变化动力学遵循：&lt;br /&gt;
{{NumBlk|:|&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{aligned}{\displaystyle X'=r\left(1-{\frac {X}{K}}\right)X}&lt;br /&gt;
\end{aligned}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
|{{EquationRef|5}}}}&lt;br /&gt;
&lt;br /&gt;
该式属于以下类型：&amp;lt;math&amp;gt;{\displaystyle X'=F(X)X,\quad F'(X)\leq 0,}&amp;lt;/math&amp;gt;，其中&amp;lt;math&amp;gt;{\displaystyle F(X)}&amp;lt;/math&amp;gt;为肿瘤增殖率。&lt;br /&gt;
&lt;br /&gt;
若采用化疗产生对数杀伤效果，则等式{{EquationNote|(5)}}修改为：&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{aligned}{\displaystyle X'=r\left(1-{\frac {X}{K}}\right)X-c(t)X}\end{aligned}&lt;br /&gt;
&amp;lt;/math&amp;gt;，其中&amp;lt;math&amp;gt;{\displaystyle c(t)}&amp;lt;/math&amp;gt;为治疗引起的肿瘤死亡率。在理想化的长期治疗下，&amp;lt;math&amp;gt;{\displaystyle c(t)}&amp;lt;/math&amp;gt;可模型化为周期为&amp;lt;math&amp;gt;{\displaystyle T}&amp;lt;/math&amp;gt;的周期函数或常数函数（如持续输液），且有&amp;lt;math&amp;gt;{\displaystyle {\frac {1}{T}}\int _{0}^{T}c(t)\,dt&amp;gt;r\to \lim _{t\to +\infty }x(t)=0}&amp;lt;/math&amp;gt;，&lt;br /&gt;
即，如果平均治疗引起的肿瘤死亡率大于基线增殖率，则疾病能被根除。当然，这是一个过于简化的生长和治疗模型（例如没有考虑克隆抗性现象）&amp;lt;ref&amp;gt;Simeoni, M., Magni, P., Cammia, C., De Nicolao, G., Croci, V., Pesenti, E., … &amp;amp; Rocchetti, M. (2004). Predictive pharmacokinetic-pharmacodynamic modeling of tumor growth kinetics in xenograft models after administration of anticancer agents. Cancer Research, 64(3), 1094–1101.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
==化学与物理学==&lt;br /&gt;
&lt;br /&gt;
逻辑斯谛方程在化学和物理学中也有重要应用：&lt;br /&gt;
&lt;br /&gt;
* '''自催化反应'''：描述自催化化学反应中反应物和产物浓度的变化规律。例如，某些燃料电池催化剂的衰减过程遵循逻辑斯谛规律，提示其为自催化分解机制&amp;lt;ref&amp;gt;Epstein, I. R., &amp;amp; Pojman, J. A. (1998). An introduction to nonlinear chemical dynamics: oscillations, waves, patterns, and chaos. Oxford University Press.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''费米-狄拉克分布'''：在统计物理中，逻辑斯谛函数决定了费米子在热平衡系统中各能态的占据概率分布&amp;lt;ref&amp;gt;Reif, F. (1965). Fundamentals of statistical and thermal physics. McGraw-Hill.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''相变模型'''：用于描述材料科学中的某些相变过程&amp;lt;ref&amp;gt;Stanley, H. E. (1971). Introduction to phase transitions and critical phenomena. Oxford University Press.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
==经济学、语言学、社会学与技术创新扩散==&lt;br /&gt;
&lt;br /&gt;
在经济学和社会科学中，逻辑斯谛方程用于描述各种扩散过程：&lt;br /&gt;
&lt;br /&gt;
* '''经济发展'''：用于分析经济增长的长期周期和基础设施建设的扩散过程。&lt;br /&gt;
&lt;br /&gt;
* '''市场预测'''：预测新产品市场占有率的增长和饱和趋势&amp;lt;ref&amp;gt;Bass, F. M. (1969). A new product growth for model consumer durables. Management Science, 15(5), 215–227.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
* '''语言学'''：用于对语言变化进行建模，如新词汇或语法结构的传播速度随时间呈S形变化。&lt;br /&gt;
&lt;br /&gt;
* '''创新扩散'''：巴斯扩散模型的核心就是逻辑斯谛方程，用于描述新产品或新技术在人群中采纳的过程：从早期采用者到晚期大众，最后市场饱和。&lt;br /&gt;
&lt;br /&gt;
==机器学习：逻辑斯谛回归与激活函数==&lt;br /&gt;
&lt;br /&gt;
在机器学习领域，逻辑斯谛函数是[[逻辑斯谛回归]]的基础：&lt;br /&gt;
&lt;br /&gt;
* '''二分类问题'''：通过逻辑斯谛函数（Sigmoid函数）将线性组合的输出映射到（0,1）区间，解释为概率。&lt;br /&gt;
&lt;br /&gt;
* '''多分类扩展'''：通过softmax函数推广到多类别分类问题。&lt;br /&gt;
&lt;br /&gt;
* '''深度学习'''：作为神经网络的激活函数，引入非线性特性。标准逻辑斯谛函数&amp;lt;math&amp;gt;\sigma(x) = 1/(1+e^{-x})&amp;lt;/math&amp;gt;是双曲正切函数&amp;lt;math&amp;gt;\tanh(x)&amp;lt;/math&amp;gt;的缩放平移，即&amp;lt;math&amp;gt;\sigma(x) = \frac{1}{2} + \frac{1}{2}\tanh(\frac{x}{2})&amp;lt;/math&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
[[逻辑斯谛回归]]源于1944年约瑟夫·伯克森基于逻辑斯谛函数提出的logit函数，后来由大卫·考克斯在1958年正式命名为[[逻辑斯谛回归]]。如今，它已成为分类问题中最广泛使用的算法之一&amp;lt;ref&amp;gt;Berkson, J. (1944). Application of the logistic function to bio-assay. Journal of the American Statistical Association, 39(227), 357–365.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Cox, D. R. (1958). Two further applications of a model for binary regression. Biometrika, 45(3/4), 562–565.&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
= 参考 =&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
----&lt;br /&gt;
此词条由[[陈力]]编写，[[张江]]、[[王志鹏]]整理和审校。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''本词条内容源自wikipedia及公开资料，遵守 CC3.0协议。'''&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48766</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48766"/>
		<updated>2026-01-11T07:42:19Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 重整化群 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
* 连续&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{dx}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;，满足：&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''重整化群中的不动点'''，本质上就是一个非线性动力学系统在参数空间中的不动点&lt;br /&gt;
&lt;br /&gt;
* 离散&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''自指、纳什均衡属于离散映射的不动点'''&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===重整化群===&lt;br /&gt;
&lt;br /&gt;
重整化群中的不动点 本质上就是一个非线性动力学系统在参数空间中的不动点，这种对应不仅形式相似，而且内涵高度一致。&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
=不动点分析方法=&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48765</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48765"/>
		<updated>2026-01-11T07:36:19Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 不动点的定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
* 连续&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{dx}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;，满足：&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''重整化群中的不动点'''，本质上就是一个非线性动力学系统在参数空间中的不动点&lt;br /&gt;
&lt;br /&gt;
* 离散&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''自指、纳什均衡属于离散映射的不动点'''&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===重整化群===&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
=不动点分析方法=&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48764</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48764"/>
		<updated>2026-01-11T07:32:16Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 其他 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
* 连续&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{dx}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;，满足：&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''重整化群中的不动点'''，本质上就是一个非线性动力学系统在参数空间中的不动点&lt;br /&gt;
&lt;br /&gt;
* 离散&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''自指、递归、纳什均衡属于离散映射的不动点'''&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===重整化群===&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
=不动点分析方法=&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48763</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48763"/>
		<updated>2026-01-11T07:26:00Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 不动点的定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
* 连续&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{dx}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;，满足：&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''重整化群中的不动点'''，本质上就是一个非线性动力学系统在参数空间中的不动点&lt;br /&gt;
&lt;br /&gt;
* 离散&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''自指、递归、纳什均衡属于离散映射的不动点'''&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===重整化群===&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡作为不动点===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
=不动点分析方法=&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48762</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48762"/>
		<updated>2026-01-11T07:24:58Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 不动点的定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
* 连续&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{dx}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
满足：&lt;br /&gt;
&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
重整化群中的不动点，本质上就是一个非线性动力学系统在参数空间中的不动点&lt;br /&gt;
&lt;br /&gt;
* 离散&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
自指、递归、纳什均衡属于离散映射的不动点&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===重整化群===&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡作为不动点===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
=不动点分析方法=&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48761</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48761"/>
		<updated>2026-01-11T07:22:48Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 不动点的定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
* 连续&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{dx}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;&lt;br /&gt;
满足：&lt;br /&gt;
&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
* 离散&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
自指、递归、纳什均衡属于离散映射的不动点&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===重整化群===&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡作为不动点===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
=不动点分析方法=&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48760</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48760"/>
		<updated>2026-01-11T07:22:13Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 不动点的定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
# 连续&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{dx}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;&lt;br /&gt;
满足：&lt;br /&gt;
&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
# 离散&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
自指、递归、纳什均衡属于离散映射的不动点&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===重整化群===&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡作为不动点===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
=不动点分析方法=&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48759</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48759"/>
		<updated>2026-01-11T07:11:53Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 其他 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{dx}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;&lt;br /&gt;
满足：&lt;br /&gt;
&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===重整化群===&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡作为不动点===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
=不动点分析方法=&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E4%B8%AD%E7%9A%84%E9%A1%BF%E6%82%9F&amp;diff=48733</id>
		<title>神经网络中的顿悟</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E4%B8%AD%E7%9A%84%E9%A1%BF%E6%82%9F&amp;diff=48733"/>
		<updated>2026-01-09T07:37:53Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;你是否经历过学习中的‘灵光一现’？其实，人工智能模型也有这样的时刻。&lt;br /&gt;
&lt;br /&gt;
[[神经网络]]中的顿悟（grokking）指的是一种反直觉的现象：当模型在训练过程中看似已经“死记硬背”（过拟合）而无法处理新数据时，如果我们不停止训练、坚持让它继续“思考”，它可能会在某个[[临界点]]突然“开窍”，从而掌握数据背后的真实规律，实现泛化能力的飞跃。&lt;br /&gt;
&lt;br /&gt;
我们可以用一个学生做题的例子来理解：想象一个刚学加法的小孩，起初他只是把练习册上的答案全背了下来（训练准确率100%），但一旦遇到没见过的数字就束手无策（测试准确率接近0%）。按照常规判断，这个孩子只是在死记硬背。&lt;br /&gt;
&lt;br /&gt;
然而，如果还要让他继续反复看这些题，经过漫长的枯燥过程后，由于某种原因，他突然理解了加法的原理。那一瞬间，他不仅能背出旧题，也能完美解决所有新题。这种从死记硬背到真正理解的延迟性突变，就是顿悟。在神经网络中，体现为如下图所示的泛化延迟：&lt;br /&gt;
&lt;br /&gt;
[[文件:图片一.png|none|缩略图|515x515px|顿悟现象的直观展示：训练和验证集上准确率曲线间的上升延迟]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 历史 ==&lt;br /&gt;
&lt;br /&gt;
=== 顿悟的发现 ===&lt;br /&gt;
OpenAI在ICLR2021数学推理workshop中发布的论文《Grokking: Generalization beyond overfitting on small algorithmic datasets》&amp;lt;ref name=&amp;quot;Power_grokking&amp;quot;&amp;gt;{{cite journal | author1=Power A | author2=Burda Y | author3=Edwards H | author4=Babuschkin I | author5=Misra V | year=2022 | title=Grokking: Generalization beyond overfitting on small algorithmic datasets | journal=arXiv | volume= | issue= | page= | url=https://arxiv.org/abs/2201.02177 }}&amp;lt;/ref&amp;gt;，首次引入了神经网络中的顿悟（grokking）概念。而顿悟现象的发现其实源于一个有趣的巧合：当 OpenAI 团队开始探索神经网络如何进行数学运算时，他们使用一个小型 Transformer来进行模加法运算（&amp;lt;math&amp;gt;(a+b) \mod p = c&amp;lt;/math&amp;gt;），测试了 Transformer 在未知的&amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; 组合下能否正确预测答案&amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt;。正如预期，当网络进入过拟合状态时，训练数据的损失接近于零（它开始记忆所见内容），而测试数据的损失开始上升，即神经网络没有泛化能力。然而，在一次实验中，负责训练神经网络的那位成员忘记了停止训练，随着长时间继续训练它突然在未见过数据上变得准确，测试数据的准确率飙升到接近100%，这说明模型已经完全理解了运算规则。随后，团队使用不同的任务和不同的网络验证了结果，这一发现得到了证实。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 相关基础知识 ==&lt;br /&gt;
&lt;br /&gt;
=== 神经网络的记忆（Memorization）与泛化（Generalization） ===&lt;br /&gt;
记忆指网络对训练数据的拟合能力。强大的记忆力能让模型在训练集上表现完美，但如果过强，模型可能会记住数据所包含的噪声或偶然细节，导致[[过拟合]]。泛化指模型将学到的规律应用到未见过的样本上的能力，提升泛化能力是机器学习的核心目标。&lt;br /&gt;
&lt;br /&gt;
记忆与泛化两者需要平衡,既要有足够容量去拟合数据中存在的真实模式，又要通过[[正则化]]、[[早停]]、[[交叉验证]]等手段抑制过拟合。直观地说，记忆像“背答案”，泛化像“学方法、会举一反三”；实践中人们通常以降低验证误差为目标，避免训练误差下降而验证误差上升的过拟合，也避免训练与验证误差都高的[[欠拟合]]。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 神经网络中的涌现（Emergent Abilities） ===&lt;br /&gt;
顿悟是一种特殊的[[涌现]]现象，表现为泛化能力的突然跃升,可以被视为一种时间维度上的涌现。在[[大语言模型（LLM）]]发展时代，[[神经网络]]中涌现的概念已经引发了广泛关注。已有研究者系统研究了不同模型的能力差异，将大模型的涌现定义为小型模型不具备、但突然出现在大型模型中的能力特征&amp;lt;ref&amp;gt; {{cite journal|author1=Wei J|author2=Tay Y|author3=Bommasani R|author4=Raffel C|author5=Zoph B|author6=Borgeaud S|author7=Yogatama D|author8=Bosma M|author9=Zhou D|author10=Metzler D|author11=Chi E. H.|author12=Hashimoto T|author13=Vinyals O|author14=Liang P|author15=Dean J|author16=Fedus W.|title=Emergent abilities of large language models|journal=Transactions on Machine Learning Research|year=2022|issn=2835-8856|url=https://openreview.net/forum?id=yzkSU5zdwD}}&amp;lt;/ref&amp;gt;。而顿悟则是随着训练时间（步数）的增加，模型能力发生的突变。两者都展示了深度神经网络在跨过某个临界阈值后，性能发生质变的[[非线性]]特征。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 早停机制（Early Stop） ===&lt;br /&gt;
为了防止过拟合，机器学习界长期遵循一个黄金法则：在验证集性能不再提升时停止训练。这种策略被称为早停机制，是一种简单有效的正则化方法：在训练过程中持续监控验证集指标（如验证损失或准确率），当该指标在若干轮内不再改善即停止训练，以防模型在训练集上继续降低损失、却在验证集上开始恶化而产生过拟合。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 顿悟的场景 ==&lt;br /&gt;
起初，顿悟似乎只是简单数学[[玩具模型]]的一个特性，但随着研究深入，人们发现从[[图像识别]]到[[大语言模型]]，顿悟无处不在。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 模运算 ===&lt;br /&gt;
最初关于模型顿悟的研究大多在[[Transformer]]执行模运算任务上进行&amp;lt;ref name=&amp;quot;Power_grokking&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;:0&amp;quot;&amp;gt;{{cite journal | author1=Nanda N | author2=Chan L | author3=Lieberum T | author4=Smith J | author5=Steinhardt J | year=2023 | title=Progress measures for grokking via mechanistic interpretability | journal=International Conference on Learning Representations (ICLR) | volume= | issue= | page= | url=https://openreview.net/forum?id=9XFSbDPmdW }}&amp;lt;/ref&amp;gt;。为什么选择用模运算任务？是因为小型算法数据集在研究神经网络泛化能力上具有重要作用：它构成了一个代数结构严密且特征独立的小样本空间，且具有强烈的离散性；在数据有限、规则清晰的情况下，模型必须理解隐藏在数据中的模式和规律才能实现泛化，有助于快速验证顿悟理论和假设，加深对神经网络泛化能力的理解。因此，模运算成为了观察模型从“机械记忆”向“算法泛化”转变的最佳受控实验场，能清晰地展示泛化能力突变的动态过程。&lt;br /&gt;
&lt;br /&gt;
模运算数据集通常由形如&amp;lt;math&amp;gt;a \circ b \bmod p = c&amp;lt;/math&amp;gt;的方程组成，其中每个元素&amp;quot;&amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;&amp;quot;、&amp;quot;&amp;lt;math&amp;gt;\circ&amp;lt;/math&amp;gt;&amp;quot;、&amp;quot;&amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt;&amp;quot;、&amp;quot;&amp;lt;math&amp;gt;mod&amp;lt;/math&amp;gt;&amp;quot;、&amp;quot;&amp;lt;math&amp;gt;p&amp;lt;/math&amp;gt;&amp;quot;、&amp;quot;&amp;lt;math&amp;gt;=&amp;lt;/math&amp;gt;&amp;quot;和&amp;quot;&amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt;&amp;quot;均为独立token，可写作&amp;lt;math&amp;gt;&amp;lt;c&amp;gt;=&amp;lt;a&amp;gt;&amp;lt;op&amp;gt;&amp;lt;b&amp;gt;&amp;lt;mod&amp;gt;&amp;lt;p&amp;gt;&amp;lt;/math&amp;gt;，其中&amp;lt;math&amp;gt;&amp;lt;op&amp;gt;&amp;lt;/math&amp;gt;是运算符，通常在一个任务中只有&amp;lt;math&amp;gt;a,b,c&amp;lt;/math&amp;gt;三个数字变量，也有研究试验了对于不同运算符的泛化效果。除了首次发现顿悟现象的模加法运算，研究者们已经在以下多种类型模运算上进行了实验，验证了顿悟并非偶然的个例，而是一个真实存在的规律：&lt;br /&gt;
&lt;br /&gt;
[[文件:二元运算.png|发现顿悟现象的部分二元运算|无|无框|600x600像素|替代=]]&lt;br /&gt;
&lt;br /&gt;
=== 其他算法任务 ===&lt;br /&gt;
除了模运算，研究者还在以下数学任务中观察到了顿悟：&lt;br /&gt;
&lt;br /&gt;
'''1. 群运算（Group Operations）：'''这是模运算的推广。Chughtai 等人&amp;lt;ref&amp;gt;{{cite journal | author1=Chughtai B | author2=Chan L | author3=Nanda N | year=2023 | title=A toy model of universality: Reverse engineering how networks learn group operations | journal=International Conference on Machine Learning (ICML), PMLR | volume= | issue= | page= | url= }}&amp;lt;/ref&amp;gt;训练MLP模型在阶数为&amp;lt;math&amp;gt;∣G∣=n&amp;lt;/math&amp;gt;的[[有限群]]上执行群组合运算，发现模型表现出顿悟现象。该任务模型输入为有序对 &amp;lt;math&amp;gt;(a,b)&amp;lt;/math&amp;gt;（其中&amp;lt;math&amp;gt;a, b \in G&amp;lt;/math&amp;gt;），训练目标是预测群元素 &amp;lt;math&amp;gt;c=ab&amp;lt;/math&amp;gt;。值得注意的是，模运算任务是该任务的特例——因为模113加法运算等价于113阶[[循环群]]的组合运算。&lt;br /&gt;
&lt;br /&gt;
'''2. n位k稀疏奇偶校验（Parity Check）：'''这是一个典型[[离散搜索]]问题。Barak等人&amp;lt;ref&amp;gt;{{cite journal | author1=Barak B | author2=Edelman B | author3=Goel S | author4=Kakade S | author5=Malach E | author6=Zhang C | year=2022 | title=Hidden progress in deep learning: SGD learns parities near the computational limit | journal=Advances in Neural Information Processing Systems | volume=35 | issue= | page=21750–21764 | url= }}&amp;lt;/ref&amp;gt;通过大量实验证明，使用标准初始化（均匀、高斯、伯努利）和标准训练（SGD）的各种神经网络架构（包括 2 层 MLP、特定设计的单神经元网络、Transformer、PolyNet），能够在训练步数接近计算极限&amp;lt;math&amp;gt; n^{O(k)}&amp;lt;/math&amp;gt; 的情况下，成功学习 k-稀疏 n 位奇偶函数，即从&amp;lt;math&amp;gt; n &amp;lt;/math&amp;gt;个比特中找出 &amp;lt;math&amp;gt;k &amp;lt;/math&amp;gt;个关键比特，并计算它们的异或作为标签。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
2023年，Nanda等人&amp;lt;ref name=&amp;quot;:0&amp;quot; /&amp;gt;发现有限数据是顿悟现象的必要条件，而无限数据会导致模型直接泛化，并在以下三种运算中证实这一现象：&lt;br /&gt;
&lt;br /&gt;
'''3. 5位数加法：'''该任务输入两个随机生成的5位数（例如 12345 + 67890），模型需预测其和的每一位数字（如 80235 的 8,0,2,3,5）。在1层完整Transformer上，训练数据限制为700个样本时出现顿悟；使用随机生成的无限数据时未出现顿悟。&lt;br /&gt;
&lt;br /&gt;
'''4. 重复子序列预测：'''该任务生成均匀分布的随机符号序列，随机选择子序列进行重复，训练模型预测被重复的符号（如 7,2,8,3, 1,9,3,8,3, 1,9,9,2,5，其中 1,9 为重复子序列）。在2层仅注意力Transformer上，训练数据限制为512个样本时出现顿悟；使用随机生成的无限数据时未出现顿悟，形成归纳头后直接泛化。&lt;br /&gt;
&lt;br /&gt;
'''5. 跳跃三元组（skip trigram）：'''该任务的输入是由0到19构成的符号序列（其中恰好一个符号≥10），模型需输出≥10的符号。如 [0,3,15,7,...,2]，模型需输出该特殊token 15。在1层仅注意力Transformer上，训练数据限制为512个样本时出现顿悟；使用随机生成的无限数据时未出现顿悟，而是直接学习了所有跳跃三元组规则。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 非算法任务 ===&lt;br /&gt;
顿悟不仅仅存在于完美的数学公式中，刘子鸣团队在2022年&amp;lt;ref name=&amp;quot;:1&amp;quot;&amp;gt;{{cite journal | author1=Liu Z | author2=Kitouni O | author3=Nolte N S | author4=Michaud E | author5=Tegmark M | author6=Williams M | year=2022 | title=Towards understanding grokking: An effective theory of representation learning | journal=Advances in Neural Information Processing Systems | volume=35 | issue= | page=34651–34663 | url=https://proceedings.neurips.cc/paper_files/paper/2022/file/dfc310e81992d2e4cedc09ac47eff13e-Paper-Conference.pdf }}&amp;lt;/ref&amp;gt;首次证明，顿悟现象是机器学习中更为普遍的现象，不仅出现在算法数据集上，也会出现在主流基准数据集中，例如MNIST数据集；并通过调整优化超参数能够实现对顿悟的控制，发现显式增加初始化权重范数会诱发顿悟现象，并在以下三种非算数任务上得到了证明&amp;lt;ref name=&amp;quot;:2&amp;quot;&amp;gt;{{cite journal | author1=Liu Z | author2=Michaud E J | author3=Tegmark M | year=2023 | title=OMNIGROK: Grokking Beyond Algorithmic Data | journal=International Conference on Learning Representations (ICLR) | volume= | issue= | page= | url= }}&amp;lt;/ref&amp;gt;：&lt;br /&gt;
&lt;br /&gt;
* '''IMDb文本情感分析任务'''：该数据集包含5万条需分类为正面或负面的电影评论。采用[[LSTM]]模型进行分类，该模型包含两层结构，嵌入维度64，隐藏维度128。&lt;br /&gt;
&lt;br /&gt;
* '''分子QM9任务'''：该数据是小分子及其性质的数据库。采用[[图卷积神经网络]]（GCNN）预测各向同性极化率。该GCNN包含2个带ReLU激活的卷积层和1个线性层。&lt;br /&gt;
&lt;br /&gt;
* '''MNIST任务'''：在MNIST数据集上训练宽度200、深度3的ReLU[[多层感知机]]（MLP），采用均方误差损失。&lt;br /&gt;
&lt;br /&gt;
除此之外，Abramov等人&amp;lt;ref&amp;gt;{{cite journal | author1=Abramov R | author2=Steinbauer F | author3=Kasneci G | year=2025 | title=Grokking in the Wild: Data Augmentation for Real-World Multi-Hop Reasoning with Transformers | journal=arXiv | volume= | issue= | page= | url=https://arxiv.org/abs/2504.20752 }}&amp;lt;/ref&amp;gt;提出定向数据合成方法，在基于真实维基百科的多跳问答（Multi-hop QA）任务中，实验表明当比例系数超过特定阈值时，顿悟随即出现。这意味着，不需要复杂的提示工程，只要给模型足够的时间去顿悟，它就能自动学会进行多步推理。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 大语言模型 ===&lt;br /&gt;
现有关于顿悟的研究通常针对一两个高度特定或玩具级任务训练小型模型数千个周期，而Li等人&amp;lt;ref&amp;gt;{{cite journal | author1=Li Z | author2=Fan C | author3=Zhou T | year=2025 | title=Where to find Grokking in LLM Pretraining? Monitor Memorization-to-Generalization without Test | journal=arXiv | volume= | issue= | page= | url=https://arxiv.org/abs/2506.21551 }}&amp;lt;/ref&amp;gt;首次基于7B参数大语言模型（LLM）OLMoE的单次预训练过程展开研究，他们计算OLMoE在预训练数据上的训练损失，并在多样化基准任务（包括数学推理、代码生成、常识/领域知识检索任务）上评估其泛化性能，该研究首次证实顿悟现象在实用化大规模基础模型的预训练中依然存在，但不同数据可能异步进入其顿悟阶段。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 顿悟现象的可解释性分析 ==&lt;br /&gt;
尽管[[人工智能]]神经网络在各种任务中非常出色，但它们的内部机制仍然像过去一样难以理解。研究人员一直在寻找任何可以深入了解这些模型的线索。顿悟现象的发现促使了很多后续研究，很多人已经复现了这些结果，甚至进行了[[逆向工程]]。最近发表的研究论文不仅阐明了这些神经网络在顿悟时正在做什么，还提供了一个新的视角来审视它们的内部机制。麻省理工学院的 Eric Michaud 评价，顿悟现象中数据的设置就像是一个很好的模式生物，观察这个生物体内部有助于理解深度学习的许多不同方面。现就职于伦敦谷歌深度思维的 Neel Nanda 也认为，挖掘模型顿悟的内部原理，不仅能发现美丽的结构，而且这种美丽的结构对于理解内部发生的事情非常重要&amp;lt;ref&amp;gt;{{cite web | author=Pérez I | title=How Do Machines Grok Data? | website=Quanta Magazine | year=2024 | url=https://www.quantamagazine.org/how-do-machines-grok-data-20240412/ }}&amp;lt;/ref&amp;gt;。这些模型内部表征的研究揭示了神经网络在处理复杂任务时的内部运作机制，进一步验证了顿悟现象的可重复性和可解释性。通过深入分析内部结构，科学家们能够更好地理解神经网络如何逐步构建和优化其认知模型，从而为未来的AI研究提供了宝贵的理论基础和实践指导。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 结构化表征 ===&lt;br /&gt;
OpenAI团队在发现顿悟最初就对模型输出层的权重进行了可视化（使用t-SNE），发现网络学到的符号嵌入中出现了可识别的数学结构&amp;lt;ref name=&amp;quot;Power_grokking&amp;quot; /&amp;gt;，例如下图所示，在模加法任务中，[[嵌入空间]]中出现了圆形拓扑结构，表现出模运算的循环性质；在对称群S5任务中，嵌入空间中出现了[[子群]]和[[陪集]]的结构，显示出神经网络对群结构的理解。&lt;br /&gt;
[[文件:群运算和模加法运算的嵌入空间结构.png|none|缩略图|群运算和模加法运算的嵌入空间结构（左：群运算，右：模加法运算）。左图为在S5群运算上训练的网络输出层权重的t-SNE投影，可以观察到排列的聚类，每个聚类都是子群 &amp;lt;math&amp;gt;\langle (0,3)(1,4), (1,2)(3,4) \rangle&amp;lt;/math&amp;gt;或其共轭子群的陪集。右图是在模加法上训练的网络输出层权重的t-SNE投影，线条表示每个元素加8的结果，颜色表示各元素模8的余数。模加法对应的圆环拓扑结构通过&amp;quot;将每个元素加8&amp;quot;形成的&amp;quot;数轴&amp;quot;得以呈现，这种结构在采用权重衰减优化的网络中表现得更为明显。&lt;br /&gt;
|764x764像素]]&lt;br /&gt;
&lt;br /&gt;
尽管对于神经网络来说，输入是无内在先验结构与意义的符号，网络仍能从它们的交互中推断出结构，并形成有意义的嵌入表示，这表明神经网络不仅能记忆训练数据，还能从有限样本中归纳出抽象关系。&lt;br /&gt;
&lt;br /&gt;
刘子鸣在他们的论文&amp;lt;ref name=&amp;quot;:1&amp;quot; /&amp;gt;里更明确地指出，泛化的发生与输入嵌入高度结构化的出现直接相关。他们发现，在玩具模型中，这种结构表现为嵌入向量形成平行四边形结构；在模运算中，表现为圆形结构。当且仅当模型学到了这种结构，它才能进行泛化。为了精确衡量结构化程度，他们还提出了一个可量化的指标——表征质量指数（RQI）。RQI 衡量的是学习到的嵌入在多大程度上满足任务所要求的数学关系（例如，在加法中，检查有多少 &amp;lt;math&amp;gt;(i, j, m, n)&amp;lt;/math&amp;gt; 四元组满足 &amp;lt;math&amp;gt;E_i + E_j = E_m + E_n&amp;lt;/math&amp;gt;）。实验表明，RQI 与模型的泛化准确率高度一致，证实了结构化表征是泛化的直接原因。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 时钟和披萨算法 ===&lt;br /&gt;
Nanda 的工作重点是逆向工程训练好的神经网络，以弄清楚它学习了哪些算法&amp;lt;ref name=&amp;quot;:0&amp;quot; /&amp;gt;。他设计了一个更简单的神经网络版本，以便在模型学习模块化算术时仔细检查其参数。他观察到了相同的行为：过拟合逐渐让位于泛化，测试准确率突然提高。他的网络也在将数字排列成圆形。&lt;br /&gt;
&lt;br /&gt;
经过一番努力，Nanda最终弄清了原因。当将数字表示在圆形时钟上时，网络并不是像看时钟的小学生那样简单地数数，而是在进行一些复杂的数学操作。通过研究网络参数的值，Nanda和同事们发现，它通过对这些时钟数字进行“[[离散傅里叶变换]]”来相加——使用正弦和余弦等三角函数转换数字，然后利用三角恒等式对这些值进行操作以得出解决方案。&lt;br /&gt;
&lt;br /&gt;
刘子鸣团队继续研究了Nanda的工作，他们展示了这些“理解”神经网络并不总是发现这个“时钟”算法，有时会找到研究人员称之为“披萨”的算法&amp;lt;ref&amp;gt;{{cite journal | author1=Zhong Z | author2=Liu Z | author3=Tegmark M | author4=Andreas J | year=2023 | title=The clock and the pizza: Two stories in mechanistic explanation of neural networks | journal=Advances in Neural Information Processing Systems | volume=36 | page=27223–27250 | url= }}&amp;lt;/ref&amp;gt;。这种方法设想一个披萨被分成若干片并按顺序编号，要加两个数，想象从披萨中心指向所问数字的箭头，然后计算由前两个箭头形成的角度的角平分线。这条线穿过披萨某一片的中间：这一片的编号就是两个数的和。这些操作也可以用三角函数和代数操作来表示，即对 a 和 b 的正弦和余弦进行操作，理论上它们与时钟方法一样精确。时钟和披萨算法的原理如下图所示：&lt;br /&gt;
&lt;br /&gt;
[[文件:披萨和时钟.png|none|缩略图|时钟与披萨算法示意图。左侧为Clock算法，右侧为Pizza算法。两者均包含三个核心步骤：输入嵌入（Embed）、中间计算（MLP/Transformer）、输出预测（Unembed/Logit），但中间计算逻辑存在本质差异。时钟算法模拟时钟指针相加:将&amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt; 和&amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; 对应的角度直接相加，得到和&amp;lt;math&amp;gt;a+b&amp;lt;/math&amp;gt; 对应的角度，再映射到结果&amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; 。披萨算法通过&amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt; 和&amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; 的平均值向量所在的“披萨切片&amp;quot;区域判断结果。平均值向量的角度由&amp;lt;math&amp;gt;a+b&amp;lt;/math&amp;gt; 决定，长度由&amp;lt;math&amp;gt;a-b&amp;lt;/math&amp;gt; 决定。|764x764像素]]&lt;br /&gt;
&lt;br /&gt;
刘子鸣说：“时钟算法和披萨算法都有这种循环表示，但是它们利用正弦和余弦的方式不同。这就是我们称它们为不同算法的原因。”而且这还不是全部。在训练多个网络进行模运算后，他们发现，这些网络中发现的大约40%的算法是披萨算法或时钟算法的变种，而目前还无法精确破译。对于披萨算法和时钟算法，“它只是碰巧找到了一些我们能人类解读的东西。”刘说道。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 控制权之争 ===&lt;br /&gt;
研究人员也开始理解网络顿悟数据的过程。Varma 等人指出，模型执行任务时存在两种机制：高效但学习慢的泛化机制，和低效但学习快的记忆算法。顿悟现象的突然性源于记忆机制与泛化算法之间主导性的转换——只有当模型完全抑制了其记忆机制之后，泛化能力才会真正显现出来，并且存在一个数据集规模的临界值&amp;lt;math&amp;gt;𝐷_{\text{crit}}&amp;lt;/math&amp;gt;&amp;lt;ref&amp;gt;{{cite web | author1=Varma V | author2=Shah R | author3=Kenton Z | author4=Kramár J | author5=Kumar R | year=2023 | title=Explaining Grokking Through Circuit Efficiency | website=arXiv | url=https://arxiv.org/abs/2309.02390 }}&amp;lt;/ref&amp;gt;。因此，虽然泛化能力的延迟似乎突然出现，但网络内部参数实际上一直在学习泛化算法。只有当网络既学会了泛化算法，又完全消除了记忆算法时，才能实现顿悟。Nanda说：“看似突然的事情，实际上可能表面之下是渐进的”，这个问题在其他机器学习研究中也出现过。&lt;br /&gt;
&lt;br /&gt;
并且，由于临界数据集规模&amp;lt;math&amp;gt;𝐷_{\text{crit}}&amp;lt;/math&amp;gt;决定记忆和泛化竞争结果，通过控制数据集规模可衍生逆顿悟（ungrokking）和半顿悟（semi-grokking）现象。逆顿悟现象是指若对已完成顿悟的网络在新数据集（满足&amp;lt;math&amp;gt;𝐷 &amp;lt; 𝐷_{\text{crit}}&amp;lt;/math&amp;gt;条件）上继续训练，网络会退化为显著记忆状态，导致测试损失重新恶化。半顿悟是指当 &amp;lt;math&amp;gt;𝐷 ≈ 𝐷_{\text{crit}}&amp;lt;/math&amp;gt;时，记忆算法与泛化算法在收敛过程中相互竞争，因此我们观察到测试损失有所改善但未达完美。&lt;br /&gt;
&lt;br /&gt;
进一步地，Huang等人&amp;lt;ref name=&amp;quot;:13&amp;quot;&amp;gt;{{cite web | author1=Huang Y | author2=Hu S | author3=Han X | author4=Liu Z | author5=Sun M | year=2024 | title=Unified View of Grokking, Double Descent and Emergent Abilities: A Comprehensive Study on Algorithm Task | website=First Conference on Language Modeling | url=https://openreview.net/forum?id=cG1EbmWiSs }}&amp;lt;/ref&amp;gt;对记忆与泛化之争产生的不同训练动态进行了更详细的定义和划分，他们研究了模型[[隐空间]]维度和训练数据量如何影响模型训练动态，并根据这两个参数绘制出相空间，每个区域对应实验中观察到的不同训练动态，如下图所示：&lt;br /&gt;
&lt;br /&gt;
[[文件:不同配置模型针对特定训练数据量时表现出的动态差异.png|none|缩略图|不同配置与训练数据量下模型表现出的动态差异与相图。左图展示了随着模型规模增大而提升的记忆能力与降低的临界数据集规模，可以将图像划分为四个区域——渐进区、记忆区、半顿悟区和顿悟区。每个区域对应右侧展示的特定训练动态特征，关键交点处标注了估计值。|764x764像素]]&lt;br /&gt;
&lt;br /&gt;
各子图呈现特定训练动态如下：&lt;br /&gt;
&lt;br /&gt;
(a) '''渐进区(progressing)'''：当训练数据量超过模型记忆容量时，模型无法完全记忆所有数据，表现为先以零验证精度尽可能记忆训练数据，随后在保持训练精度提升的同时对部分验证数据产生泛化能力；&lt;br /&gt;
&lt;br /&gt;
(b) '''记忆区(memorization)'''：小规模训练数据下，模型能完全记忆且记忆回路效率优于泛化机制，因此仅表现为对训练数据的记忆行为，验证精度始终为零；&lt;br /&gt;
&lt;br /&gt;
(c) '''半顿悟区(semi-grokking)'''：当训练数据量接近临界规模时，模型在完成全记忆后会表现出中等程度的泛化能力；&lt;br /&gt;
&lt;br /&gt;
(d) '''顿悟区(grokking)'''：训练数据量超越临界规模后，泛化回路效率超越记忆机制，导致模型在训练性能达到完美后经历长期延迟才实现从记忆到泛化的转变。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 参数空间 ===&lt;br /&gt;
研究人员对顿悟过程的参数空间进行了一系列的分析，以探索模型内部真实变化。最初科学家们发现，使用权重衰减的训练方式能显著提升嵌入的结构化程度&amp;lt;ref name=&amp;quot;Power_grokking&amp;quot; /&amp;gt;。权重范数（Weight Norms）最近的研究也认为参数权重的L2 norm是结构顿悟的重要量。总体上来说，训练过程中范数（Norms）增长被作为神经网络泛化的关键因素之一进行了研究。通过分析权重范数，研究者也提出了关于顿悟现象的解释：&lt;br /&gt;
&lt;br /&gt;
研究者认为，训练损失与测试损失景观之间的不匹配是导致顿悟的原因&amp;lt;ref name=&amp;quot;:2&amp;quot; /&amp;gt;。两者在权重范数&amp;lt;math&amp;gt; w&amp;gt;w_c&amp;lt;/math&amp;gt;区域的不匹配导致快慢动力学机制，从而产生顿悟现象。在权重范数较大时，模型很容易过拟合训练数据，使得训练损失较低。只有在权重范数接近“Goldilocks zone”时，测试损失才较低，模型泛化性能较好。如果模型权重范数初始化为较大值，模型会首先快速移动到一个过拟合的解，因为此时训练损失最小化，在没有正则化的情况下模型会停留在过拟合的状态，因为训练损失在过拟合解的山谷中梯度几乎为零，泛化不会发生。&lt;br /&gt;
&lt;br /&gt;
由于训练损失和测试损失（相对于模型权重范数）通常分别呈现&amp;quot;L&amp;quot;形和&amp;quot;U&amp;quot;形，人们将其称为&amp;quot;LU机制&amp;quot;。这一简单机制可以很好地解释顿悟的诸多特征：数据规模依赖性、权重衰减依赖性、表征的涌现等。基于这一直观图像，研究者们成功在涉及图像、语言和分子的任务中诱导出了顿悟现象。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 特征学习 ===&lt;br /&gt;
而从训练动力学的角度探索模型，可将神经网络的训练动态分为两个阶段，惰性训练动态和丰富的特征学习动态。在惰性训练动态阶段，网络参数&amp;lt;math&amp;gt; w&amp;lt;/math&amp;gt; 几乎停留在初始点&amp;lt;math&amp;gt; w_0 &amp;lt;/math&amp;gt;附近，网络行为接近一个关于参数的线性模型：网络通过初始神经切线核（NTK）提供的特征来拟合数据，此时训练相当于进行一次固定核的[[核回归]]（Kernel Regression）。随着训练推进，参数更新幅度逐渐增大，网络不再保持线性近似。这时网络不再依赖初始NTK，而是通过学习生成新的特征空间，更好地捕捉数据的结构。&lt;br /&gt;
&lt;br /&gt;
为了让训练发生从惰性到特征学习的转变，需要同时满足：&lt;br /&gt;
&lt;br /&gt;
* 初始特征未对齐（misaligned NTK）：若初始NTK特征与任务标签方向接近，则惰性模型已能泛化，不会出现顿悟。&lt;br /&gt;
* 中等规模数据集&lt;br /&gt;
* 惰性初始（小步长 / 大&amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;值）：训练初期参数变化缓慢，维持线性化状态，使得网络需较长时间才过渡到特征学习阶段。&lt;br /&gt;
&lt;br /&gt;
这些条件共同导致训练曲线出现延迟分离和突然收敛的顿悟现象&amp;lt;ref&amp;gt;{{cite web | author1=Kumar T | author2=Bordelon B | author3=Gershman S J | author4=Pehlevan C | year=2024 | title=Grokking as the Transition from Lazy to Rich Training Dynamics | website=Twelfth International Conference on Learning Representations (ICLR) | url=https://openreview.net/forum?id=vt5mnLVIVo }}&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 促进顿悟的方法 ==&lt;br /&gt;
促进顿悟这一系列研究旨在减少记忆与泛化之间的延迟效应，从而使模型更快泛化，从而也被叫做“消除顿悟”。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 权重范数 ===&lt;br /&gt;
其中的一个关键发现与权重范数有关，可以理解为模型参数的体积或规模。在可解释性部分的参数空间小节，我们讲过，研究者们认为存在一个“黄金泛化区”，当模型规模恰好处于这个区间时，最容易学到真本领。于是，他们想出了一个巧妙的办法：在训练期间，使用一种约束技术，将模型的体积始终固定在这个最佳区域附近&amp;lt;ref name=&amp;quot;:2&amp;quot; /&amp;gt;。这就好比直接为模型规划好了最佳的学习路径，让它无法绕远去死记硬背，从而被迫从一开始就寻找通用的解决方案，极大地缩短了从记忆到泛化的等待时间，实现了顿悟的消除。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 慢梯度增强(Slow Gradient Amplification) ===&lt;br /&gt;
这项名为 Grokfast 的研究发现造成顿悟的原因在于梯度的频率特性&amp;lt;ref&amp;gt;{{cite web | author1=Lee, J. | author2=Kang, B. G. | author3=Kim, K. | author4=Lee, K. M. | year=2024 | title=Grokfast: Accelerated Grokking by Amplifying Slow Gradients| eprint=2405.20233| url=https://arxiv.org/abs/2405.20233 }}&amp;lt;/ref&amp;gt;：&lt;br /&gt;
&lt;br /&gt;
* '''快梯度（高频信号）'''：像噪音一样剧烈抖动，主要导致模型死记硬背训练数据。&lt;br /&gt;
&lt;br /&gt;
* '''慢梯度（低频信号）'''：像洋流一样缓慢且坚定，这才是推动模型理解通用规律的关键力量。&lt;br /&gt;
&lt;br /&gt;
该方法的解决思路非常巧妙，即“滤噪存真”：把训练过程中的梯度看作随时间变化的信号。他们引入了一个简单的低通[[滤波器]]（Low-Pass Filter），过滤掉那些杂乱的快梯度，提取出代表长期趋势的慢梯度，并将其人为放大叠加回去。结果显示，这种慢梯度增强策略能让模型顿悟的速度提升 50 倍，只需几行代码即可实现，无需昂贵的算力堆叠。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 顿悟彩票（Grokking Ticket） ===&lt;br /&gt;
“顿悟彩票”（Grokking Ticket）这个方法桥接了两个重要的神经网络研究领域：Lottery Ticket Hypothesis (LTH, [[彩票假设]])和顿悟现象。LTH 认为，任何一个随机初始化的大型神经网络（密集网络）内部，都包含一个或多个稀疏子网络。这些子网络如果单独从原始权重初始化并训练，能够比完整网络更快、更好地收敛，达到相似的甚至更高的性能。LTH 将这些优秀的稀疏子网络比喻为中奖的“彩票”（Winning Ticket）。这意味着成功的关键不在于网络有多大，而在于在随机初始化中“抽中”了哪个具备优秀拓扑结构的子集。&lt;br /&gt;
&lt;br /&gt;
研究者们认为顿悟的延迟现象，并非单纯在等待权重衰减降低参数范数，而是在高维参数空间中搜索并锁定一个具备泛化能力的稀疏子网络结构。所谓的“彩票假设掩码”方法，实际上是一种提取并利用后验结构知识的过程&amp;lt;ref&amp;gt;{{cite journal | author1=Minegishi G | author2=Iwasawa Y | author3=Matsuo Y | year=2023 | title=Bridging Lottery ticket and Grokking: Is Weight Norm Sufficient to Explain Delayed Generalization? | journal=arXiv preprint arXiv:2310.19470 | volume= | issue= | page= | url=https://arxiv.org/abs/2310.19470 }}&amp;lt;/ref&amp;gt;：&lt;br /&gt;
&lt;br /&gt;
首先将一个密集网络训练至完全泛化状态，此时网络内部的功能回路已经形成。通过[[幅度剪枝]]（Magnitude Pruning），保留权重绝对值较大的连接，将其拓扑结构固化为一个[[二值掩码]]（Binary Mask），然后将此掩码应用于一个随机初始化的网络。这意味着在训练伊始，就强行约束了网络的拓扑结构，使其仅在被筛选出的特定子空间内进行优化。该方法之所以能消除泛化延迟，其核心机理包含两个方面：&lt;br /&gt;
&lt;br /&gt;
* 拓扑结构即泛化归纳偏置：实验表明，通过掩码锁定的稀疏子网络本身就编码了任务所需的良好表征（如模运算任务中的周期性特征）。这种特定的拓扑结构即使在权重随机初始化时，也具备了快速学习任务特征的能力。&lt;br /&gt;
&lt;br /&gt;
* 解耦权重优化与结构优化：在标准训练中，模型需要同时进行参数值的优化和有效结构的筛选。应用掩码后，模型直接跳过了漫长的“结构搜索”阶段，使得训练准确率与测试准确率同步上升，从而消除了延迟泛化。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 基于预训练或迁移的加速学习策略 ===&lt;br /&gt;
&lt;br /&gt;
'''1. 权重初始化'''&lt;br /&gt;
权重初始化的方法即用已顿悟的模型部件来给新模型“开小灶”，由于拥有更多先验知识，模型得以提前顿悟&amp;lt;ref&amp;gt;{{cite journal | author1=Furuta, H. | author2=Minegishi, G. | author3=Iwasawa, Y. | author4=Matsuo, Y. | year=2024 | title=Towards Empirical Interpretation of Internal Circuits and Properties in Grokked Transformers on Modular Polynomials | journal=Transactions on Machine Learning Research | volume= | issue= | pages= | issn=2835-8856 | url=https://openreview.net/forum?id=MzSf70uXJO | doi= }}&amp;lt;/ref&amp;gt;。方法的具体步骤如下：首先在简单任务（如模加法）上预训练一个Transformer直到其顿悟，然后将其组件（嵌入层或整个Transformer主体）取出，作为新模型在相关任务（如模减法、线性表达式）对应组件的初始化权重，并在后续训练中保持这些权重冻结，以此利用不同任务间内部表示与算法的相似性，显著加速新任务的顿悟过程。但该方法的成功高度依赖于源任务和目标任务之间的相似性，对于更复杂的操作，简单移植基础算术的组件可能不足以提供有效的先验知识，复杂任务可能需要发现全新的、更复杂的算法。&lt;br /&gt;
&lt;br /&gt;
'''2. 嵌入迁移'''&lt;br /&gt;
Xu等人提出了 GrokTransfer&amp;lt;ref&amp;gt;{{cite journal | author1=Xu Z | author2=Ni Z | author3=Wang Y | author4=Hu W | year=2025 | title=Let me grok for you: Accelerating grokking via embedding transfer from a weaker model | journal=arXiv preprint arXiv:2504.13292 | volume= | issue= | page= | url=https://arxiv.org/abs/2504.13292 }}&amp;lt;/ref&amp;gt;（嵌入迁移法），提供了消除延迟泛化的一个简洁而强大的解决方案。其核心洞察是：决定模型能否快速泛化的关键，在于它对输入数据的初始理解，即数据在模型嵌入层中如何被表示和编码。&lt;br /&gt;
&lt;br /&gt;
嵌入迁移法的步骤可以简单理解为：&lt;br /&gt;
&lt;br /&gt;
* 请教弱模型：首先，我们快速训练一个更小、更弱的模型。这个弱模型虽然无法达到完美性能，但它能以更快的速度学到一个初步但有效的数据结构地图（即数据的嵌入表示）。&lt;br /&gt;
&lt;br /&gt;
* 知识迁移：接着，我们将这个弱模型学习到的、带有有效结构信息的嵌入层参数提取出来。用这些参数来初始化我们真正想要训练的那个更强大、更复杂的模型的嵌入层。&lt;br /&gt;
&lt;br /&gt;
通过这种方式，强大的目标模型在训练之初就获得了高质量的嵌入，不再需要从零开始摸索数据间的潜在联系。它直接站在了弱模型的肩膀上，因此可以迅速从记忆阶段进入泛化阶段，大大加速甚至完全消除了原有的泛化延迟现象。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 顿悟与其他现象的关联 ==&lt;br /&gt;
&lt;br /&gt;
=== [[双降（double descent）]] ===&lt;br /&gt;
Belkin等人&amp;lt;ref&amp;gt;{{cite journal | author1=Belkin M | author2=Hsu D | author3=Ma S | author4=Mandal S | year=2019 | title=Reconciling modern machine-learning practice and the classical bias–variance trade-off | journal=Proceedings of the National Academy of Sciences | volume=116 | issue=32 | page=15849–15854 | url=https://www.pnas.org/doi/full/10.1073/pnas.1903070116 }}&amp;lt;/ref&amp;gt;提出的双下降（Double Descent）现象揭示了模型验证误差随规模变化的非单调模式：误差先下降，随后因过拟合噪声而上升，最终随着模型容量的进一步扩大而再次下降。Nakkiran等人&amp;lt;ref&amp;gt;{{cite journal | author1=Nakkiran P | author2=Kaplun G | author3=Bansal Y | author4=Yang T | author5=Barak B | author6=Sutskever I | year=2021 | title=Deep double descent: Where bigger models and more data hurt | journal=Journal of Statistical Mechanics: Theory and Experiment | volume=2021 | issue=12 | page=124003 | url=https://iopscience.iop.org/article/10.1088/1742-5468/ac3a74 }}&amp;lt;/ref&amp;gt;进一步在多种架构下验证了这一现象，指出误差峰值往往出现在训练误差趋近于零的临界区间。&lt;br /&gt;
&lt;br /&gt;
近期研究致力于将双下降现象与顿悟现象联系起来。Davies等人&amp;lt;ref&amp;gt;{{cite journal | author1=Davies X | author2=Langosco L | author3=Krueger D | year=2023 | title=Unifying grokking and double descent | journal=arXiv preprint arXiv:2303.06173 | volume= | issue= | page= | url=https://arxiv.org/abs/2303.06173 }}&amp;lt;/ref&amp;gt;提出了一种基于“规模-时间”对偶性的假说，认为两者本质上反映了模型对不同复杂度模式的学习速率差异：模型倾向于先快速拟合简单的虚假相关性（导致第一次下降后回升），只有在长时间训练或更大规模下，才能掌握复杂的泛化模式（导致第二次下降，也即顿悟）。&lt;br /&gt;
&lt;br /&gt;
具体而言，这种关联的表现形式受限于训练数据量。当数据量不足（低于特定临界点）时，模型随规模扩大会经历“渐进期—记忆期—半顿悟期—顿悟期”四个阶段，其中“记忆期”的性能恶化直接对应双下降的峰值；反之，当数据量充足时，模型能够跳过记忆期带来的负面影响，直接从渐进期过渡到顿悟期，表现为泛化性能的单调提升。&lt;br /&gt;
&lt;br /&gt;
Grokking 现象和双重下降现象可以被视为同一学习机制在不同条件下的表现。它们都源于一个共同的学习动态：神经网络的归纳偏置更倾向于选择那些泛化能力强但学习速度慢的模式，因此模型会经历一个从“快速学习但泛化差”的模式向“学习慢但泛化好”的模式过渡的过程。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== [[大语言模型的涌现能力]] ===&lt;br /&gt;
从记忆与泛化的竞争视角来看，纯记忆任务的存在会阻碍模型在记忆完所有训练数据后完全转向泛化阶段。然而，当模型规模达到足够大时，其记忆能力会显著超过训练数据量，它可以在记住大量信息的同时，借助其强大的内存能力去总结和学习出泛化的规律，从而表现出记忆与泛化等功能分化。&lt;br /&gt;
&lt;br /&gt;
该现象与当前大语言模型（LLM）中观察到的涌现能力相呼应——由于预训练阶段也可视为多任务学习场景，模型必须在保留海量世界知识的同时，习得上下文学习和多步推理等通用规则与能力。这一观察也阐释了Huang等人提出的假设&amp;lt;ref name=&amp;quot;:13&amp;quot; /&amp;gt;：涌现能力是通过不同神经回路的竞争形成的。尽管当前LLM的能力涌现由诸多复杂因素驱动，顿悟研究将为理解LLM的涌现能力提供新视角，并推动该领域的进一步研究。&lt;br /&gt;
&lt;br /&gt;
Anthropic 的团队发现，LLM 的上下文学习（In-context Learning）能力的涌现，恰好发生在模型顿悟了“[[归纳头]]”这一特定电路结构的时刻&amp;lt;ref&amp;gt;{{cite journal | author1=Olsson C | author2=Elhage N | author3=Nanda N | author4=Joseph N | author5=DasSarma N | author6=Henighan T | author7=Mann B | author8=Askell A | author9=Bai Y | author10=Chen A | year=2022 | title=In-context learning and induction heads | journal=arXiv preprint arXiv:2209.11895 | volume= | issue= | page= | url=https://arxiv.org/abs/2209.11895 }}&amp;lt;/ref&amp;gt;。研究发现，模型在训练过程中会出现一个短暂的[[相变]]时刻（即顿悟）。在这个时刻，验证集损失突然下降，同时上下文学习能力突然涌现。这种同步发生是因为模型学会了使用归纳头（Induction Heads）——一种能够通过查找前文来复制模式的注意力机制电路。这一发现强烈暗示，宏观的涌现是由微观电路层面的顿悟驱动的。&lt;br /&gt;
&lt;br /&gt;
The Quantization Model of Neural Scaling这篇文章&amp;lt;ref&amp;gt;{{cite journal | author1=Michaud E | author2=Liu Z | author3=Girit U | author4=Tegmark M | year=2023 | title=The quantization model of neural scaling | journal=Advances in Neural Information Processing Systems | volume=36 | issue= | page=28699–28722 | url=https://proceedings.neurips.cc/paper_files/paper/2023/hash/5a7b238722652b9632d43e5902302388-Abstract-Conference.html }}&amp;lt;/ref&amp;gt;提供了一个非常漂亮的理论框架，解释了为什么学习曲线会呈现阶梯状（即包含顿悟和[[涌现]]），而不是平滑曲线。作者提出了“神经缩放的量子化模型”（QMNS），他们认为，复杂的任务是由许多离散的“子技能”（Quanta）组成的。随着模型规模或训练时间增加，模型并非一点点学好所有知识，而是按顺序攻克一个个子技能。每当模型彻底掌握一个关键子技能，即对该子技能发生顿悟，整体性能就会出现一次阶跃，表现为能力的阶段性涌现。将顿悟（时间的阶跃）和涌现（规模的阶跃）统一到了同一个离散特征学习的框架下。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 反思与批判：顿悟和涌现可能只是“度量的[[幻觉]]” ===&lt;br /&gt;
Schaeffer指出，所谓的“尖锐的涌现”或“突然的顿悟”，可能并非模型本身随规模增长而产生的本质变化&amp;lt;ref&amp;gt;{{cite journal | author1=Schaeffer R | author2=Miranda B | author3=Koyejo S | year=2023 | title=Are emergent abilities of large language models a mirage? | journal=Advances in Neural Information Processing Systems | volume=36 | issue= | page=55565–55581 | url=https://proceedings.neurips.cc/paper_files/paper/2023/hash/adc98a22ad1428e05ad1202c3c162636-Abstract-Conference.html }}&amp;lt;/ref&amp;gt;，而是由于研究人员选择的评估指标（如准确率、完全匹配等非线性或不连续指标）对模型逐词错误率进行了[[非线性]]或不连续的缩放，从而在特定任务上制造出的假象；若改用线性或连续的指标（如词编辑距离、Brier分数），则模型性能会呈现平滑、连续、可预测的提升趋势，所谓的“涌现”现象也随之消失。这暗示顿悟和涌现可能并非模型内部发生了魔法般的突变，而是模型内部一直在进行平滑的渐进式学习，只是在越过某个阈值后，才被我们粗糙的指标捕捉到。这提示我们需要从不同角度审视与探讨顿悟现象。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= 参考文献 =&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
----&lt;br /&gt;
此词条由[[陶柯霏]]编写，[[张江]]、[[王志鹏]]整理和审校。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''本词条内容源自wikipedia及公开资料，遵守 CC3.0协议。'''&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48732</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48732"/>
		<updated>2026-01-09T07:16:29Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[逻辑斯谛方程]] 完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]] 完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
[[集智百科词条写作标准]]&lt;br /&gt;
&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E4%B8%AD%E7%9A%84%E9%A1%BF%E6%82%9F&amp;diff=48645</id>
		<title>神经网络中的顿悟</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E4%B8%AD%E7%9A%84%E9%A1%BF%E6%82%9F&amp;diff=48645"/>
		<updated>2026-01-05T11:21:39Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 大语言模型的能力涌现 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;你是否经历过学习中的‘灵光一现’？其实，人工智能模型也有这样的时刻。&lt;br /&gt;
&lt;br /&gt;
[[神经网络]]中的顿悟（grokking）指的是一种反直觉的现象：当模型在训练过程中看似已经“死记硬背”（过拟合）而无法处理新数据时，如果我们不停止训练、坚持让它继续“思考”，它可能会在某个[[临界点]]突然“开窍”，从而掌握数据背后的真实规律，实现泛化能力的飞跃。&lt;br /&gt;
&lt;br /&gt;
我们可以用一个学生做题的例子来理解：想象一个刚学加法的小孩，起初他只是把练习册上的答案全背了下来（训练准确率100%），但一旦遇到没见过的数字就束手无策（测试准确率接近0%）。按照常规判断，这个孩子只是在死记硬背。&lt;br /&gt;
&lt;br /&gt;
然而，如果还要让他继续反复看这些题，经过漫长的枯燥过程后，由于某种原因，他突然理解了加法的原理。那一瞬间，他不仅能背出旧题，也能完美解决所有新题。这种从死记硬背到真正理解的延迟性突变，就是顿悟。在神经网络中，体现为如下图所示的泛化延迟：&lt;br /&gt;
&lt;br /&gt;
[[文件:图片一.png|none|缩略图|515x515px|顿悟现象的直观展示：训练和验证集上准确率曲线间的上升延迟]]&lt;br /&gt;
&lt;br /&gt;
== 历史 ==&lt;br /&gt;
&lt;br /&gt;
=== 顿悟的发现 ===&lt;br /&gt;
OpenAI在ICLR2021数学推理workshop中发布的论文《Grokking: Generalization beyond overfitting on small algorithmic datasets》&amp;lt;ref name=&amp;quot;Power_grokking&amp;quot;&amp;gt;{{cite journal | author1=Power A | author2=Burda Y | author3=Edwards H | author4=Babuschkin I | author5=Misra V | year=2022 | title=Grokking: Generalization beyond overfitting on small algorithmic datasets | journal=arXiv | volume= | issue= | page= | url=https://arxiv.org/abs/2201.02177 }}&amp;lt;/ref&amp;gt;，首次引入了神经网络中的顿悟（grokking）概念。而顿悟现象的发现其实源于一个有趣的巧合：当 OpenAI 团队开始探索神经网络如何进行数学运算时，他们使用一个小型 Transformer来进行模加法运算（&amp;lt;math&amp;gt;(a+b) \mod p = c&amp;lt;/math&amp;gt;），测试了 Transformer 在未知的&amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt; 和 &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; 组合下能否正确预测答案&amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt;。正如预期，当网络进入过拟合状态时，训练数据的损失接近于零（它开始记住所见内容），而测试数据的损失开始上升，即神经网络没有泛化能力。然而，在一次实验中，负责训练神经网络的那位成员忘记了停止训练，随着继续训练它突然在未见过数据上变得准确，模型已经完全理解了运算规则，测试数据的准确率飙升到 100%。随后，团队使用不同的任务和不同的网络验证了结果，这一发现得到了证实。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 相关基础知识 ==&lt;br /&gt;
&lt;br /&gt;
=== 神经网络的记忆（Memory）与泛化（Generalization） ===&lt;br /&gt;
记忆指网络对训练数据的拟合能力。强大的记忆力能让模型在训练集上表现完美，但如果过强，模型可能会记住所包含的噪声或偶然细节，导致[[过拟合]]。泛化指模型将学到的规律应用到未见过的样本上的能力。这是机器学习的核心目标。&lt;br /&gt;
&lt;br /&gt;
记忆与泛化两者需要平衡,既要有足够容量去拟合数据中存在的真实模式，又要通过[[正则化]]、[[早停]]、[[交叉验证]]等手段抑制过拟合。直观地说，记忆像“背答案”，泛化像“学方法、会举一反三”；实践中人们通常以降低验证误差为目标，避免训练误差下降而验证误差上升的过拟合，也避免训练与验证误差都高的[[欠拟合]]。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 神经网络中的涌现（Emergent Abilities） ===&lt;br /&gt;
顿悟是一种特殊的[[涌现]]现象，表现为泛化能力的突然跃升,可以被视为一种时间维度上的涌现。在[[大语言模型（LLM）]]发展时代，[[神经网络]]中涌现的概念已经引发了广泛关注。已有研究者系统研究了不同模型的能力差异，将其定义为小型模型不具备、但突然出现在大型模型中的能力特征&amp;lt;ref&amp;gt; {{cite journal|author1=Wei J|author2=Tay Y|author3=Bommasani R|author4=Raffel C|author5=Zoph B|author6=Borgeaud S|author7=Yogatama D|author8=Bosma M|author9=Zhou D|author10=Metzler D|author11=Chi E. H.|author12=Hashimoto T|author13=Vinyals O|author14=Liang P|author15=Dean J|author16=Fedus W.|title=Emergent abilities of large language models|journal=Transactions on Machine Learning Research|year=2022|issn=2835-8856|url=https://openreview.net/forum?id=yzkSU5zdwD}}&amp;lt;/ref&amp;gt;。而顿悟则是随着训练时间（步数）的增加，模型能力发生的突变。两者都展示了深度神经网络在跨过某个临界阈值后，性能发生质变的[[非线性]]特征。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 早停机制（Early Stop） ===&lt;br /&gt;
为了防止过拟合，机器学习界长期遵循一个黄金法则：在验证集性能不再提升时停止训练。这种策略被称为早停机制，这是一种简单有效的正则化方法：在训练过程中持续监控验证集指标（如验证损失或准确率），当该指标在若干轮内不再改善即停止训练，以防模型在训练集上继续降低损失、却在验证集上开始恶化而产生过拟合。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 顿悟的场景 ==&lt;br /&gt;
起初，顿悟似乎只是简单数学[[玩具模型]]的一个特性，但随着研究深入，人们发现从[[图像识别]]到[[大语言模型]]，顿悟无处不在。&lt;br /&gt;
&lt;br /&gt;
=== 模运算 ===&lt;br /&gt;
最初关于模型顿悟的研究大多在[[Transformer]]执行模运算任务上进行&amp;lt;ref name=&amp;quot;Power_grokking&amp;quot; /&amp;gt;&amp;lt;ref name=&amp;quot;:0&amp;quot;&amp;gt;{{cite journal | author1=Nanda N | author2=Chan L | author3=Lieberum T | author4=Smith J | author5=Steinhardt J | year=2023 | title=Progress measures for grokking via mechanistic interpretability | journal=International Conference on Learning Representations (ICLR) | volume= | issue= | page= | url=https://openreview.net/forum?id=9XFSbDPmdW }}&amp;lt;/ref&amp;gt;。为什么使用模运算？是因为小型算法数据集在研究神经网络泛化能力方面具有重要作用。通过在这些数据集上进行实验，可以更显著地展现神经网络的泛化能力，因为在数据有限、规则清晰的情况下，模型需要更好地理解数据中的模式和规律才能实现泛化，有助于快速验证顿悟理论和假设，加深对神经网络泛化能力的理解。&lt;br /&gt;
&lt;br /&gt;
数据集通常由形如&amp;lt;math&amp;gt;a \circ b \bmod p = c&amp;lt;/math&amp;gt;的方程组成，其中每个元素&amp;quot;&amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;&amp;quot;、&amp;quot;&amp;lt;math&amp;gt;\circ&amp;lt;/math&amp;gt;&amp;quot;、&amp;quot;&amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt;&amp;quot;、&amp;quot;&amp;lt;math&amp;gt;mod&amp;lt;/math&amp;gt;&amp;quot;、&amp;quot;&amp;lt;math&amp;gt;p&amp;lt;/math&amp;gt;&amp;quot;、&amp;quot;&amp;lt;math&amp;gt;=&amp;lt;/math&amp;gt;&amp;quot;和&amp;quot;&amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt;&amp;quot;均为独立token。由于通常只有&amp;lt;math&amp;gt;a,b,c&amp;lt;/math&amp;gt;三个变量，&amp;lt;math&amp;gt;&amp;lt;c&amp;gt;=&amp;lt;a&amp;gt;&amp;lt;op&amp;gt;&amp;lt;b&amp;gt;&amp;lt;/math&amp;gt;，其中&amp;lt;math&amp;gt;&amp;lt;op&amp;gt;&amp;lt;/math&amp;gt;是运算符。除了首次发现顿悟现象的模加法运算，研究者们已经在以下多种类型模运算上进行了实验，验证了顿悟并非个例，而是一个真实存在的规律：&lt;br /&gt;
&lt;br /&gt;
[[文件:二元运算.png|发现顿悟现象的部分二元运算|无|无框|600x600像素|替代=]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 其他算法任务 ===&lt;br /&gt;
除了模运算，研究者还在以下数学任务中观察到了顿悟：&lt;br /&gt;
&lt;br /&gt;
'''1. 群运算（Group Operations）：'''这是模运算的推广。Chughtai 等人&amp;lt;ref&amp;gt;{{cite journal | author1=Chughtai B | author2=Chan L | author3=Nanda N | year=2023 | title=A toy model of universality: Reverse engineering how networks learn group operations | journal=International Conference on Machine Learning (ICML), PMLR | volume= | issue= | page= | url= }}&amp;lt;/ref&amp;gt;训练MLP模型在阶数为&amp;lt;math&amp;gt;∣G∣=n&amp;lt;/math&amp;gt;的[[有限群]]上执行群组合运算，发现模型表现出顿悟现象。该任务模型输入为有序对 &amp;lt;math&amp;gt;(a,b)&amp;lt;/math&amp;gt;（其中&amp;lt;math&amp;gt;a, b \in G&amp;lt;/math&amp;gt;），训练目标是预测群元素 &amp;lt;math&amp;gt;c=ab&amp;lt;/math&amp;gt;。值得注意的是，模运算任务是该任务的特例——因为模113加法运算等价于113阶[[循环群]]的组合运算。&lt;br /&gt;
&lt;br /&gt;
'''2. n位k稀疏奇偶校验（Parity Check）：'''这是一个典型[[离散搜索]]问题。Barak等人&amp;lt;ref&amp;gt;{{cite journal | author1=Barak B | author2=Edelman B | author3=Goel S | author4=Kakade S | author5=Malach E | author6=Zhang C | year=2022 | title=Hidden progress in deep learning: SGD learns parities near the computational limit | journal=Advances in Neural Information Processing Systems | volume=35 | issue= | page=21750–21764 | url= }}&amp;lt;/ref&amp;gt;通过大量实验证明，使用标准初始化（均匀、高斯、伯努利）和标准训练（SGD）的各种神经网络架构（包括 2 层 MLP、特定设计的单神经元网络、Transformer、PolyNet），能够在训练步数接近计算极限&amp;lt;math&amp;gt; n^{O(k)}&amp;lt;/math&amp;gt; 的情况下，成功学习 k-稀疏 n 位奇偶函数，即从&amp;lt;math&amp;gt; n &amp;lt;/math&amp;gt;个比特中找出 &amp;lt;math&amp;gt;k &amp;lt;/math&amp;gt;个关键比特，并计算它们的异或作为标签。&lt;br /&gt;
&lt;br /&gt;
2023年，Nanda等人&amp;lt;ref name=&amp;quot;:0&amp;quot; /&amp;gt;发现有限数据是顿悟现象的必要条件，而无限数据会导致模型直接泛化，并在以下三种运算中证实这一现象：&lt;br /&gt;
&lt;br /&gt;
'''3. 5位数加法：'''该任务输入两个随机生成的5位数（例如 12345 + 67890），模型需预测其和的每一位数字（如 80235 的 8,0,2,3,5）。在1层完整Transformer上，训练数据限制为700个样本时出现顿悟；使用随机生成的无限数据时未出现顿悟。&lt;br /&gt;
&lt;br /&gt;
'''4. 重复子序列预测：'''该任务生成均匀分布的随机符号序列，随机选择子序列进行重复，训练模型预测被重复的符号（如 7,2,8,3, 1,9,3,8,3, 1,9,9,2,5，其中 1,9 为重复子序列）。在2层仅注意力Transformer上，训练数据限制为512个样本时出现顿悟；使用随机生成的无限数据时未出现顿悟，形成归纳头后直接泛化。&lt;br /&gt;
&lt;br /&gt;
'''5. 跳跃三元组：'''该任务输入由0到19构成的符号序列（其中恰好一个符号≥10），模型需输出≥10的符号。该任务可通过学习10个跳跃三元组解决。如 [0,3,15,7,...,2]，模型需输出该特殊token 15。在1层仅注意力Transformer上，训练数据限制为512个样本时出现顿悟；使用随机生成的无限数据时未出现顿悟，而是直接学习了所有跳跃三元组规则。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 非算法任务 ===&lt;br /&gt;
顿悟不仅仅存在于完美的数学公式中，刘子鸣团队在2022年&amp;lt;ref name=&amp;quot;:1&amp;quot;&amp;gt;{{cite journal | author1=Liu Z | author2=Kitouni O | author3=Nolte N S | author4=Michaud E | author5=Tegmark M | author6=Williams M | year=2022 | title=Towards understanding grokking: An effective theory of representation learning | journal=Advances in Neural Information Processing Systems | volume=35 | issue= | page=34651–34663 | url=https://proceedings.neurips.cc/paper_files/paper/2022/file/dfc310e81992d2e4cedc09ac47eff13e-Paper-Conference.pdf }}&amp;lt;/ref&amp;gt;首次证明，顿悟现象是机器学习中更为普遍的现象，不仅会出现在算法数据集上，也会出现在主流基准数据集中，例如MNIST数据集，并通过调整优化超参数实现了对顿悟的控制。进一步地，他们发现显式增加初始化权重范数会诱发顿悟现象，并在以下三种非算数任务上证明&amp;lt;ref name=&amp;quot;:2&amp;quot;&amp;gt;{{cite journal | author1=Liu Z | author2=Michaud E J | author3=Tegmark M | year=2023 | title=OMNIGROK: Grokking Beyond Algorithmic Data | journal=International Conference on Learning Representations (ICLR) | volume= | issue= | page= | url= }}&amp;lt;/ref&amp;gt;：&lt;br /&gt;
&lt;br /&gt;
* '''IMDb文本情感分析任务'''：该数据集包含5万条需分类为正面或负面的电影评论。数据预处理阶段提取前1000个高频词，并将每条评论分词为词元索引数组。低频词被忽略，每条评论数组填充至长度500。采用[[LSTM]]模型进行分类，该模型包含两层结构，嵌入维度64，隐藏维度128。 &lt;br /&gt;
&lt;br /&gt;
* '''分子QM9任务'''：该数据是小分子及其性质的数据库。采用[[图卷积神经网络]]（GCNN）预测各向同性极化率。该GCNN包含2个带ReLU激活的卷积层和1个线性层。数据集按50/50比例划分为训练集/测试集。&lt;br /&gt;
&lt;br /&gt;
* '''MNIST任务'''：在MNIST数据集上训练宽度200、深度3的ReLU[[多层感知机]]（MLP），采用均方误差损失。&lt;br /&gt;
&lt;br /&gt;
除此之外，Abramov等人&amp;lt;ref&amp;gt;{{cite journal | author1=Abramov R | author2=Steinbauer F | author3=Kasneci G | year=2025 | title=Grokking in the Wild: Data Augmentation for Real-World Multi-Hop Reasoning with Transformers | journal=arXiv | volume= | issue= | page= | url=https://arxiv.org/abs/2504.20752 }}&amp;lt;/ref&amp;gt;提出定向数据合成方法，在基于真实维基百科的多跳问答（Multi-hop QA）任务中释放泛化电路的形成潜力。实验表明当比例系数超过特定阈值时，顿悟随即出现。这意味着，不需要复杂的提示工程，只要给模型足够的时间去顿悟，它就能自动学会进行多步推理。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 大语言模型 ===&lt;br /&gt;
现有关于顿悟的研究通常针对一两个高度特定或玩具级任务训练小型模型数千个周期，而Li等人&amp;lt;ref&amp;gt;{{cite journal | author1=Li Z | author2=Fan C | author3=Zhou T | year=2025 | title=Where to find Grokking in LLM Pretraining? Monitor Memorization-to-Generalization without Test | journal=arXiv | volume= | issue= | page= | url=https://arxiv.org/abs/2506.21551 }}&amp;lt;/ref&amp;gt;首次基于7B参数大语言模型（LLM）OLMoE的单次预训练过程展开研究，他们计算OLMoE在预训练数据上的训练损失，并在多样化基准任务（包括数学推理、代码生成、常识/领域知识检索任务）上评估其泛化性能，该研究首次证实顿悟现象在实用化大规模基础模型的预训练中依然存在，但不同数据可能异步进入其顿悟阶段。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 顿悟现象的可解释性分析 ==&lt;br /&gt;
尽管[[人工智能]]神经网络在各种任务中非常出色，但它们的内部机制仍然像过去一样难以理解。研究人员一直在寻找任何可以深入了解这些模型的线索。顿悟现象的发现促使了很多后续研究，很多人已经复现了这些结果，甚至进行了[[逆向工程]]。最近发表的研究论文不仅阐明了这些神经网络在顿悟时正在做什么，还提供了一个新的视角来审视它们的内部机制。麻省理工学院的 Eric Michaud 评价，顿悟现象中数据的设置就像是一个很好的模式生物，观察这个生物体内部有助于理解深度学习的许多不同方面。现就职于伦敦谷歌深度思维的 Neel Nanda 也认为，挖掘模型顿悟的内部原理，不仅能发现美丽的结构，而且这种美丽的结构对于理解内部发生的事情非常重要&amp;lt;ref&amp;gt;{{cite web | author=Pérez I | title=How Do Machines Grok Data? | website=Quanta Magazine | year=2024 | url=https://www.quantamagazine.org/how-do-machines-grok-data-20240412/ }}&amp;lt;/ref&amp;gt;。这些模型内部表征的研究揭示了神经网络在处理复杂任务时的内部运作机制，进一步验证了顿悟现象的可重复性和可解释性.通过深入分析内部结构，科学家们能够更好地理解神经网络如何逐步构建和优化其认知模型，从而为未来的AI研究提供了宝贵的理论基础和实践指导。&lt;br /&gt;
&lt;br /&gt;
=== 结构化表征 ===&lt;br /&gt;
OpenAI团队在发现顿悟最初就对模型输出层的权重进行了可视化（使用t-SNE），发现网络学到的符号嵌入中出现了可识别的数学结构&amp;lt;ref name=&amp;quot;Power_grokking&amp;quot; /&amp;gt;，例如下图所示，在模加法任务中，[[嵌入空间]]中出现了圆形拓扑结构，表现出模运算的循环性质；在对称群S5任务中，嵌入空间中出现了[[子群]]和[[陪集]]的结构，显示出网络对群结构的理解。&lt;br /&gt;
[[文件:群运算和模加法运算的嵌入空间结构.png|none|缩略图|群运算和模加法运算的嵌入空间结构（左：群运算，右：模加法运算）。左图为在S5群运算上训练的网络输出层权重的t-SNE投影，可以观察到排列的聚类，每个聚类都是子群 &amp;lt;math&amp;gt;\langle (0,3)(1,4), (1,2)(3,4) \rangle&amp;lt;/math&amp;gt;或其共轭子群的陪集。右图是在模加法上训练的网络输出层权重的t-SNE投影，线条表示每个元素加8的结果，颜色表示各元素模8的余数。模加法对应的圆环拓扑结构通过&amp;quot;将每个元素加8&amp;quot;形成的&amp;quot;数轴&amp;quot;得以呈现，这种结构在采用权重衰减优化的网络中表现得更为明显。&lt;br /&gt;
|764x764像素]]&lt;br /&gt;
&lt;br /&gt;
尽管输入是无内在结构的符号（如字母、数字代号），网络仍能从它们的交互中推断出结构，并形成有意义的嵌入表示，这表明神经网络不仅能记忆训练数据，还能从有限样本中归纳出抽象关系。&lt;br /&gt;
&lt;br /&gt;
刘子鸣在他们的论文&amp;lt;ref name=&amp;quot;:1&amp;quot; /&amp;gt;里更明确地指出，泛化的发生与输入嵌入高度结构化的出现直接相关。他们发现，在玩具模型中，这种结构表现为嵌入向量形成平行四边形结构；在模运算中，表现为圆形结构。当且仅当模型学到了这种结构，它才能进行泛化。为了精确衡量结构化程度，他们还提出了一个可量化的指标——表征质量指数（RQI）。RQI 衡量的是学习到的嵌入在多大程度上满足任务所要求的数学关系（例如，在加法中，检查有多少 &amp;lt;math&amp;gt;(i, j, m, n)&amp;lt;/math&amp;gt; 四元组满足 &amp;lt;math&amp;gt;E_i + E_j = E_m + E_n&amp;lt;/math&amp;gt;）。实验表明，RQI 与模型的泛化准确率高度一致，证实了结构化表征是泛化的直接原因。&lt;br /&gt;
&lt;br /&gt;
=== 时钟和披萨算法 ===&lt;br /&gt;
Nanda 的工作重点是逆向工程训练好的网络，以弄清楚它学习了哪些算法&amp;lt;ref name=&amp;quot;:0&amp;quot; /&amp;gt;。他设计了一个更简单的 OpenAI 神经网络版本，以便在模型学习模块化算术时仔细检查其参数。他观察到了相同的行为：过拟合逐渐让位于泛化，测试准确率突然提高。他的网络也在将数字排列成圆形。&lt;br /&gt;
&lt;br /&gt;
经过一番努力，Nanda最终弄清了原因。当将数字表示在圆形上时，网络并不是像看时钟的小学生那样简单地数数：它在进行一些复杂的数学操作。通过研究网络参数的值，Nanda和同事们发现，它通过对这些时钟数字进行“[[离散傅里叶变换]]”来相加——使用正弦和余弦等三角函数转换数字，然后利用三角恒等式对这些值进行操作以得出解决方案。&lt;br /&gt;
&lt;br /&gt;
麻省理工学院的刘子鸣团队继续研究了Nanda的工作，他们展示了这些“理解”神经网络并不总是发现这个“时钟”算法，有时会找到研究人员称之为“披萨”的算法&amp;lt;ref&amp;gt;{{cite journal | author1=Zhong Z | author2=Liu Z | author3=Tegmark M | author4=Andreas J | year=2023 | title=The clock and the pizza: Two stories in mechanistic explanation of neural networks | journal=Advances in Neural Information Processing Systems | volume=36 | page=27223–27250 | url= }}&amp;lt;/ref&amp;gt;。这种方法设想一个披萨被分成若干片并按顺序编号，要加两个数，想象从披萨中心指向所问数字的箭头，然后计算由前两个箭头形成的角度的角平分线。这条线穿过披萨某一片的中间：这一片的编号就是两个数的和。这些操作也可以用三角函数和代数操作来表示，即对 a 和 b 的正弦和余弦进行操作，理论上它们与“时钟”方法一样精确。时钟和披萨算法的原理如下图所示：&lt;br /&gt;
&lt;br /&gt;
[[文件:Clock and pizza.png|none|缩略图|时钟与披萨算法示意图。左侧为Clock算法，右侧为Pizza算法。两者均包含三个核心步骤：输入嵌入（Embed）、中间计算（MLP/Transformer）、输出预测（Unembed/Logit），但中间计算逻辑存在本质差异。时钟算法模拟时钟指针相加:将&amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt; 和&amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; 对应的角度直接相加，得到和&amp;lt;math&amp;gt;a+b&amp;lt;/math&amp;gt; 对应的角度，再映射到结果&amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; 。披萨算法通过&amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt; 和&amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; 的平均值向量所在的“披萨切片&amp;quot;区域判断结果。平均值向量的角度由&amp;lt;math&amp;gt;a+b&amp;lt;/math&amp;gt; 决定，长度由&amp;lt;math&amp;gt;a-b&amp;lt;/math&amp;gt; 决定。|764x764像素]]&lt;br /&gt;
&lt;br /&gt;
刘子鸣说：“时钟算法和披萨算法都有这种循环表示，但是它们利用正弦和余弦的方式不同。这就是我们称它们为不同算法的原因。”而且这还不是全部。在训练多个网络进行模运算后，他们发现，这些网络中发现的大约40%的算法是披萨算法或时钟算法的变种，而目前还无法精确破译。对于披萨算法和时钟算法，“它只是碰巧找到了一些我们能人类解读的东西。”刘说道。&lt;br /&gt;
&lt;br /&gt;
=== 控制权之争 ===&lt;br /&gt;
研究人员也开始理解网络顿悟数据的过程。Varma 等人指出，模型执行任务时存在两种机制：高效但学习慢的泛化机制和低效但学习快的记忆算法。顿悟现象的突然性源于记忆机制与泛化算法之间主导性的转换——只有当模型完全抑制了其记忆机制之后，泛化能力才会真正显现出来，并且存在一个数据集规模的临界值&amp;lt;math&amp;gt;𝐷_{\text{crit}}&amp;lt;/math&amp;gt;&amp;lt;ref&amp;gt;{{cite web | author1=Varma V | author2=Shah R | author3=Kenton Z | author4=Kramár J | author5=Kumar R | year=2023 | title=Explaining Grokking Through Circuit Efficiency | website=arXiv | url=https://arxiv.org/abs/2309.02390 }}&amp;lt;/ref&amp;gt;。因此，虽然泛化能力的延迟似乎突然出现，但网络内部参数实际上一直在学习泛化算法。只有当网络既学会了泛化算法，又完全消除了记忆算法时，才能实现顿悟。Nanda说：“看似突然的事情，实际上可能表面之下是渐进的”——这个问题在其他机器学习研究中也出现过。&lt;br /&gt;
&lt;br /&gt;
并且，由于临界数据集规模&amp;lt;math&amp;gt;𝐷_{\text{crit}}&amp;lt;/math&amp;gt;决定记忆和泛化竞争结果，通过控制数据集规模可衍生逆顿悟（ungrokking）和半顿悟（semi-grokking）现象。逆顿悟现象是指若对已完成顿悟的网络在新数据集（满足&amp;lt;math&amp;gt;𝐷 &amp;lt; 𝐷_{\text{crit}}&amp;lt;/math&amp;gt;条件）上继续训练，网络会退化为显著记忆状态，导致测试损失重新恶化。半顿悟是指当 &amp;lt;math&amp;gt;𝐷 ≈ 𝐷_{\text{crit}}&amp;lt;/math&amp;gt;时，记忆算法与泛化算法在收敛过程中相互竞争，因此我们观察到测试损失有所改善但未达完美。&lt;br /&gt;
&lt;br /&gt;
进一步地，Huang等人&amp;lt;ref name=&amp;quot;:13&amp;quot;&amp;gt;{{cite web | author1=Huang Y | author2=Hu S | author3=Han X | author4=Liu Z | author5=Sun M | year=2024 | title=Unified View of Grokking, Double Descent and Emergent Abilities: A Comprehensive Study on Algorithm Task | website=First Conference on Language Modeling | url=https://openreview.net/forum?id=cG1EbmWiSs }}&amp;lt;/ref&amp;gt;对记忆与泛化之争产生的不同训练动态进行了更详细的定义和划分，他们研究了模型[[隐空间]]维度和训练数据量如何影响模型训练动态，并根据这两个参数绘制出相空间，每个区域对应实验中观察到的不同训练动态，如下图所示：&lt;br /&gt;
&lt;br /&gt;
[[文件:不同配置模型针对特定训练数据量时表现出的动态差异.png|none|缩略图|不同配置与训练数据量下模型表现出的动态差异与相图。左图展示了随着模型规模增大而提升的记忆能力与降低的临界数据集规模，可以将图像划分为四个区域——渐进区、记忆区、半顿悟区和顿悟区。每个区域对应右侧展示的特定训练动态特征，关键交点处标注了估计值。|764x764像素]]&lt;br /&gt;
&lt;br /&gt;
各子图呈现特定训练动态如下：&lt;br /&gt;
&lt;br /&gt;
(a) '''渐进区(progressing)'''：当训练数据量超过模型记忆容量时，模型无法完全记忆所有数据，表现为先以零验证精度尽可能记忆训练数据，随后在保持训练精度提升的同时对部分验证数据产生泛化能力；&lt;br /&gt;
&lt;br /&gt;
(b) '''记忆区(memorization)'''：小规模训练数据下，模型能完全记忆且记忆回路效率优于泛化机制，因此仅表现为对训练数据的记忆行为，验证精度始终为零；&lt;br /&gt;
&lt;br /&gt;
(c) '''半顿悟区(semi-grokking)'''：当训练数据量接近临界规模时，模型在完成全记忆后会表现出中等程度的泛化能力；&lt;br /&gt;
&lt;br /&gt;
(d) '''顿悟区(grokking)'''：训练数据量超越临界规模后，泛化回路效率超越记忆机制，导致模型在训练性能达到完美后经历长期延迟才实现从记忆到泛化的转变。&lt;br /&gt;
&lt;br /&gt;
=== 参数空间 ===&lt;br /&gt;
研究人员对顿悟过程的参数空间进行了一系列的分析，以探索模型内部真实变化。最初科学家们发现，使用权重衰减的训练方式能显著提升嵌入的结构化程度&amp;lt;ref name=&amp;quot;Power_grokking&amp;quot; /&amp;gt;。权重范数（Weight Norms）最近的研究也认为参数权重的L2 norm是结构顿悟的重要量。总体上来说，训练过程中范数（Norms）增长被作为神经网络泛化的关键因素之一进行了研究。通过分析权重范数，研究者提出了关于顿悟现象的一种解释：&lt;br /&gt;
&lt;br /&gt;
训练损失与测试损失景观之间的不匹配是导致顿悟的原因&amp;lt;ref name=&amp;quot;:2&amp;quot; /&amp;gt;。两者在权重范数&amp;lt;math&amp;gt; w&amp;gt;w_c&amp;lt;/math&amp;gt;区域的不匹配导致快慢动力学机制，从而产生顿悟现象。在权重范数较大时，模型很容易过拟合训练数据，使得训练损失较低。只有在权重范数接近 “Goldilocks zone”时，测试损失才较低，模型泛化性能较好。如果模型权重范数初始化为较大值，模型会首先快速移动到一个过拟合的解，因为此时训练损失最小化，在没有正则化的情况下模型会停留在过拟合的状态，因为训练损失在过拟合解的山谷中梯度几乎为零，泛化不会发生。&lt;br /&gt;
&lt;br /&gt;
由于训练损失和测试损失（相对于模型权重范数）通常分别呈现&amp;quot;L&amp;quot;形和&amp;quot;U&amp;quot;形，将其称为&amp;quot;LU机制&amp;quot;。这一简单机制可以很好地解释顿悟的诸多特征：数据规模依赖性、权重衰减依赖性、表征的涌现等。基于这一直观图像，研究者们成功在涉及图像、语言和分子的任务中诱导出了顿悟现象。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 特征学习 ===&lt;br /&gt;
而从训练动力学的角度探索模型，可将神经网络的训练动态分为两个阶段，惰性训练动态和丰富的特征学习动态。在惰性训练动态阶段，网络参数&amp;lt;math&amp;gt; w&amp;lt;/math&amp;gt; 几乎停留在初始点&amp;lt;math&amp;gt; w_0 &amp;lt;/math&amp;gt;附近，网络行为接近一个关于参数的线性模型：网络通过初始神经切线核（NTK）提供的特征来拟合数据，此时训练相当于进行一次固定核的[[核回归]]（Kernel Regression）。随着训练推进，参数更新幅度逐渐增大，网络不再保持线性近似。这时网络不再依赖初始NTK，而是通过学习生成新的特征空间，更好地捕捉数据的结构。&lt;br /&gt;
&lt;br /&gt;
为了让训练发生从惰性到特征学习的转变，需要同时满足：&lt;br /&gt;
&lt;br /&gt;
* 初始特征未对齐（misaligned NTK）：若初始NTK特征与任务标签方向接近，则惰性模型已能泛化，不会出现顿悟。&lt;br /&gt;
* 中等规模数据集&lt;br /&gt;
* 惰性初始（小步长 / 大&amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;值）：训练初期参数变化缓慢，维持线性化状态，使得网络需较长时间才过渡到特征学习阶段。&lt;br /&gt;
&lt;br /&gt;
这些条件共同导致训练曲线出现延迟分离和突然收敛的顿悟现象&amp;lt;ref&amp;gt;{{cite web | author1=Kumar T | author2=Bordelon B | author3=Gershman S J | author4=Pehlevan C | year=2024 | title=Grokking as the Transition from Lazy to Rich Training Dynamics | website=Twelfth International Conference on Learning Representations (ICLR) | url=https://openreview.net/forum?id=vt5mnLVIVo }}&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 促进顿悟的方法 ==&lt;br /&gt;
促进顿悟这一系列研究旨在减少记忆与泛化之间的延迟效应，从而使模型更快泛化，从而也被叫做“消除顿悟”&lt;br /&gt;
&lt;br /&gt;
=== 权重范数 ===&lt;br /&gt;
其中的一个关键发现与权重范数有关——可以把它理解为模型参数的体积或规模。在可解释性部分的参数空间小节，我们讲过，研究者们任务存在一个“黄金泛化区”，当模型规模恰好处于这个区间时，最容易学到真本领。于是，他们想出了一个巧妙的办法：在训练期间，使用一种约束技术，将模型的体积始终固定在这个最佳区域附近&amp;lt;ref name=&amp;quot;:2&amp;quot; /&amp;gt;。这就好比直接为模型规划好了最佳的学习路径，让它无法绕远去死记硬背，从而被迫从一开始就寻找通用的解决方案，极大地缩短了从记忆到泛化的等待时间，实现了顿悟的消除。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 慢梯度增强(Slow Gradient Amplification) ===&lt;br /&gt;
这项名为 Grokfast 的研究发现造成顿悟的原因在于梯度的频率特性：&lt;br /&gt;
&lt;br /&gt;
* '''快梯度（高频信号）'''：像噪音一样剧烈抖动，主要导致模型死记硬背训练数据 。&lt;br /&gt;
&lt;br /&gt;
* '''慢梯度（低频信号）'''：像洋流一样缓慢且坚定，这才是推动模型理解通用规律的关键力量 。&lt;br /&gt;
&lt;br /&gt;
该方法的解决思路非常巧妙，即“滤噪存真”： 研究者把训练过程中的梯度看作随时间变化的信号。他们引入了一个简单的低通[[滤波器]]（Low-Pass Filter），过滤掉那些杂乱的快梯度，提取出代表长期趋势的慢梯度，并将其人为放大叠加回去。结果显示，这种慢梯度增强策略能让模型顿悟的速度提升 50 倍，只需几行代码即可实现，无需昂贵的算力堆叠。&amp;lt;ref&amp;gt;{{cite web | author1=Lee, J. | author2=Kang, B. G. | author3=Kim, K. | author4=Lee, K. M. | year=2024 | title=Grokfast: Accelerated Grokking by Amplifying Slow Gradients| eprint=2405.20233| url=https://arxiv.org/abs/2405.20233 }}&amp;lt;/ref&amp;gt;。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 顿悟彩票（Grokking Ticket） ===&lt;br /&gt;
“顿悟彩票”（Grokking Ticket）这个方法桥接了两个重要的神经网络研究领域：Lottery Ticket Hypothesis (LTH, [[彩票假设]])和顿悟现象。LTH 认为，任何一个随机初始化的大型神经网络（密集网络）内部，都包含一个或多个稀疏子网络。这些子网络如果单独从原始权重初始化并训练，能够比完整网络更快、更好地收敛，达到相似的甚至更高的性能。LTH 将这些优秀的稀疏子网络比喻为中奖的“彩票”（Winning Ticket）。这意味着成功的关键不在于网络有多大，而在于在随机初始化中“抽中”了哪个具备优秀拓扑结构的子集。&lt;br /&gt;
&lt;br /&gt;
研究者们认为顿悟的延迟现象，并非单纯在等待权重衰减降低参数范数，而是在高维参数空间中搜索并锁定一个具备泛化能力的稀疏子网络结构。所谓的“彩票假设掩码”方法，实际上是一种提取并利用后验结构知识的过程&amp;lt;ref&amp;gt;{{cite journal | author1=Minegishi G | author2=Iwasawa Y | author3=Matsuo Y | year=2023 | title=Bridging Lottery ticket and Grokking: Is Weight Norm Sufficient to Explain Delayed Generalization? | journal=arXiv preprint arXiv:2310.19470 | volume= | issue= | page= | url=https://arxiv.org/abs/2310.19470 }}&amp;lt;/ref&amp;gt;：&lt;br /&gt;
&lt;br /&gt;
首先将一个密集网络训练至完全泛化状态，此时网络内部的功能回路已经形成。通过[[幅度剪枝]]（Magnitude Pruning），保留权重绝对值较大的连接，将其拓扑结构固化为一个[[二值掩码]]（Binary Mask） 。将此掩码应用于一个随机初始化的网络。这意味着在训练伊始，就强行约束了网络的拓扑结构，使其仅在被筛选出的特定子空间内进行优化。该方法之所以能消除泛化延迟，其核心机理包含两个方面：&lt;br /&gt;
&lt;br /&gt;
* 拓扑结构即泛化归纳偏置：实验表明，通过掩码锁定的稀疏子网络本身就编码了任务所需的良好表征（如模运算任务中的周期性特征）。这种特定的拓扑结构即使在权重随机初始化时，也具备了快速学习任务特征的能力。&lt;br /&gt;
&lt;br /&gt;
* 解耦权重优化与结构优化：在标准训练中，模型需要同时进行参数值的优化和有效结构的筛选。应用掩码后，模型直接跳过了漫长的“结构搜索”阶段，使得训练准确率与测试准确率同步上升，从而消除了延迟泛化。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 基于预训练或迁移的加速学习策略 ===&lt;br /&gt;
&lt;br /&gt;
'''1. 权重初始化'''&lt;br /&gt;
权重初始化的方法即用已顿悟的模型部件来给新模型“开小灶”，由于拥有更多先验知识，模型得以提前顿悟&amp;lt;ref&amp;gt;{{cite journal | author1=Furuta, H. | author2=Minegishi, G. | author3=Iwasawa, Y. | author4=Matsuo, Y. | year=2024 | title=Towards Empirical Interpretation of Internal Circuits and Properties in Grokked Transformers on Modular Polynomials | journal=Transactions on Machine Learning Research | volume= | issue= | pages= | issn=2835-8856 | url=https://openreview.net/forum?id=MzSf70uXJO | doi= }}&amp;lt;/ref&amp;gt;。方法的具体步骤如下：首先在简单任务（如模加法）上预训练一个Transformer直到其顿悟，然后将其组件（嵌入层或整个Transformer主体）取出，作为新模型在相关任务（如模减法、线性表达式）对应组件的初始化权重，并在后续训练中保持这些权重冻结（不更新），以此研究不同任务间内部表示与算法的相似性，并显著加速新任务的顿悟过程。但该方法的成功高度依赖于源任务和目标任务之间的相似性，对于更复杂的操作，简单移植基础算术的组件可能不足以提供有效的先验知识，复杂任务可能需要发现全新的、更复杂的算法。&lt;br /&gt;
&lt;br /&gt;
'''2. 嵌入迁移'''&lt;br /&gt;
Xu等人提出的 GrokTransfer&amp;lt;ref&amp;gt;{{cite journal | author1=Xu Z | author2=Ni Z | author3=Wang Y | author4=Hu W | year=2025 | title=Let me grok for you: Accelerating grokking via embedding transfer from a weaker model | journal=arXiv preprint arXiv:2504.13292 | volume= | issue= | page= | url=https://arxiv.org/abs/2504.13292 }}&amp;lt;/ref&amp;gt;（嵌入迁移法），提供了消除延迟泛化的一个简洁而强大的解决方案。其核心洞察是：决定模型能否快速泛化的关键，在于它对输入数据的初始理解，即数据在模型中如何被表示和编码，也就是嵌入层。&lt;br /&gt;
&lt;br /&gt;
嵌入迁移法的步骤可以简单理解为：&lt;br /&gt;
&lt;br /&gt;
* 请教弱模型：首先，我们快速训练一个更小、更弱的模型。这个弱模型虽然无法达到完美性能，但它能以更快的速度学到一个初步但有效的数据结构地图（即数据的嵌入表示）。&lt;br /&gt;
&lt;br /&gt;
* 知识迁移：接着，我们将这个弱模型学习到的、带有有效结构信息的嵌入层参数提取出来。用这些参数来初始化我们真正想要训练的那个更强大、更复杂的模型的嵌入层。&lt;br /&gt;
&lt;br /&gt;
通过这种方式，强大的目标模型在训练之初就获得了高质量的嵌入，不再需要从零开始摸索数据间的潜在联系。它直接站在了弱模型的肩膀上，因此可以迅速从记忆阶段进入泛化阶段，大大加速甚至完全消除了原有的泛化延迟现象。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 顿悟与其他现象的关联 ==&lt;br /&gt;
&lt;br /&gt;
=== [[双降（double descent）]] ===&lt;br /&gt;
Belkin等人&amp;lt;ref&amp;gt;{{cite journal | author1=Belkin M | author2=Hsu D | author3=Ma S | author4=Mandal S | year=2019 | title=Reconciling modern machine-learning practice and the classical bias–variance trade-off | journal=Proceedings of the National Academy of Sciences | volume=116 | issue=32 | page=15849–15854 | url=https://www.pnas.org/doi/full/10.1073/pnas.1903070116 }}&amp;lt;/ref&amp;gt;提出的双下降（Double Descent）现象揭示了模型验证误差随规模变化的非单调模式：误差先下降，随后因过拟合噪声而上升，最终随着模型容量的进一步扩大而再次下降。Nakkiran等人&amp;lt;ref&amp;gt;{{cite journal | author1=Nakkiran P | author2=Kaplun G | author3=Bansal Y | author4=Yang T | author5=Barak B | author6=Sutskever I | year=2021 | title=Deep double descent: Where bigger models and more data hurt | journal=Journal of Statistical Mechanics: Theory and Experiment | volume=2021 | issue=12 | page=124003 | url=https://iopscience.iop.org/article/10.1088/1742-5468/ac3a74 }}&amp;lt;/ref&amp;gt;进一步在多种架构下验证了这一现象，指出误差峰值往往出现在训练误差趋近于零的临界区间。&lt;br /&gt;
&lt;br /&gt;
近期研究致力于将双下降现象与顿悟现象联系起来。Davies等人&amp;lt;ref&amp;gt;{{cite journal | author1=Davies X | author2=Langosco L | author3=Krueger D | year=2023 | title=Unifying grokking and double descent | journal=arXiv preprint arXiv:2303.06173 | volume= | issue= | page= | url=https://arxiv.org/abs/2303.06173 }}&amp;lt;/ref&amp;gt;提出了一种基于“规模-时间”对偶性的假说，认为两者本质上反映了模型对不同复杂度模式的学习速率差异：模型倾向于先快速拟合简单的虚假相关性（导致第一次下降后回升），只有在长时间训练或更大规模下，才能掌握复杂的泛化模式（导致第二次下降，即顿悟）。&lt;br /&gt;
&lt;br /&gt;
具体而言，这种关联的表现形式受限于训练数据量。当数据量不足（低于特定临界点）时，模型随规模扩大会经历“渐进期—记忆期—半顿悟期—顿悟期”四个阶段，其中“记忆期”的性能恶化直接对应双下降的峰值；反之，当数据量充足时，模型能够跳过记忆期带来的负面影响，直接从渐进期过渡到顿悟期，表现为泛化性能的单调提升。&lt;br /&gt;
&lt;br /&gt;
Grokking 现象和双重下降现象可以被视为同一学习机制在不同条件下的表现。它们都源于一个共同的学习动态：神经网络的归纳偏置更倾向于选择那些泛化能力强但学习速度慢的模式，因此模型会经历一个从“快速学习但泛化差”的模式向“学习慢但泛化好”的模式过渡的过程。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== [[大语言模型的涌现能力]] ===&lt;br /&gt;
从记忆与泛化的竞争视角来看，纯记忆任务的存在会阻碍模型在记忆完所有训练数据后完全转向泛化阶段，因为纯记忆任务本身不存在泛化方法。然而，当模型规模达到足够大时，其记忆能力会显著超过训练数据量，从而实现对记忆与泛化等不同能力的功能分化。&lt;br /&gt;
&lt;br /&gt;
该现象与当前大语言模型（LLM）中观察到的涌现能力相呼应——由于预训练阶段也可视为多任务学习场景，模型必须在保留海量世界知识的同时，习得上下文学习和多步推理等通用规则与能力。这一观察也阐释了Huang等人提出的假设&amp;lt;ref name=&amp;quot;:13&amp;quot; /&amp;gt;：涌现能力是通过不同神经回路的竞争形成的。尽管当前LLM的能力涌现由诸多复杂因素驱动，顿悟研究将为理解LLM的涌现能力提供新视角，并推动该领域的进一步研究。&lt;br /&gt;
&lt;br /&gt;
Anthropic 的团队发现，LLM 的上下文学习（In-context Learning）能力的涌现，恰好发生在模型顿悟了“[[归纳头]]”这一特定电路结构的时刻&amp;lt;ref&amp;gt;{{cite journal | author1=Olsson C | author2=Elhage N | author3=Nanda N | author4=Joseph N | author5=DasSarma N | author6=Henighan T | author7=Mann B | author8=Askell A | author9=Bai Y | author10=Chen A | year=2022 | title=In-context learning and induction heads | journal=arXiv preprint arXiv:2209.11895 | volume= | issue= | page= | url=https://arxiv.org/abs/2209.11895 }}&amp;lt;/ref&amp;gt;。研究发现，模型在训练过程中会出现一个短暂的[[相变]]时刻（即顿悟）。在这个时刻，验证集损失突然下降，同时上下文学习能力突然涌现。这种同步发生是因为模型学会了使用归纳头（Induction Heads）——一种能够通过查找前文来复制模式的注意力机制电路。这一发现强烈暗示，宏观的涌现是由微观电路层面的顿悟驱动的。&lt;br /&gt;
&lt;br /&gt;
The Quantization Model of Neural Scaling这篇文章&amp;lt;ref&amp;gt;{{cite journal | author1=Michaud E | author2=Liu Z | author3=Girit U | author4=Tegmark M | year=2023 | title=The quantization model of neural scaling | journal=Advances in Neural Information Processing Systems | volume=36 | issue= | page=28699–28722 | url=https://proceedings.neurips.cc/paper_files/paper/2023/hash/5a7b238722652b9632d43e5902302388-Abstract-Conference.html }}&amp;lt;/ref&amp;gt;提供了一个非常漂亮的理论框架，解释了为什么学习曲线会呈现阶梯状（即包含顿悟和[[涌现]]），而不是平滑曲线。作者提出了“神经缩放的量子化模型”（QMNS），他们认为，复杂的任务是由许多离散的“子技能”（Quanta）组成的。随着模型规模或训练时间增加，模型并非一点点学好所有知识，而是按顺序攻克一个个子技能。每当模型彻底掌握一个关键子技能，即对该子技能发生顿悟，整体性能就会出现一次阶跃，表现为能力的阶段性涌现。将顿悟（时间的阶跃）和涌现（规模的阶跃）统一到了同一个离散特征学习的框架下。&lt;br /&gt;
&lt;br /&gt;
=== 反思与批判：顿悟和涌现可能只是“度量的[[幻觉]]” ===&lt;br /&gt;
Schaeffer指出，所谓的“尖锐的涌现”或“突然的顿悟”，可能并非模型本身随规模增长而产生的本质变化&amp;lt;ref&amp;gt;{{cite journal | author1=Schaeffer R | author2=Miranda B | author3=Koyejo S | year=2023 | title=Are emergent abilities of large language models a mirage? | journal=Advances in Neural Information Processing Systems | volume=36 | issue= | page=55565–55581 | url=https://proceedings.neurips.cc/paper_files/paper/2023/hash/adc98a22ad1428e05ad1202c3c162636-Abstract-Conference.html }}&amp;lt;/ref&amp;gt;，而是由于研究人员选择的评估指标（如准确率、完全匹配等非线性或不连续指标）对模型逐词错误率进行了[[非线性]]或不连续的缩放，从而在特定任务上制造出的假象；若改用线性或连续的指标（如词编辑距离、Brier分数），则模型性能会呈现平滑、连续、可预测的提升趋势，所谓的“涌现”现象也随之消失。这暗示顿悟和涌现可能并非模型内部发生了魔法般的突变，而是模型内部一直在进行平滑的渐进式学习，只是在越过某个阈值后，才被我们粗糙的指标捕捉到。&lt;br /&gt;
&lt;br /&gt;
= 参考文献 =&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48613</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48613"/>
		<updated>2026-01-04T12:07:08Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
[[集智百科词条写作标准]]&lt;br /&gt;
&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48612</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48612"/>
		<updated>2026-01-04T12:05:10Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
[[集智百科词条写作标准]]&lt;br /&gt;
&lt;br /&gt;
[[Category:集智相关]]&lt;br /&gt;
&lt;br /&gt;
= 参考文献 =&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E8%AF%8D%E6%9D%A1%E5%86%99%E4%BD%9C%E6%A0%87%E5%87%86&amp;diff=48611</id>
		<title>集智百科词条写作标准</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E8%AF%8D%E6%9D%A1%E5%86%99%E4%BD%9C%E6%A0%87%E5%87%86&amp;diff=48611"/>
		<updated>2026-01-04T12:03:47Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分（具体的章节名称可以调整，但是要涵盖下列基本内容）：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
# 文字&lt;br /&gt;
##  术语前后统一（特别多人编辑时）&lt;br /&gt;
##  中英文符号规范&lt;br /&gt;
### Tips: 一般英文人名只用英文就可以不用翻译，重要人名可以翻译成中文并且加括号加上英文名：如，罗伯特·梅（Robert M. May）&lt;br /&gt;
##  段落清晰&lt;br /&gt;
### 可以多加子标题形成层级结构，子标题或者列表名等可以加粗&lt;br /&gt;
### 段落之间文字太拥挤时可以加空行&lt;br /&gt;
# 数学公式&lt;br /&gt;
## 重要公式单独一行，如下形式：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&lt;br /&gt;
    {{NumBlk|:|&lt;br /&gt;
    &amp;lt;math&amp;gt;&lt;br /&gt;
    &amp;lt;/math&amp;gt;&lt;br /&gt;
    |{{EquationRef|1}}}}&lt;br /&gt;
&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## 引用公式加序号（自动加编号调研）&lt;br /&gt;
## 公式符号变量要说明&lt;br /&gt;
# 图&lt;br /&gt;
## 保证图片清晰&lt;br /&gt;
## 图像排列（建议居左加框）&lt;br /&gt;
## 图下的文字需要说明&lt;br /&gt;
### 子图内容描述&lt;br /&gt;
### 图里的符号要说明（按照论文标准）&lt;br /&gt;
### 引用别人的图片需要加引用，参考如下格式：[[文件:RC_Series_Filter_(with_V&amp;amp;I_Labels).png|300x500像素|none|缩略图|串联RC电路，左侧为输入电压，电阻值为 R，电容值量为 C，输出电压为电容两端的电压。引自&amp;lt;ref name='wikipedia rc circuit'&amp;gt;https://en.wikipedia.org/wiki/RC_circuit&amp;lt;/ref&amp;gt;]]&lt;br /&gt;
# 文献&lt;br /&gt;
## 关键概念、算法、公式、图的出处需要加文献引用&lt;br /&gt;
## 引用格式统一和标准化，其中，Ref name可以用人名+文献名称构成，参考下面的示例：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot;&amp;gt;{{cite journal|author1=Chvykov P|author2=Hoel E.|title=Causal Geometry|journal=Entropy|year=2021|volume=23|issue=1|page=24|url=https://doi.org/10.3390/e2}}&amp;lt;/ref&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## Tips: 标注参考文献时，可以同时打开多个页面进行操作，可以更加高效添加文献，如：需要在新的地方添加已有参考文献，格式如下&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot; /&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
# 词条引用&lt;br /&gt;
## 重要术语加引用&lt;br /&gt;
## 引用已有的相关词条需要加链接&lt;br /&gt;
&lt;br /&gt;
= 参考文献 =&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E8%AF%8D%E6%9D%A1%E5%86%99%E4%BD%9C%E6%A0%87%E5%87%86&amp;diff=48610</id>
		<title>集智百科词条写作标准</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E8%AF%8D%E6%9D%A1%E5%86%99%E4%BD%9C%E6%A0%87%E5%87%86&amp;diff=48610"/>
		<updated>2026-01-04T12:02:35Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：建立内容为“# 词条的框架结构  ## 章节重点突出 ## 各个章节文字均衡 ## 一般词条包含如下几个部分（具体的章节名称可以调整，但是要…”的新页面&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分（具体的章节名称可以调整，但是要涵盖下列基本内容）：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
# 文字&lt;br /&gt;
##  术语前后统一（特别多人编辑时）&lt;br /&gt;
##  中英文符号规范&lt;br /&gt;
### Tips: 一般英文人名只用英文就可以不用翻译，重要人名可以翻译成中文并且加括号加上英文名：如，罗伯特·梅（Robert M. May）&lt;br /&gt;
##  段落清晰&lt;br /&gt;
### 可以多加子标题形成层级结构，子标题或者列表名等可以加粗&lt;br /&gt;
### 段落之间文字太拥挤时可以加空行&lt;br /&gt;
# 数学公式&lt;br /&gt;
## 重要公式单独一行，如下形式：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&lt;br /&gt;
    {{NumBlk|:|&lt;br /&gt;
    &amp;lt;math&amp;gt;&lt;br /&gt;
    &amp;lt;/math&amp;gt;&lt;br /&gt;
    |{{EquationRef|1}}}}&lt;br /&gt;
&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## 引用公式加序号（自动加编号调研）&lt;br /&gt;
## 公式符号变量要说明&lt;br /&gt;
# 图&lt;br /&gt;
## 保证图片清晰&lt;br /&gt;
## 图像排列（建议居左加框）&lt;br /&gt;
## 图下的文字需要说明&lt;br /&gt;
### 子图内容描述&lt;br /&gt;
### 图里的符号要说明（按照论文标准）&lt;br /&gt;
### 引用别人的图片需要加引用，参考如下格式：[[文件:RC_Series_Filter_(with_V&amp;amp;I_Labels).png|300x500像素|none|缩略图|串联RC电路，左侧为输入电压，电阻值为 R，电容值量为 C，输出电压为电容两端的电压。引自&amp;lt;ref name='wikipedia rc circuit'&amp;gt;https://en.wikipedia.org/wiki/RC_circuit&amp;lt;/ref&amp;gt;]]&lt;br /&gt;
# 文献&lt;br /&gt;
## 关键概念、算法、公式、图的出处需要加文献引用&lt;br /&gt;
## 引用格式统一和标准化，其中，Ref name可以用人名+文献名称构成，参考下面的示例：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot;&amp;gt;{{cite journal|author1=Chvykov P|author2=Hoel E.|title=Causal Geometry|journal=Entropy|year=2021|volume=23|issue=1|page=24|url=https://doi.org/10.3390/e2}}&amp;lt;/ref&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## Tips: 标注参考文献时，可以同时打开多个页面进行操作，可以更加高效添加文献，如：需要在新的地方添加已有参考文献，格式如下&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot; /&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
# 词条引用&lt;br /&gt;
## 重要术语加引用&lt;br /&gt;
## 引用已有的相关词条需要加链接&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48604</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48604"/>
		<updated>2026-01-04T09:25:11Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 自指 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{dx}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;&lt;br /&gt;
满足：&lt;br /&gt;
&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡作为不动点===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
=不动点分析方法=&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48603</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48603"/>
		<updated>2026-01-04T09:22:49Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 不动点的定义 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{dx}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;&lt;br /&gt;
满足：&lt;br /&gt;
&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡作为不动点===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
=不动点分析方法=&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%AE%A8%E8%AE%BA:%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48602</id>
		<title>讨论:不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%AE%A8%E8%AE%BA:%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48602"/>
		<updated>2026-01-04T09:20:26Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;不动点是动力系统理论中的核心概念，指系统状态变量的变化率为零、系统将保持静止的状态。对于一阶自治系统 &amp;lt;math&amp;gt;\dot{x} = f(x)&amp;lt;/math&amp;gt;，不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt; 满足 &amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;。它是系统长期行为的“吸引子”或“排斥子”，其稳定性分析是理解系统动力学的关键。不动点的研究构成了从线性系统到非线性系统、从连续到离散动力系统分析的基石&lt;br /&gt;
&lt;br /&gt;
=简介=&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
* '''早期萌芽'''： 不动点的思想可追溯至牛顿力学中对平衡状态（如单摆静止于最低点或最高点）的物理研究。&lt;br /&gt;
&lt;br /&gt;
* '''理论奠基'''： 19世纪末，亨利·庞加莱在创立微分方程定性理论时，系统性地将“奇点”（Singular Points）作为研究对象，其中就包括了我们今天所称的不动点（平衡点）。他强调了分析这些点附近轨迹行为的重要性。&lt;br /&gt;
&lt;br /&gt;
* '''现代发展'''： 20世纪，随着李雅普诺夫稳定性理论和动力系统理论的成熟，不动点的分类（如鞍点、结点、焦点）、稳定性判据（线性化、李雅普诺夫函数）以及其与分岔、混沌等全局现象的联系得到了系统性的研究，成为现代非线性科学的基础语言。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 问题背景 ==&lt;br /&gt;
* 给定一个自治动力系统，其长期行为如何？系统是否会趋向于某个静止状态？如果是，哪些静止状态是稳定的（鲁棒的），哪些是不稳定的（脆弱的）？&lt;br /&gt;
* 求解微分方程往往困难甚至不可能，需要一种不依赖精确解就能定性预测系统行为的方法。&lt;br /&gt;
&lt;br /&gt;
== 核心思想== &lt;br /&gt;
&lt;br /&gt;
* '''几何视角'''：&lt;br /&gt;
* '''不动点的定义'''：&lt;br /&gt;
* '''稳定性问题'''：&lt;br /&gt;
&lt;br /&gt;
=主要内容=&lt;br /&gt;
&lt;br /&gt;
==定义== &lt;br /&gt;
&lt;br /&gt;
==几何图像：向量场与相图== &lt;br /&gt;
&lt;br /&gt;
==稳定性分析== &lt;br /&gt;
&lt;br /&gt;
=== 图形化判据（几何稳定性） ===&lt;br /&gt;
&lt;br /&gt;
===  线性稳定性分析（解析判据） ===&lt;br /&gt;
&lt;br /&gt;
==势函数框架下的诠释== &lt;br /&gt;
&lt;br /&gt;
=相关概念与推广=&lt;br /&gt;
* '''高维不动点'''：在n维系统 &amp;lt;math&amp;gt;\dot{x} = f(x)&amp;lt;/math&amp;gt;中，概念类似，但稳定性由雅可比矩阵的特征值决定，类型更丰富（鞍点、结点、焦点等）&lt;br /&gt;
* '''分岔''': 当系统参数变化时，不动点的数量或稳定性发生突然变化的现象（如鞍结分岔、跨临界分岔、叉式分岔）&lt;br /&gt;
* '''离散系统的不动点''':&lt;br /&gt;
* '''极限环''': 在二维及以上系统中，除了不动点，系统还可能趋向于一个孤立的周期轨道，即极限环，这是一维系统所没有的复杂行为。&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48601</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48601"/>
		<updated>2026-01-04T09:20:10Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{x}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;&lt;br /&gt;
满足：&lt;br /&gt;
&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡作为不动点===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
=不动点分析方法=&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48600</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48600"/>
		<updated>2026-01-04T09:16:19Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 连续系统（常微分方程）中的不动点 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;不动点是动力系统理论中的核心概念，指系统状态变量的变化率为零、系统将保持静止的状态。对于一阶自治系统 &amp;lt;math&amp;gt;\dot{x} = f(x)&amp;lt;/math&amp;gt;，不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt; 满足 &amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;。它是系统长期行为的“吸引子”或“排斥子”，其稳定性分析是理解系统动力学的关键。不动点的研究构成了从线性系统到非线性系统、从连续到离散动力系统分析的基石。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{x}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;&lt;br /&gt;
满足：&lt;br /&gt;
&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡作为不动点===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
=不动点分析方法=&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48599</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48599"/>
		<updated>2026-01-04T09:15:20Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 不动点分析方法 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;不动点是动力系统理论中的核心概念，指系统状态变量的变化率为零、系统将保持静止的状态。对于一阶自治系统 &amp;lt;math&amp;gt;\dot{x} = f(x)&amp;lt;/math&amp;gt;，不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt; 满足 &amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;。它是系统长期行为的“吸引子”或“排斥子”，其稳定性分析是理解系统动力学的关键。不动点的研究构成了从线性系统到非线性系统、从连续到离散动力系统分析的基石。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{x}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;&lt;br /&gt;
满足：&lt;br /&gt;
&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡作为不动点===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
=不动点分析方法=&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48598</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48598"/>
		<updated>2026-01-04T09:15:05Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 其他博弈论概念中的不动点 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;不动点是动力系统理论中的核心概念，指系统状态变量的变化率为零、系统将保持静止的状态。对于一阶自治系统 &amp;lt;math&amp;gt;\dot{x} = f(x)&amp;lt;/math&amp;gt;，不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt; 满足 &amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;。它是系统长期行为的“吸引子”或“排斥子”，其稳定性分析是理解系统动力学的关键。不动点的研究构成了从线性系统到非线性系统、从连续到离散动力系统分析的基石。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{x}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;&lt;br /&gt;
满足：&lt;br /&gt;
&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡作为不动点===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
=不动点分析方法=&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48595</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48595"/>
		<updated>2026-01-04T09:13:41Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 非线性动力学与混沌 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;不动点是动力系统理论中的核心概念，指系统状态变量的变化率为零、系统将保持静止的状态。对于一阶自治系统 &amp;lt;math&amp;gt;\dot{x} = f(x)&amp;lt;/math&amp;gt;，不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt; 满足 &amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;。它是系统长期行为的“吸引子”或“排斥子”，其稳定性分析是理解系统动力学的关键。不动点的研究构成了从线性系统到非线性系统、从连续到离散动力系统分析的基石。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{x}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;&lt;br /&gt;
满足：&lt;br /&gt;
&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡作为不动点===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点分析方法=&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48591</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48591"/>
		<updated>2026-01-04T09:12:42Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;不动点是动力系统理论中的核心概念，指系统状态变量的变化率为零、系统将保持静止的状态。对于一阶自治系统 &amp;lt;math&amp;gt;\dot{x} = f(x)&amp;lt;/math&amp;gt;，不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt; 满足 &amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;。它是系统长期行为的“吸引子”或“排斥子”，其稳定性分析是理解系统动力学的关键。不动点的研究构成了从线性系统到非线性系统、从连续到离散动力系统分析的基石。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{x}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;&lt;br /&gt;
满足：&lt;br /&gt;
&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡作为不动点===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点分析方法=&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E8%AE%A8%E8%AE%BA:%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48589</id>
		<title>讨论:不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E8%AE%A8%E8%AE%BA:%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48589"/>
		<updated>2026-01-04T09:11:27Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：建立内容为“=简介=   * '''早期萌芽'''： 不动点的思想可追溯至牛顿力学中对平衡状态（如单摆静止于最低点或最高点）的物理研究。  *…”的新页面&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;=简介=&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
* '''早期萌芽'''： 不动点的思想可追溯至牛顿力学中对平衡状态（如单摆静止于最低点或最高点）的物理研究。&lt;br /&gt;
&lt;br /&gt;
* '''理论奠基'''： 19世纪末，亨利·庞加莱在创立微分方程定性理论时，系统性地将“奇点”（Singular Points）作为研究对象，其中就包括了我们今天所称的不动点（平衡点）。他强调了分析这些点附近轨迹行为的重要性。&lt;br /&gt;
&lt;br /&gt;
* '''现代发展'''： 20世纪，随着李雅普诺夫稳定性理论和动力系统理论的成熟，不动点的分类（如鞍点、结点、焦点）、稳定性判据（线性化、李雅普诺夫函数）以及其与分岔、混沌等全局现象的联系得到了系统性的研究，成为现代非线性科学的基础语言。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 问题背景 ==&lt;br /&gt;
* 给定一个自治动力系统，其长期行为如何？系统是否会趋向于某个静止状态？如果是，哪些静止状态是稳定的（鲁棒的），哪些是不稳定的（脆弱的）？&lt;br /&gt;
* 求解微分方程往往困难甚至不可能，需要一种不依赖精确解就能定性预测系统行为的方法。&lt;br /&gt;
&lt;br /&gt;
== 核心思想== &lt;br /&gt;
&lt;br /&gt;
* '''几何视角'''：&lt;br /&gt;
* '''不动点的定义'''：&lt;br /&gt;
* '''稳定性问题'''：&lt;br /&gt;
&lt;br /&gt;
=主要内容=&lt;br /&gt;
&lt;br /&gt;
==定义== &lt;br /&gt;
&lt;br /&gt;
==几何图像：向量场与相图== &lt;br /&gt;
&lt;br /&gt;
==稳定性分析== &lt;br /&gt;
&lt;br /&gt;
=== 图形化判据（几何稳定性） ===&lt;br /&gt;
&lt;br /&gt;
===  线性稳定性分析（解析判据） ===&lt;br /&gt;
&lt;br /&gt;
==势函数框架下的诠释== &lt;br /&gt;
&lt;br /&gt;
=相关概念与推广=&lt;br /&gt;
* '''高维不动点'''：在n维系统 &amp;lt;math&amp;gt;\dot{x} = f(x)&amp;lt;/math&amp;gt;中，概念类似，但稳定性由雅可比矩阵的特征值决定，类型更丰富（鞍点、结点、焦点等）&lt;br /&gt;
* '''分岔''': 当系统参数变化时，不动点的数量或稳定性发生突然变化的现象（如鞍结分岔、跨临界分岔、叉式分岔）&lt;br /&gt;
* '''离散系统的不动点''':&lt;br /&gt;
* '''极限环''': 在二维及以上系统中，除了不动点，系统还可能趋向于一个孤立的周期轨道，即极限环，这是一维系统所没有的复杂行为。&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48588</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48588"/>
		<updated>2026-01-04T09:11:17Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;不动点是动力系统理论中的核心概念，指系统状态变量的变化率为零、系统将保持静止的状态。对于一阶自治系统 &amp;lt;math&amp;gt;\dot{x} = f(x)&amp;lt;/math&amp;gt;，不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt; 满足 &amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;。它是系统长期行为的“吸引子”或“排斥子”，其稳定性分析是理解系统动力学的关键。不动点的研究构成了从线性系统到非线性系统、从连续到离散动力系统分析的基石。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{x}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;&lt;br /&gt;
满足：&lt;br /&gt;
&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==不动点分析方法==&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡作为不动点===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48587</id>
		<title>不动点</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E4%B8%8D%E5%8A%A8%E7%82%B9&amp;diff=48587"/>
		<updated>2026-01-04T09:10:30Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;不动点是动力系统理论中的核心概念，指系统状态变量的变化率为零、系统将保持静止的状态。对于一阶自治系统 &amp;lt;math&amp;gt;\dot{x} = f(x)&amp;lt;/math&amp;gt;，不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt; 满足 &amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;。它是系统长期行为的“吸引子”或“排斥子”，其稳定性分析是理解系统动力学的关键。不动点的研究构成了从线性系统到非线性系统、从连续到离散动力系统分析的基石。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=不动点的定义=&lt;br /&gt;
&lt;br /&gt;
对于一个自治动力系统（常微分方程）：&lt;br /&gt;
&amp;lt;math&amp;gt;\frac{x}{dt} = f(x)， x \in \mathcal{R}^n&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
不动点 &amp;lt;math&amp;gt;x^*&amp;lt;/math&amp;gt;&lt;br /&gt;
满足：&lt;br /&gt;
&amp;lt;math&amp;gt;f(x^*)=0&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
在离散映射系统&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;中，不动点满足&amp;lt;math&amp;gt;x^* = g(x^*)&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=不动点的分类=&lt;br /&gt;
&lt;br /&gt;
==非线性动力学与混沌==&lt;br /&gt;
===连续系统（常微分方程）中的不动点===&lt;br /&gt;
&lt;br /&gt;
通过对系统在不动点附近线性化（雅可比矩阵) 的特征值）来判断稳定性：&lt;br /&gt;
&lt;br /&gt;
====结点====&lt;br /&gt;
&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值均为负实数（或复实部全负，且无虚部或虚部很小），相轨迹沿不变方向趋于该点。&lt;br /&gt;
&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值均为正实数，相轨迹远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====鞍点====&lt;br /&gt;
特征值中有些实部为正，有些为负（至少一个正一个负），该点不稳定，但在某些方向吸引，某些方向排斥。&lt;br /&gt;
&lt;br /&gt;
====焦点====&lt;br /&gt;
* 稳定&lt;br /&gt;
特征值为复数且实部全负，相轨迹螺旋趋于该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
* 不稳定&lt;br /&gt;
特征值为复数且实部全正，相轨迹螺旋远离该点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
====中心点====&lt;br /&gt;
特征值为纯虚数（实部为零），相轨迹为闭合曲线环绕该点，稳定性由高阶项决定（线性化判断为中性，非线性可能稳定/不稳定）。&lt;br /&gt;
&lt;br /&gt;
===离散映射中的不动点===&lt;br /&gt;
&amp;lt;math&amp;gt;x_{n+1} = g(x_n)&amp;lt;/math&amp;gt;&lt;br /&gt;
# 吸引（稳定）：所有特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 排斥（不稳定）：至少有一个特征值的模&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 鞍点：有些&amp;lt;math&amp;gt;|\lambda|&amp;lt;1&amp;lt;/math&amp;gt;有些&amp;lt;math&amp;gt;|\lambda|&amp;gt;1&amp;lt;/math&amp;gt;&lt;br /&gt;
# 中性（边缘）：有&amp;lt;math&amp;gt;|\lambda|=1&amp;lt;/math&amp;gt;的情况，需用非线性分析。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===特殊情况与进一步概念===&lt;br /&gt;
&lt;br /&gt;
====退化不动点====&lt;br /&gt;
当雅可比矩阵有零特征值或纯虚数且非线性项起决定作用时，线性稳定性理论失效，需用中心流形定理或正规形理论分析。&lt;br /&gt;
&lt;br /&gt;
====非双曲不动点====&lt;br /&gt;
至少有一个特征值实部为零（连续系统），或模等于 1（离散系统），此时稳定性由高阶项决定。&lt;br /&gt;
&lt;br /&gt;
====全局稳定性与吸引子====&lt;br /&gt;
若所有轨迹都趋于某稳定不动点，则该不动点是全局吸引子（常见于梯度系统）。&lt;br /&gt;
&lt;br /&gt;
====多不动点与分岔====&lt;br /&gt;
非线性系统常有多个不动点，参数变化时不动点可能产生、消失或改变稳定性，称为分岔（如鞍结分岔、叉式分岔、霍普夫分岔）。&lt;br /&gt;
&lt;br /&gt;
==不动点分析方法==&lt;br /&gt;
&lt;br /&gt;
# 线性稳定性分析（雅可比矩阵）&lt;br /&gt;
&lt;br /&gt;
# 李雅普诺夫函数（直接法，适用于非线性全局稳定性）&lt;br /&gt;
&lt;br /&gt;
# 中心流形定理&lt;br /&gt;
&lt;br /&gt;
# 数值方法（如牛顿法找不动点，数值积分验证稳定性）&lt;br /&gt;
&lt;br /&gt;
==其他==&lt;br /&gt;
&lt;br /&gt;
===自指===&lt;br /&gt;
# 如果“算”指的是“计算过程”，那么自指不是算法，而是不动点计算或定义中的关键要素。&lt;br /&gt;
&lt;br /&gt;
# 如果“算”指的是“等价于”，那么可以说：在计算机科学和指称语义的核心模型中，一个（良定义的）自指（递归）的数学含义，就是一个不动点。自指是语法，不动点是语义。&lt;br /&gt;
&lt;br /&gt;
# 自指是产生不动点现象和结构的源泉与表现形式，而不动点定理是理解和驯服自指（使其有意义、不矛盾）的数学工具和框架。&lt;br /&gt;
&lt;br /&gt;
===纳什均衡作为不动点===&lt;br /&gt;
&lt;br /&gt;
纳什均衡本质上就是“最优反应对应”的不动点。纳什的证明将博弈均衡的存在性问题，优雅地转化并依赖于一个深刻的不动点定理&lt;br /&gt;
&lt;br /&gt;
===其他博弈论概念中的不动点===&lt;br /&gt;
&lt;br /&gt;
# 理性化策略与迭代剔除：在迭代剔除劣策略的过程中，每一步剩下的策略集可以看作一个映射的不动点（或收敛于一个不动点），即“在相信对方也会在剩余策略集中理性选择的前提下，我的理性选择集”。&lt;br /&gt;
&lt;br /&gt;
# 相关均衡：也可以被刻画为某个适当映射的不动点。&lt;br /&gt;
&lt;br /&gt;
# 演化稳定策略：在复制者动态等演化博弈模型中，ESS常常对应于动态系统的不动点（平衡点）。研究其稳定性就是研究不动点附近的动态行为。&lt;br /&gt;
&lt;br /&gt;
# 讨价还价与谈判解：纳什谈判解等合作博弈的解概念，通常也可以通过构造一个满足某些公理的映射，然后寻找其不动点来刻画。&lt;br /&gt;
&lt;br /&gt;
# 匹配理论：著名的“延迟接受算法”所找到的稳定匹配，可以被证明是某个定义在匹配集合上映射的不动点。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=简介=&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
* '''早期萌芽'''： 不动点的思想可追溯至牛顿力学中对平衡状态（如单摆静止于最低点或最高点）的物理研究。&lt;br /&gt;
&lt;br /&gt;
* '''理论奠基'''： 19世纪末，亨利·庞加莱在创立微分方程定性理论时，系统性地将“奇点”（Singular Points）作为研究对象，其中就包括了我们今天所称的不动点（平衡点）。他强调了分析这些点附近轨迹行为的重要性。&lt;br /&gt;
&lt;br /&gt;
* '''现代发展'''： 20世纪，随着李雅普诺夫稳定性理论和动力系统理论的成熟，不动点的分类（如鞍点、结点、焦点）、稳定性判据（线性化、李雅普诺夫函数）以及其与分岔、混沌等全局现象的联系得到了系统性的研究，成为现代非线性科学的基础语言。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== 问题背景 ==&lt;br /&gt;
* 给定一个自治动力系统，其长期行为如何？系统是否会趋向于某个静止状态？如果是，哪些静止状态是稳定的（鲁棒的），哪些是不稳定的（脆弱的）？&lt;br /&gt;
* 求解微分方程往往困难甚至不可能，需要一种不依赖精确解就能定性预测系统行为的方法。&lt;br /&gt;
&lt;br /&gt;
== 核心思想== &lt;br /&gt;
&lt;br /&gt;
* '''几何视角'''：&lt;br /&gt;
* '''不动点的定义'''：&lt;br /&gt;
* '''稳定性问题'''：&lt;br /&gt;
&lt;br /&gt;
=主要内容=&lt;br /&gt;
&lt;br /&gt;
==定义== &lt;br /&gt;
&lt;br /&gt;
==几何图像：向量场与相图== &lt;br /&gt;
&lt;br /&gt;
==稳定性分析== &lt;br /&gt;
&lt;br /&gt;
=== 图形化判据（几何稳定性） ===&lt;br /&gt;
&lt;br /&gt;
===  线性稳定性分析（解析判据） ===&lt;br /&gt;
&lt;br /&gt;
==势函数框架下的诠释== &lt;br /&gt;
&lt;br /&gt;
=相关概念与推广=&lt;br /&gt;
* '''高维不动点'''：在n维系统 &amp;lt;math&amp;gt;\dot{x} = f(x)&amp;lt;/math&amp;gt;中，概念类似，但稳定性由雅可比矩阵的特征值决定，类型更丰富（鞍点、结点、焦点等）&lt;br /&gt;
* '''分岔''': 当系统参数变化时，不动点的数量或稳定性发生突然变化的现象（如鞍结分岔、跨临界分岔、叉式分岔）&lt;br /&gt;
* '''离散系统的不动点''':&lt;br /&gt;
* '''极限环''': 在二维及以上系统中，除了不动点，系统还可能趋向于一个孤立的周期轨道，即极限环，这是一维系统所没有的复杂行为。&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48585</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48585"/>
		<updated>2026-01-04T08:09:22Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分（具体的章节名称可以调整，但是要涵盖下列基本内容）：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
# 文字&lt;br /&gt;
##  术语前后统一（特别多人编辑时）&lt;br /&gt;
##  中英文符号规范&lt;br /&gt;
### Tips: 一般英文人名只用英文就可以不用翻译，重要人名可以翻译成中文并且加括号加上英文名：如，罗伯特·梅（Robert M. May）&lt;br /&gt;
##  段落清晰&lt;br /&gt;
### 可以多加子标题形成层级结构，子标题或者列表名等可以加粗&lt;br /&gt;
### 段落之间文字太拥挤时可以加空行&lt;br /&gt;
# 数学公式&lt;br /&gt;
## 重要公式单独一行，如下形式：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&lt;br /&gt;
    {{NumBlk|:|&lt;br /&gt;
    &amp;lt;math&amp;gt;&lt;br /&gt;
    &amp;lt;/math&amp;gt;&lt;br /&gt;
    |{{EquationRef|1}}}}&lt;br /&gt;
&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## 引用公式加序号（自动加编号调研）&lt;br /&gt;
## 公式符号变量要说明&lt;br /&gt;
# 图&lt;br /&gt;
## 保证图片清晰&lt;br /&gt;
## 图像排列（建议居左加框）&lt;br /&gt;
## 图下的文字需要说明&lt;br /&gt;
### 子图内容描述&lt;br /&gt;
### 图里的符号要说明（按照论文标准）&lt;br /&gt;
### 引用别人的图片需要加引用，参考如下格式：[[文件:RC_Series_Filter_(with_V&amp;amp;I_Labels).png|300x500像素|none|缩略图|串联RC电路，左侧为输入电压，电阻值为 R，电容值量为 C，输出电压为电容两端的电压。引自&amp;lt;ref name='wikipedia rc circuit'&amp;gt;https://en.wikipedia.org/wiki/RC_circuit&amp;lt;/ref&amp;gt;]]&lt;br /&gt;
# 文献&lt;br /&gt;
## 关键概念、算法、公式、图的出处需要加文献引用&lt;br /&gt;
## 引用格式统一和标准化，其中，Ref name可以用人名+文献名称构成，参考下面的示例：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot;&amp;gt;{{cite journal|author1=Chvykov P|author2=Hoel E.|title=Causal Geometry|journal=Entropy|year=2021|volume=23|issue=1|page=24|url=https://doi.org/10.3390/e2}}&amp;lt;/ref&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## Tips: 标注参考文献时，可以同时打开多个页面进行操作，可以更加高效添加文献，如：需要在新的地方添加已有参考文献，格式如下&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot; /&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
# 词条引用&lt;br /&gt;
## 重要术语加引用&lt;br /&gt;
## 引用已有的相关词条需要加链接&lt;br /&gt;
[[Category:集智相关]]&lt;br /&gt;
&lt;br /&gt;
= 参考文献 =&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48584</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48584"/>
		<updated>2026-01-04T08:07:34Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 百科词条标准 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分（具体的章节名称可以调整，但是要涵盖下列基本内容）：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
# 文字&lt;br /&gt;
##  术语前后统一（特别多人编辑时）&lt;br /&gt;
##  中英文符号规范&lt;br /&gt;
### Tips: 一般英文人名只用英文就可以不用翻译，重要人名可以翻译成中文并且加括号加上英文名：如，罗伯特·梅（Robert M. May）&lt;br /&gt;
##  段落清晰&lt;br /&gt;
### 可以多加子标题形成层级结构，子标题或者列表名等可以加粗&lt;br /&gt;
### 段落之间文字太拥挤时可以加空行&lt;br /&gt;
# 数学公式&lt;br /&gt;
## 重要公式单独一行，如下形式：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&lt;br /&gt;
    {{NumBlk|:|&lt;br /&gt;
    &amp;lt;math&amp;gt;&lt;br /&gt;
    &amp;lt;/math&amp;gt;&lt;br /&gt;
    |{{EquationRef|1}}}}&lt;br /&gt;
&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## 引用公式加序号（自动加编号调研）&lt;br /&gt;
## 公式符号变量要说明&lt;br /&gt;
# 图&lt;br /&gt;
## 保证图片清晰&lt;br /&gt;
## 图像排列（建议居左加框）&lt;br /&gt;
## 图下的文字需要说明&lt;br /&gt;
### 子图内容描述&lt;br /&gt;
### 图里的符号要说明（按照论文标准）&lt;br /&gt;
### 引用别人的图片需要加引用，参考如下格式：[[文件:RC_Series_Filter_(with_V&amp;amp;I_Labels).png|300x500像素|none|缩略图|串联RC电路，左侧为输入电压，电阻值为 R，电容值量为 C，输出电压为电容两端的电压。引自&amp;lt;ref name='wikipedia rc circuit'&amp;gt;https://en.wikipedia.org/wiki/RC_circuit&amp;lt;/ref&amp;gt;]]&lt;br /&gt;
# 文献&lt;br /&gt;
## 关键概念、算法、公式、图的出处需要加文献引用&lt;br /&gt;
## 引用格式统一和标准化，其中，Ref name可以用人名+文献名称构成，参考下面的示例：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot;&amp;gt;{{cite journal|author1=Chvykov P|author2=Hoel E.|title=Causal Geometry|journal=Entropy|year=2021|volume=23|issue=1|page=24|url=https://doi.org/10.3390/e2}}&amp;lt;/ref&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## Tips: 标注参考文献时，可以同时打开多个页面进行操作，可以更加高效添加文献，如：需要在新的地方添加已有参考文献，格式如下&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot; /&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
# 词条引用&lt;br /&gt;
## 重要术语加引用&lt;br /&gt;
## 引用已有的相关词条需要加链接&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48583</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48583"/>
		<updated>2026-01-04T08:03:57Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 百科词条标准 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分（具体的章节名称可以调整，但是要涵盖下列基本内容）：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
# 文字&lt;br /&gt;
##  术语前后统一（特别多人编辑时）&lt;br /&gt;
##  中英文符号规范&lt;br /&gt;
### Tips: 一般英文人名只用英文就可以不用翻译，重要人名可以翻译成中文并且加括号加上英文名：如，罗伯特·梅（Robert M. May）&lt;br /&gt;
##  段落清晰&lt;br /&gt;
### 可以多加子标题形成层级结构，子标题或者列表名等可以加粗&lt;br /&gt;
### 段落之间文字太拥挤时可以加空行&lt;br /&gt;
# 数学公式&lt;br /&gt;
## 重要公式单独一行，如下形式：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&lt;br /&gt;
    {{NumBlk|:|&lt;br /&gt;
    &amp;lt;math&amp;gt;&lt;br /&gt;
    &amp;lt;/math&amp;gt;&lt;br /&gt;
    |{{EquationRef|1}}}}&lt;br /&gt;
&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## 引用公式加序号（自动加编号调研）&lt;br /&gt;
## 公式符号变量要说明&lt;br /&gt;
# 图&lt;br /&gt;
## 保证图片清晰&lt;br /&gt;
## 图像排列（建议居左加框）&lt;br /&gt;
## 图下的文字需要说明&lt;br /&gt;
### 子图内容描述&lt;br /&gt;
### 图里的符号要说明（按照论文标准）&lt;br /&gt;
### 引用别人的图片需要加引用，参考如下格式：&lt;br /&gt;
[[文件:RC_Series_Filter_(with_V&amp;amp;I_Labels).png|300x500像素|none|缩略图|串联RC电路，左侧为输入电压，电阻值为 R，电容值量为 C，输出电压为电容两端的电压。引自&amp;lt;ref name='wikipedia rc circuit'&amp;gt;https://en.wikipedia.org/wiki/RC_circuit&amp;lt;/ref&amp;gt;]]&lt;br /&gt;
# 文献&lt;br /&gt;
## 关键概念、算法、公式、图的出处需要加文献引用&lt;br /&gt;
## 引用格式统一和标准化，其中，Ref name可以用人名+文献名称构成，参考下面的示例：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot;&amp;gt;{{cite journal|author1=Chvykov P|author2=Hoel E.|title=Causal Geometry|journal=Entropy|year=2021|volume=23|issue=1|page=24|url=https://doi.org/10.3390/e2}}&amp;lt;/ref&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## Tips: 标注参考文献时，可以同时打开多个页面进行操作，可以更加高效添加文献，如：需要在新的地方添加已有参考文献，格式如下&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot; /&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
# 词条引用&lt;br /&gt;
## 重要术语加引用&lt;br /&gt;
## 引用已有的相关词条需要加链接&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48582</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48582"/>
		<updated>2026-01-04T08:01:46Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 百科词条标准 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分（具体的章节名称可以调整，但是要涵盖下列基本内容）：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
# 文字&lt;br /&gt;
##  术语前后统一（特别多人编辑时）&lt;br /&gt;
##  中英文符号规范&lt;br /&gt;
### Tips: 一般英文人名只用英文就可以不用翻译，重要人名可以翻译成中文并且加括号加上英文名：如，罗伯特·梅（Robert M. May）&lt;br /&gt;
##  段落清晰&lt;br /&gt;
### 可以多加子标题形成层级结构，子标题或者列表名等可以加粗&lt;br /&gt;
### 段落之间文字太拥挤时可以加空行&lt;br /&gt;
# 数学公式&lt;br /&gt;
## 重要公式单独一行，如下形式：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&lt;br /&gt;
    {{NumBlk|:|&lt;br /&gt;
    &amp;lt;math&amp;gt;&lt;br /&gt;
    &amp;lt;/math&amp;gt;&lt;br /&gt;
    |{{EquationRef|1}}}}&lt;br /&gt;
&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## 引用公式加序号（自动加编号调研）&lt;br /&gt;
## 公式符号变量要说明&lt;br /&gt;
# 图&lt;br /&gt;
## 保证图片清晰&lt;br /&gt;
## 图像排列（建议居左加框）&lt;br /&gt;
## 图下的文字需要说明&lt;br /&gt;
### 子图内容描述&lt;br /&gt;
### 图里的符号要说明（按照论文标准）&lt;br /&gt;
### 引用别人的图片需要加引用，参考如下格式：[[文件:词条示例2.png|缩略图]]&lt;br /&gt;
# 文献&lt;br /&gt;
## 关键概念、算法、公式、图的出处需要加文献引用&lt;br /&gt;
## 引用格式统一和标准化，其中，Ref name可以用人名+文献名称构成，参考下面的示例：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot;&amp;gt;{{cite journal|author1=Chvykov P|author2=Hoel E.|title=Causal Geometry|journal=Entropy|year=2021|volume=23|issue=1|page=24|url=https://doi.org/10.3390/e2}}&amp;lt;/ref&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## Tips: 标注参考文献时，可以同时打开多个页面进行操作，可以更加高效添加文献，如：需要在新的地方添加已有参考文献，格式如下&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot; /&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
# 词条引用&lt;br /&gt;
## 重要术语加引用&lt;br /&gt;
## 引用已有的相关词条需要加链接&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E6%96%87%E4%BB%B6:%E8%AF%8D%E6%9D%A1%E7%A4%BA%E4%BE%8B2.png&amp;diff=48581</id>
		<title>文件:词条示例2.png</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E6%96%87%E4%BB%B6:%E8%AF%8D%E6%9D%A1%E7%A4%BA%E4%BE%8B2.png&amp;diff=48581"/>
		<updated>2026-01-04T08:01:35Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;词条示例2&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48580</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48580"/>
		<updated>2026-01-04T07:58:15Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 百科词条标准 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分（具体的章节名称可以调整，但是要涵盖下列基本内容）：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
# 文字&lt;br /&gt;
##  术语前后统一（特别多人编辑时）&lt;br /&gt;
##  中英文符号规范&lt;br /&gt;
### Tips: 一般英文人名只用英文就可以不用翻译，重要人名可以翻译成中文并且加括号加上英文名：如，罗伯特·梅（Robert M. May）&lt;br /&gt;
##  段落清晰&lt;br /&gt;
### 可以多加子标题形成层级结构，子标题或者列表名等可以加粗&lt;br /&gt;
### 段落之间文字太拥挤时可以加空行&lt;br /&gt;
# 数学公式&lt;br /&gt;
## 重要公式单独一行，如下形式：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&lt;br /&gt;
    {{NumBlk|:|&lt;br /&gt;
    &amp;lt;math&amp;gt;&lt;br /&gt;
    &amp;lt;/math&amp;gt;&lt;br /&gt;
    |{{EquationRef|1}}}}&lt;br /&gt;
&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## 引用公式加序号（自动加编号调研）&lt;br /&gt;
## 公式符号变量要说明&lt;br /&gt;
# 图&lt;br /&gt;
## 保证图片清晰&lt;br /&gt;
## 图像排列（建议居左加框）&lt;br /&gt;
## 图下的文字需要说明&lt;br /&gt;
### 子图内容描述&lt;br /&gt;
### 图里的符号要说明（按照论文标准）&lt;br /&gt;
### 引用别人的图片需要加引用，参考如下格式：&lt;br /&gt;
[[文件:词条示例|缩略图]]&lt;br /&gt;
# 文献&lt;br /&gt;
## 关键概念、算法、公式、图的出处需要加文献引用&lt;br /&gt;
## 引用格式统一和标准化，其中，Ref name可以用人名+文献名称构成，参考下面的示例：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot;&amp;gt;{{cite journal|author1=Chvykov P|author2=Hoel E.|title=Causal Geometry|journal=Entropy|year=2021|volume=23|issue=1|page=24|url=https://doi.org/10.3390/e2}}&amp;lt;/ref&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## Tips: 标注参考文献时，可以同时打开多个页面进行操作，可以更加高效添加文献，如：需要在新的地方添加已有参考文献，格式如下&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot; /&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
# 词条引用&lt;br /&gt;
## 重要术语加引用&lt;br /&gt;
## 引用已有的相关词条需要加链接&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48579</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48579"/>
		<updated>2026-01-04T07:57:46Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 百科词条标准 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分（具体的章节名称可以调整，但是要涵盖下列基本内容）：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
# 文字&lt;br /&gt;
##  术语前后统一（特别多人编辑时）&lt;br /&gt;
##  中英文符号规范&lt;br /&gt;
### Tips: 一般英文人名只用英文就可以不用翻译，重要人名可以翻译成中文并且加括号加上英文名：如，罗伯特·梅（Robert M. May）&lt;br /&gt;
##  段落清晰&lt;br /&gt;
### 可以多加子标题形成层级结构，子标题或者列表名等可以加粗&lt;br /&gt;
### 段落之间文字太拥挤时可以加空行&lt;br /&gt;
# 数学公式&lt;br /&gt;
## 重要公式单独一行，如下形式：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&lt;br /&gt;
    {{NumBlk|:|&lt;br /&gt;
    &amp;lt;math&amp;gt;&lt;br /&gt;
    &amp;lt;/math&amp;gt;&lt;br /&gt;
    |{{EquationRef|1}}}}&lt;br /&gt;
&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## 引用公式加序号（自动加编号调研）&lt;br /&gt;
## 公式符号变量要说明&lt;br /&gt;
# 图&lt;br /&gt;
## 保证图片清晰&lt;br /&gt;
## 图像排列（建议居左加框）&lt;br /&gt;
## 图下的文字需要说明&lt;br /&gt;
### 子图内容描述&lt;br /&gt;
### 图里的符号要说明（按照论文标准）&lt;br /&gt;
### 引用别人的图片需要加引用，参考如下格式：[[文件:词条示例|缩略图]]&lt;br /&gt;
# 文献&lt;br /&gt;
## 关键概念、算法、公式、图的出处需要加文献引用&lt;br /&gt;
## 引用格式统一和标准化，其中，Ref name可以用人名+文献名称构成，参考下面的示例：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot;&amp;gt;{{cite journal|author1=Chvykov P|author2=Hoel E.|title=Causal Geometry|journal=Entropy|year=2021|volume=23|issue=1|page=24|url=https://doi.org/10.3390/e2}}&amp;lt;/ref&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## Tips: 标注参考文献时，可以同时打开多个页面进行操作，可以更加高效添加文献，如：需要在新的地方添加已有参考文献，格式如下&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot; /&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
# 词条引用&lt;br /&gt;
## 重要术语加引用&lt;br /&gt;
## 引用已有的相关词条需要加链接&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E6%96%87%E4%BB%B6:%E8%AF%8D%E6%9D%A1%E7%A4%BA%E4%BE%8B.png&amp;diff=48578</id>
		<title>文件:词条示例.png</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E6%96%87%E4%BB%B6:%E8%AF%8D%E6%9D%A1%E7%A4%BA%E4%BE%8B.png&amp;diff=48578"/>
		<updated>2026-01-04T07:56:53Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;词条示例&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48577</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48577"/>
		<updated>2026-01-04T07:52:56Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 百科词条标准 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分（具体的章节名称可以调整，但是要涵盖下列基本内容）：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
# 文字&lt;br /&gt;
##  术语前后统一（特别多人编辑时）&lt;br /&gt;
##  中英文符号规范&lt;br /&gt;
### Tips: 一般英文人名只用英文就可以不用翻译，重要人名可以翻译成中文并且加括号加上英文名：如，罗伯特·梅（Robert M. May）&lt;br /&gt;
##  段落清晰&lt;br /&gt;
### 可以多加子标题形成层级结构，子标题或者列表名等可以加粗&lt;br /&gt;
### 段落之间文字太拥挤时可以加空行&lt;br /&gt;
# 数学公式&lt;br /&gt;
## 重要公式单独一行，如下形式：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&lt;br /&gt;
    {{NumBlk|:|&lt;br /&gt;
    &amp;lt;math&amp;gt;&lt;br /&gt;
    &amp;lt;/math&amp;gt;&lt;br /&gt;
    |{{EquationRef|1}}}}&lt;br /&gt;
&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## 引用公式加序号（自动加编号调研）&lt;br /&gt;
## 公式符号变量要说明&lt;br /&gt;
# 图&lt;br /&gt;
## 保证图片清晰&lt;br /&gt;
## 图像排列（建议居左加框）&lt;br /&gt;
## 图下的文字需要说明&lt;br /&gt;
### 子图内容描述&lt;br /&gt;
### 图里的符号要说明（按照论文标准）&lt;br /&gt;
### 引用别人的图片需要加引用，参考如下格式：&lt;br /&gt;
# 文献&lt;br /&gt;
## 关键概念、算法、公式、图的出处需要加文献引用&lt;br /&gt;
## 引用格式统一和标准化，其中，Ref name可以用人名+文献名称构成，参考下面的示例：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot;&amp;gt;{{cite journal|author1=Chvykov P|author2=Hoel E.|title=Causal Geometry|journal=Entropy|year=2021|volume=23|issue=1|page=24|url=https://doi.org/10.3390/e2}}&amp;lt;/ref&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## Tips: 标注参考文献时，可以同时打开多个页面进行操作，可以更加高效添加文献，如：需要在新的地方添加已有参考文献，格式如下&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot; /&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
# 词条引用&lt;br /&gt;
## 重要术语加引用&lt;br /&gt;
## 引用已有的相关词条需要加链接&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48576</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48576"/>
		<updated>2026-01-04T07:51:56Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 百科词条标准 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分（具体的章节名称可以调整，但是要涵盖下列基本内容）：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
# 文字&lt;br /&gt;
##  术语前后统一（特别多人编辑时）&lt;br /&gt;
##  中英文符号规范&lt;br /&gt;
### Tips: 一般英文人名只用英文就可以不用翻译，重要人名可以翻译成中文并且加括号加上英文名：如，罗伯特·梅（Robert M. May）&lt;br /&gt;
##  段落清晰&lt;br /&gt;
### 可以多加子标题形成层级结构，子标题或者列表名等可以加粗&lt;br /&gt;
### 段落之间文字太拥挤时可以加空行&lt;br /&gt;
# 数学公式&lt;br /&gt;
## 重要公式单独一行，如下形式：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&lt;br /&gt;
    {{NumBlk|:|&lt;br /&gt;
    &amp;lt;math&amp;gt;&lt;br /&gt;
    &amp;lt;/math&amp;gt;&lt;br /&gt;
    |{{EquationRef|1}}}}&lt;br /&gt;
&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## 引用公式加序号（自动加编号调研）&lt;br /&gt;
## 公式符号变量要说明&lt;br /&gt;
# 图&lt;br /&gt;
## 保证图片清晰&lt;br /&gt;
## 图像排列（建议居左加框）&lt;br /&gt;
## 图下的文字需要说明&lt;br /&gt;
### 子图内容描述&lt;br /&gt;
### 图里的符号要说明（按照论文标准）&lt;br /&gt;
### 引用别人的图片需要加引用，参考如下格式：&lt;br /&gt;
# 文献&lt;br /&gt;
## 关键概念、算法、公式、图的出处需要加文献引用&lt;br /&gt;
## 引用格式统一和标准化，其中，Ref name可以用人名+文献名称构成，参考下面的示例：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot;&amp;gt;{{cite journal|author1=Chvykov P|author2=Hoel E.|title=Causal Geometry|journal=Entropy|year=2021|volume=23|issue=1|page=24|url=https://doi.org/10.3390/e2}}&amp;lt;/ref&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## Tips: 标注参考文献时，可以同时打开多个页面进行操作，可以更加高效添加文献，如：需要在新的地方添加已有参考文献，&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot; /&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
# 词条引用&lt;br /&gt;
## 重要术语加引用&lt;br /&gt;
## 引用已有的相关词条需要加链接&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48575</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48575"/>
		<updated>2026-01-04T07:49:14Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分（具体的章节名称可以调整，但是要涵盖下列基本内容）：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
# 文字&lt;br /&gt;
##  术语前后统一（特别多人编辑时）&lt;br /&gt;
##  中英文符号规范&lt;br /&gt;
### Tips: 一般英文人名只用英文就可以不用翻译，重要人名可以翻译成中文并且加括号加上英文名：如，罗伯特·梅（Robert M. May）&lt;br /&gt;
##  段落清晰&lt;br /&gt;
### 可以多加子标题形成层级结构，子标题或者列表名等可以加粗&lt;br /&gt;
### 段落之间文字太拥挤时可以加空行&lt;br /&gt;
# 数学公式&lt;br /&gt;
## 重要公式单独一行，如下形式：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&lt;br /&gt;
    {{NumBlk|:|&lt;br /&gt;
    &amp;lt;math&amp;gt;&lt;br /&gt;
    &amp;lt;/math&amp;gt;&lt;br /&gt;
    |{{EquationRef|1}}}}&lt;br /&gt;
&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## 引用公式加序号（自动加编号调研）&lt;br /&gt;
## 公式符号变量要说明&lt;br /&gt;
# 图&lt;br /&gt;
## 保证图片清晰&lt;br /&gt;
## 图像排列（建议居左加框）&lt;br /&gt;
## 图下的文字需要说明&lt;br /&gt;
### 子图内容描述&lt;br /&gt;
### 图里的符号要说明（按照论文标准）&lt;br /&gt;
### 引用别人的图片需要加引用，参考如下格式：&lt;br /&gt;
# 文献&lt;br /&gt;
## 关键概念、算法、公式、图的出处需要加文献引用&lt;br /&gt;
## 引用格式统一和标准化，其中，Ref name可以用人名+文献名称构成，参考下面的示例：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot;&amp;gt;{{cite journal|author1=Chvykov P|author2=Hoel E.|title=Causal Geometry|journal=Entropy|year=2021|volume=23|issue=1|page=24|url=https://doi.org/10.3390/e2}}&amp;lt;/ref&amp;gt;&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## Tips: 标注参考文献时，可以同时打开多个页面进行操作，可以更加高效添加文献，如：需要在新的地方添加已有参考文献，&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot; /&amp;gt;&lt;br /&gt;
# 词条引用&lt;br /&gt;
## 重要术语加引用&lt;br /&gt;
## 引用已有的相关词条需要加链接&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48574</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48574"/>
		<updated>2026-01-04T07:44:29Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 百科词条标准 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分（具体的章节名称可以调整，但是要涵盖下列基本内容）：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
# 文字&lt;br /&gt;
##  术语前后统一（特别多人编辑时）&lt;br /&gt;
##  中英文符号规范&lt;br /&gt;
### Tips: 一般英文人名只用英文就可以不用翻译，重要人名可以翻译成中文并且加括号加上英文名：如，罗伯特·梅（Robert M. May）&lt;br /&gt;
##  段落清晰&lt;br /&gt;
### 可以多加子标题形成层级结构，子标题或者列表名等可以加粗&lt;br /&gt;
### 段落之间文字太拥挤时可以加空行&lt;br /&gt;
# 数学公式&lt;br /&gt;
## 重要公式单独一行，如下形式：&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&lt;br /&gt;
    {{NumBlk|:|&lt;br /&gt;
    &amp;lt;math&amp;gt;&lt;br /&gt;
    &amp;lt;/math&amp;gt;&lt;br /&gt;
    |{{EquationRef|1}}}}&lt;br /&gt;
&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## 引用公式加序号（自动加编号调研）&lt;br /&gt;
## 公式符号变量要说明&lt;br /&gt;
# 图&lt;br /&gt;
## 保证图片清晰&lt;br /&gt;
## 图像排列（建议居左加框）&lt;br /&gt;
## 图下的文字需要说明&lt;br /&gt;
### 子图内容描述&lt;br /&gt;
### 图里的符号要说明（按照论文标准）&lt;br /&gt;
### 引用别人的图片需要加引用，参考如下格式：&lt;br /&gt;
# 文献&lt;br /&gt;
## 关键概念、算法、公式、图的出处需要加文献引用&lt;br /&gt;
## 引用格式统一和标准化，其中，Ref name可以用人名+文献名称构成，参考下面的示例：&lt;br /&gt;
&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot;&amp;gt;{{cite journal|author1=Chvykov P|author2=Hoel E.|title=Causal Geometry|journal=Entropy|year=2021|volume=23|issue=1|page=24|url=https://doi.org/10.3390/e2}}&amp;lt;/ref&amp;gt;&lt;br /&gt;
## Tips: 标注参考文献时，可以同时打开多个页面进行操作，可以更加高效添加文献，如：需要在新的地方添加已有参考文献，&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot; /&amp;gt;&lt;br /&gt;
# 词条引用&lt;br /&gt;
## 重要术语加引用&lt;br /&gt;
## 引用已有的相关词条需要加链接&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48573</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48573"/>
		<updated>2026-01-04T07:41:15Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 百科词条标准 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分（具体的章节名称可以调整，但是要涵盖下列基本内容）：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
# 文字&lt;br /&gt;
##  术语前后统一（特别多人编辑时）&lt;br /&gt;
##  中英文符号规范&lt;br /&gt;
### Tips: 一般英文人名只用英文就可以不用翻译，重要人名可以翻译成中文并且加括号加上英文名：如，罗伯特·梅（Robert M. May）&lt;br /&gt;
##  段落清晰&lt;br /&gt;
### 可以多加子标题形成层级结构，子标题或者列表名等可以加粗&lt;br /&gt;
### 段落之间文字太拥挤时可以加空行&lt;br /&gt;
# 数学公式&lt;br /&gt;
## 重要公式单独一行，如下形式：&lt;br /&gt;
python:&amp;lt;syntaxhighlight lang=&amp;quot;python3&amp;quot;&amp;gt;&lt;br /&gt;
    {{NumBlk|:|&lt;br /&gt;
    &amp;lt;math&amp;gt;&lt;br /&gt;
    &amp;lt;/math&amp;gt;&lt;br /&gt;
    |{{EquationRef|1}}}}&lt;br /&gt;
&amp;lt;/syntaxhighlight&amp;gt;&lt;br /&gt;
## 引用公式加序号（自动加编号调研）&lt;br /&gt;
## 公式符号变量要说明&lt;br /&gt;
# 图&lt;br /&gt;
## 保证图片清晰&lt;br /&gt;
## 图像排列（建议居左加框）&lt;br /&gt;
## 图下的文字需要说明&lt;br /&gt;
### 子图内容描述&lt;br /&gt;
### 图里的符号要说明（按照论文标准）&lt;br /&gt;
### 引用别人的图片需要加引用，参考如下格式：&lt;br /&gt;
# 文献&lt;br /&gt;
## 关键概念、算法、公式、图的出处需要加文献引用&lt;br /&gt;
## 引用格式统一和标准化，其中，Ref name可以用人名+文献名称构成，参考下面的示例：&lt;br /&gt;
  &amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot;&amp;gt;{{cite journal|author1=Chvykov P|author2=Hoel E.|title=Causal Geometry|journal=Entropy|year=2021|volume=23|issue=1|page=24|url=https://doi.org/10.3390/e2}}&amp;lt;/ref&amp;gt;&lt;br /&gt;
## Tips: 标注参考文献时，可以同时打开多个页面进行操作，可以更加高效添加文献，如：需要在新的地方添加已有参考文献，&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot; /&amp;gt;&lt;br /&gt;
# 词条引用&lt;br /&gt;
## 重要术语加引用&lt;br /&gt;
## 引用已有的相关词条需要加链接&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48572</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48572"/>
		<updated>2026-01-04T07:36:49Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 百科词条标准 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分（具体的章节名称可以调整，但是要涵盖下列基本内容）：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
# 文字&lt;br /&gt;
##  术语前后统一（特别多人编辑时）&lt;br /&gt;
##  中英文符号规范&lt;br /&gt;
### Tips: 一般英文人名只用英文就可以不用翻译，重要人名可以翻译成中文并且加括号加上英文名：如，罗伯特·梅（Robert M. May）&lt;br /&gt;
##  段落清晰&lt;br /&gt;
### 可以多加子标题形成层级结构，子标题或者列表名等可以加粗&lt;br /&gt;
### 段落之间文字太拥挤时可以加空行&lt;br /&gt;
# 数学公式&lt;br /&gt;
## 重要公式单独一行，如下形式：&lt;br /&gt;
    {{NumBlk|:|&lt;br /&gt;
    &amp;lt;math&amp;gt;&lt;br /&gt;
    &amp;lt;/math&amp;gt;&lt;br /&gt;
    |{{EquationRef|1}}}}&lt;br /&gt;
## 引用公式加序号（自动加编号调研）&lt;br /&gt;
## 公式符号变量要说明&lt;br /&gt;
# 图&lt;br /&gt;
## 保证图片清晰&lt;br /&gt;
## 图像排列（建议居左加框）&lt;br /&gt;
## 图下的文字需要说明&lt;br /&gt;
### 子图内容描述&lt;br /&gt;
### 图里的符号要说明（按照论文标准）&lt;br /&gt;
### 引用别人的图片需要加引用，参考如下格式：&lt;br /&gt;
# 文献&lt;br /&gt;
## 关键概念、算法、公式、图的出处需要加文献引用&lt;br /&gt;
## 引用格式统一和标准化，其中，Ref name可以用人名+文献名称构成，参考下面的示例：&lt;br /&gt;
  &amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot;&amp;gt;{{cite journal|author1=Chvykov P|author2=Hoel E.|title=Causal Geometry|journal=Entropy|year=2021|volume=23|issue=1|page=24|url=https://doi.org/10.3390/e2}}&amp;lt;/ref&amp;gt;&lt;br /&gt;
## Tips: 标注参考文献时，可以同时打开多个页面进行操作，可以更加高效添加文献，如：需要在新的地方添加已有参考文献，&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot; /&amp;gt;&lt;br /&gt;
# 词条引用&lt;br /&gt;
## 重要术语加引用&lt;br /&gt;
## 引用已有的相关词条需要加链接&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48571</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48571"/>
		<updated>2026-01-04T07:35:44Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 百科词条标准 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分（具体的章节名称可以调整，但是要涵盖下列基本内容）：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
&lt;br /&gt;
# 文字&lt;br /&gt;
##  术语前后统一（特别多人编辑时）&lt;br /&gt;
##  中英文符号规范&lt;br /&gt;
### Tips: 一般英文人名只用英文就可以不用翻译，重要人名可以翻译成中文并且加括号加上英文名：如，罗伯特·梅（Robert M. May）&lt;br /&gt;
##  段落清晰&lt;br /&gt;
### 可以多加子标题形成层级结构，子标题或者列表名等可以加粗&lt;br /&gt;
### 段落之间文字太拥挤时可以加空行&lt;br /&gt;
# 数学公式&lt;br /&gt;
## 重要公式单独一行，如下形式：&lt;br /&gt;
    {{NumBlk|:|&lt;br /&gt;
    &amp;lt;math&amp;gt;&lt;br /&gt;
    &amp;lt;/math&amp;gt;&lt;br /&gt;
    |{{EquationRef|1}}}}&lt;br /&gt;
## 引用公式加序号（自动加编号调研）&lt;br /&gt;
## 公式符号变量要说明&lt;br /&gt;
# 图&lt;br /&gt;
## 保证图片清晰&lt;br /&gt;
## 图像排列（建议居左加框）&lt;br /&gt;
## 图下的文字需要说明&lt;br /&gt;
### 子图内容描述&lt;br /&gt;
### 图里的符号要说明（按照论文标准）&lt;br /&gt;
### 引用别人的图片需要加引用，参考如下格式：&lt;br /&gt;
&lt;br /&gt;
# 文献&lt;br /&gt;
## 关键概念、算法、公式、图的出处需要加文献引用&lt;br /&gt;
## 引用格式统一和标准化，其中，Ref name可以用人名+文献名称构成，参考下面的示例：&lt;br /&gt;
  &amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot;&amp;gt;{{cite journal|author1=Chvykov P|author2=Hoel E.|title=Causal Geometry|journal=Entropy|year=2021|volume=23|issue=1|page=24|url=https://doi.org/10.3390/e2}}&amp;lt;/ref&amp;gt;&lt;br /&gt;
## Tips: 标注参考文献时，可以同时打开多个页面进行操作，可以更加高效添加文献，如：需要在新的地方添加已有参考文献，&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot; /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
# 词条引用&lt;br /&gt;
## 重要术语加引用&lt;br /&gt;
## 引用已有的相关词条需要加链接&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48570</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48570"/>
		<updated>2026-01-04T07:34:32Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 百科词条标准 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
具体的章节名称可以调整，但是要涵盖上述基本内容&lt;br /&gt;
# 文字&lt;br /&gt;
##  术语前后统一（特别多人编辑时）&lt;br /&gt;
##  中英文符号规范&lt;br /&gt;
### Tips: 一般英文人名只用英文就可以不用翻译，重要人名可以翻译成中文并且加括号加上英文名：如，罗伯特·梅（Robert M. May）&lt;br /&gt;
##  段落清晰&lt;br /&gt;
### 可以多加子标题形成层级结构，子标题或者列表名等可以加粗&lt;br /&gt;
### 段落之间文字太拥挤时可以加空行&lt;br /&gt;
# 数学公式&lt;br /&gt;
## 重要公式单独一行，如下形式：&lt;br /&gt;
    {{NumBlk|:|&lt;br /&gt;
    &amp;lt;math&amp;gt;&lt;br /&gt;
    &amp;lt;/math&amp;gt;&lt;br /&gt;
    |{{EquationRef|1}}}}&lt;br /&gt;
## 引用公式加序号（自动加编号调研）&lt;br /&gt;
## 公式符号变量要说明&lt;br /&gt;
# 图&lt;br /&gt;
## 保证图片清晰&lt;br /&gt;
## 图像排列（建议居左加框）&lt;br /&gt;
## 图下的文字需要说明&lt;br /&gt;
### 子图内容描述&lt;br /&gt;
### 图里的符号要说明（按照论文标准）&lt;br /&gt;
### 引用别人的图片需要加引用，参考如下格式：&lt;br /&gt;
&lt;br /&gt;
# 文献&lt;br /&gt;
## 关键概念、算法、公式、图的出处需要加文献引用&lt;br /&gt;
## 引用格式统一和标准化，其中，Ref name可以用人名+文献名称构成，参考下面的示例：&lt;br /&gt;
  &amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot;&amp;gt;{{cite journal|author1=Chvykov P|author2=Hoel E.|title=Causal Geometry|journal=Entropy|year=2021|volume=23|issue=1|page=24|url=https://doi.org/10.3390/e2}}&amp;lt;/ref&amp;gt;&lt;br /&gt;
## Tips: 标注参考文献时，可以同时打开多个页面进行操作，可以更加高效添加文献，如：需要在新的地方添加已有参考文献，&amp;lt;ref name=&amp;quot;Chvykov_causal_geometry&amp;quot; /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
# 词条引用&lt;br /&gt;
## 重要术语加引用&lt;br /&gt;
## 引用已有的相关词条需要加链接&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48569</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48569"/>
		<updated>2026-01-04T07:29:30Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 百科词条标准 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分：&lt;br /&gt;
### 历史渊源&lt;br /&gt;
### 简介&lt;br /&gt;
### 主要内容&lt;br /&gt;
### 应用/实例&lt;br /&gt;
### 参考文献&lt;br /&gt;
### 署名&lt;br /&gt;
    具体的章节名称可以调整，但是要涵盖上述基本内容&lt;br /&gt;
# 文字&lt;br /&gt;
# 数学公式&lt;br /&gt;
# 图&lt;br /&gt;
# 文献&lt;br /&gt;
# 词条引用&lt;br /&gt;
&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
	<entry>
		<id>https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48568</id>
		<title>集智百科参与方式</title>
		<link rel="alternate" type="text/html" href="https://wiki.swarma.org/index.php?title=%E9%9B%86%E6%99%BA%E7%99%BE%E7%A7%91%E5%8F%82%E4%B8%8E%E6%96%B9%E5%BC%8F&amp;diff=48568"/>
		<updated>2026-01-04T07:27:47Z</updated>

		<summary type="html">&lt;p&gt;王志鹏：/* 百科词条标准 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&amp;lt;div id=&amp;quot;mp-topbanner&amp;quot; style=&amp;quot;clear:both; position:relative; box-sizing:border-box; width:100%; border:0px solid #ddd; background-color:#F4F6F9; color:black &amp;quot;&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div style=&amp;quot;margin:0em; width:100%; text-align:center;&amp;quot;&amp;gt;&lt;br /&gt;
&amp;lt;div style=&amp;quot;font-size:162%; padding:.1em;text-align:center&amp;quot;&amp;gt;&amp;lt;big&amp;gt;'''欢迎来到集智百科！'''&amp;lt;/big&amp;gt;&amp;lt;/div&amp;gt;&amp;lt;div style=&amp;quot;font-size:100%;text-align:center&amp;quot;&amp;gt;''集智百科是复杂性科学领域科学、全面、客观的百科全书''&amp;lt;/div&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== 集智百科的意义 ==&lt;br /&gt;
做集智百科具有多方面的深远意义，它不仅是一个知识的汇集地，更是一个促进学术交流、推动学科发展、凝聚集体智慧的平台。&lt;br /&gt;
&lt;br /&gt;
=== 一、系统化知识沉淀与共享 ===&lt;br /&gt;
集智百科的核心目标是“做复杂性科学领域科学、全面、客观的百科全书”。这意味着它致力于将复杂性科学这一跨学科领域（涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等）的知识进行系统化、结构化的整理和沉淀。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供权威知识库：通过众包生产模式，吸引海内外知名高校的学生、教授以及各行各业的科学词条爱好者共同参与，确保词条的科学性、专业性和准确性【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这为学习者和研究者提供了一个可靠的资源库，方便他们快速获取和查阅相关知识。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补知识空白：复杂性科学涉及众多前沿且晦涩的概念，集智百科通过将这些概念用易懂的语言进行阐释，帮助入门者跨越专业门槛，填补了中文世界在这一领域高质量基础资料的空白。例如，已完成的词条包括无标度网络、复杂网络的双曲几何模型、蚁群优化算法、贝叶斯网络、递归、鲍德温效应、复杂性经济学等【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23565&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条6条速览：蚁群优化算法、贝叶斯网络、自指…… - 集智俱乐部 - swarma.org】【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=23045&amp;lt;/nowiki&amp;gt;&amp;gt;百科词条3条速览：递归、鲍德温效应、复杂性经济学…… - 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
=== 二、促进学习、交流与学科发展 ===&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升学习效率：通过提供最科学、专业、准确的知识，集智百科帮助用户快速了解某一知识概念，从而提高学习效率。志愿者在参与翻译和审校过程中，也显著提升了自身的英语阅读和翻译能力，并对相关领域有了初步了解，甚至跨越了专业门槛【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   激发跨学科交流：复杂性科学的跨学科特性决定了其需要不同专业背景的人共同参与。集智百科作为一个共同的知识基础，能够促进不同学科背景的学者和爱好者之间的交流与合作，从而“涌现集体智慧”【&amp;lt;nowiki&amp;gt;https://pattern.swarma.org/about_us&amp;lt;/nowiki&amp;gt;&amp;gt;关于我们 - 集智斑图】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动学科前沿探索：通过系统梳理和呈现复杂性科学领域的知识和前沿进展，集智百科有助于更多人了解并投身于该领域的研究，间接推动学科的持续发展和创新。&lt;br /&gt;
&lt;br /&gt;
=== 三、凝聚集体智慧与构建独特学术生态 ===&lt;br /&gt;
“集智”一词本身就包含了“集体智慧”（Collective Intelligence）的含义，它是一种“从许多个体的合作与竞争中涌现出来的”共享智能。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   众包生产模式：集智百科的生产模式是典型的“众包生产”，依靠社区的力量，吸引对知识本身、知识分享、知识整理感兴趣的朋友一同完成这项“万古长青的事业”【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。这种模式使得知识的生产不再局限于少数专家，而是通过广泛的协作，汇聚了来自清华大学、北京大学、北京师范大学等国内外知名高校的成员的智慧【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=22274&amp;lt;/nowiki&amp;gt;&amp;gt;集智百科团队这一周都干了啥？ | 11.23-11.30 | 集智俱乐部 - swarma.org】。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   打造“自由学术探索”的小生境：集智俱乐部（集智百科是其一部分）被描述为一个“与世无争的‘自由学术探索’的小生境”，旨在承载科技创新梦想，为中国未来的原创生态注入希望【&amp;lt;nowiki&amp;gt;https://swarma.org/?p=43492&amp;lt;/nowiki&amp;gt;&amp;gt;中国有“集智俱乐部” - swarma.org】。它为那些追求纯粹学术探索、不被外部功利因素干扰的科研工作者提供了一个精神家园和知识工具。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   培养严谨的学术态度：在集智百科的生产流程中，从词源、翻译、审校、编辑到专家审校，每一步都强调内容的完整性、语句的通顺性、专业名词的准确性，并追求“信、达、雅”的翻译标准。这种严谨的流程不仅保证了百科的质量，也培养了参与者的学术素养和责任感。&lt;br /&gt;
&lt;br /&gt;
=== 四、赋能人工智能大模型发展 ===&lt;br /&gt;
在当前人工智能大模型蓬勃发展的时代，高质量的训练语料库是其能力提升的关键要素。集智百科在这一方面也展现出其独特的价值和潜力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   弥补高质量中文语料短缺：当前，全球大模型发展普遍面临数据匮乏的问题，尤其是高质量中文语料资源短缺，这在一定程度上限制了我国人工智能技术的发展和创新应用【[https://m.bjnews.com.cn/detail/1710142219169246.html 破解大模型中文语料不足问题，并非毫无办法｜新京报专栏]】【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。例如，ChatGPT的训练数据中，中文语料比重不足千分之一，而英文语料占比超过92.6%【[https://news.sciencenet.cn/htmlnews/2024/3/518781.shtm 周源委员：高质量中文语料数据短缺掣肘AI发展 - 新闻- 科学网]】。集智百科作为严谨、专业的知识平台，其内容经过严格的科学性、专业性和准确性审查，能够为大模型提供稀缺且可靠的中文语料。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提供高价值专业知识：大模型最大的语料库目前主要来自于用户生成内容（UGC），但“更为严谨的并获得反复验证的百科全书式知识信息，才是大模型最为可靠的语料库”。集智百科专注于复杂性科学这一前沿且专业的领域，其系统化、结构化的知识内容，如无标度网络、大语言模型的涌现等词条【[[大语言模型的涌现]]｜集智百科】，具有极高的专业性和权威性。这些高质量语料能够帮助大模型更好地理解和生成复杂性科学相关的专业内容，提升其在特定领域的知识广度和深度。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   提升模型性能与鲁棒性：相关研究指出，“未来一个模型的好坏，20%由算法决定，80%由数据质量决定。接下来高质量的数据将是提升模型性能的关键”【[https://www.rmlt.com.cn/2024/0723/708072.shtml 加快建设人工智能大模型中文训练数据语料库 - 人民论坛]】。集智百科所提供的语料具备多样性、真实性、连贯性、无偏见等高质量语料的七大特征【[http://www.news.cn/tech/20240115/b9162aed4c3542f880d33556d20c2361/c.html 大模型发展亟需高质量“教材”相伴 - 新华网]】，能够有效提升大模型的准确性和稳定性，降低模型对特定数据集的依赖，从而增强其鲁棒性和泛化能力。&lt;br /&gt;
&lt;br /&gt;
&amp;lt;nowiki&amp;gt;*&amp;lt;/nowiki&amp;gt;   推动中文大模型发展：通过为中文大模型提供高质量、专业化的训练数据，集智百科不仅有助于解决当前中文语料的“数据荒”问题【[https://news.qq.com/rain/a/20240103A05GZ800 谷歌大模型]一出闹剧揭开中文数据荒 - QQ News】，更能推动中文大模型在科学研究、专业领域应用等方面的进步，使其在国际AI竞争中更具优势。&lt;br /&gt;
&lt;br /&gt;
综上所述，集智百科的意义在于构建一个高质量、开放的复杂性科学知识平台，通过众包模式凝聚集体智慧，服务于知识的系统化沉淀、学习交流、学科发展，并为追求自由学术探索的学者和爱好者提供一个独特的学术环境，最终推动中国在复杂性科学领域的原创性贡献，并为人工智能大模型提供宝贵的高质量中文语料支持。&lt;br /&gt;
&lt;br /&gt;
===如何表示科学？===&lt;br /&gt;
#内容客观，所有来源注明出处。&lt;br /&gt;
#充分佐证并且注明资料来源，这些资料不会只是某个作者自己冷僻的见解，而会是在该领域中被视为标准并且最常引用的。&lt;br /&gt;
#反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准。&lt;br /&gt;
===如何表示全面？===&lt;br /&gt;
#参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
===如何表示客观？===&lt;br /&gt;
#翻译过程中应多用陈述性的语句，表述事实，而不是情绪性的、修饰性的语句。&lt;br /&gt;
#完全中立、没有偏颇。&lt;br /&gt;
&lt;br /&gt;
理想情况是针对一个词条，先汇集资料信息，并针对必要的问题，对资料信息进行翻译、整理，回答问题。&lt;br /&gt;
*汇集信息的主要来源：wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。&lt;br /&gt;
*翻译的主要工具是：人工翻译整理为主，机器翻译为辅。&lt;br /&gt;
*必要问题：针对不同词条的类别，都有一些基本、必须涵盖的信息去回答。每个词条都应该涵盖这些基本信息。也可以在此基础上进行扩展。&lt;br /&gt;
==集智俱乐部发展时间轴==&lt;br /&gt;
*2013年，集智俱乐部张江发现没有一个可以让大家协作生产内容的平台（石墨还未出现），于是让集智俱乐部核心成员袁行远搭建了第一版的集智百科。&lt;br /&gt;
*2013-2015年期间，以袁行远、吴令飞、张江等核心集智俱乐部成员为首，在集智百科上贡献了许多知识性的词条内容，包括[[摄像机-电视自指系统]]、[[混沌的边缘]]、[[复杂网络的双曲几何模型]]等等。&lt;br /&gt;
*2018年6月-2018年10月期间，集智俱乐部志愿者王婷曾经组织一批志愿者，希望可以对复杂性科学领域的知识进行梳理，但是没有成功。期间有很多志愿者如靠倒立解气、高飞、Sherimon、Xhtinhunter、Iceblaze9527等参与内容生产工作，产生了一些优秀的知识性词条：[[幂律分布]]、[[小世界网络]]、[[无标度网络]]等。&lt;br /&gt;
&lt;br /&gt;
*2019年11月-2020年3月，集智俱乐部再次组织志愿者生产复杂性科学领域的知识内容，希望可以打造复杂性科学领域最全面、科学、客观的百科全书。&lt;br /&gt;
&lt;br /&gt;
*2020年3月，由于旧版的[http://wiki.swarma.net/index.php/%E9%A6%96%E9%A1%B5 集智百科]编辑器和备案的问题，集智学园工程师林嘉琦重新搭建了现在最新的集智百科平台。&lt;br /&gt;
*2020年5月，为了提高生产效率，集智志愿者侯月源实现了彩云小译的初步翻译过程。具体操作即给出词条list，通过爬虫，爬取对应的英文wiki页面，通过对页面进行格式调整后，给彩云小译得到初步翻译的结果。大大提高翻译的效率。&lt;br /&gt;
*2024年，张江立志继续把生产词条做为重要的任务，并由[[张倩]]设计规则，由[[王志鹏]]担任管理，开始通过[[集智社区游戏化晋级模式|游戏化机制]]从集智读书会社群中筛选了一批优秀的百科志愿者，完成了一系列精品词条：[[因果涌现]]、[[有效信息]]&lt;br /&gt;
== 集智百科项目分工 ==&lt;br /&gt;
集智百科的生产依然采用集智俱乐部传统且高效的模式：'''众包生产'''。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。&lt;br /&gt;
&lt;br /&gt;
目前集智百科项目分只有一种参与方式：通过[[集智社区游戏化晋级模式|社区游戏化]]晋级，先通过字幕志愿者任务晋升到百科志愿者。&lt;br /&gt;
[[文件:科研晋升图.png|缩略图]]&lt;br /&gt;
&lt;br /&gt;
'''其他激励'''&lt;br /&gt;
&lt;br /&gt;
:* 积分。积分可以用于在集智平台上购买或者消费，其中包括：集智学园、集智斑图、以及[[集智俱乐部周边]]等。(详细积分奖励及兑换制度见下表)&lt;br /&gt;
:* 为深度参与的同学颁发志愿者勋章、荣誉证书和相关实习证明。&lt;br /&gt;
:* 晋升科研志愿者参与与张江科研组。&lt;br /&gt;
== 一个词条的诞生 ==&lt;br /&gt;
一个词条的完善会经历主要四个环节：&lt;br /&gt;
&lt;br /&gt;
# 建立词条（由老师或同学提出生产该条目的需求）&lt;br /&gt;
# 机器搬运（由集智百科嵌入的机器翻译助手彩云小译进行百科词条的生成以及搬运，搬运来源目前只支持英文[[wikipedia:Main_Page|Wikipedia]]）&lt;br /&gt;
# 翻译校对（由志愿者校对翻译内容的中文通顺性，需要对已经初步翻译过的稿件进行再修改、润色）&lt;br /&gt;
# 专家审核（由老师专家审核词条的专业性，保证内容科学全面客观）&lt;br /&gt;
&lt;br /&gt;
* 我们希望词条的初步生产经历过以上四个环节可以形成一个由老师、志愿者提出，到质量审核保证的生产闭环。&lt;br /&gt;
* 所有的条目均由每个人自发提出的，其编辑过程有业界专家审核纠正。&lt;br /&gt;
* 词条的完善不是一蹴而就的，而是由所有百科社区成员不断维护完成的。&lt;br /&gt;
* 我们鼓励参与者积极对条目的内容进行深度的探讨及辩论，为其内容增添更多的可能性。&lt;br /&gt;
&lt;br /&gt;
[[文件:一个词条的诞生.png|居中|无框|800x800像素]]&lt;br /&gt;
&lt;br /&gt;
== 参与百科 ==&lt;br /&gt;
完成集智读书会的字幕修正与审校，即可进入百科词条团队&lt;br /&gt;
* 若您想要了解更详细的步骤，建议阅读[[如何上手集智百科]]词条，这是一个为新手打造的编写指引。更加规范性案例请查阅[[编辑案例]]。&lt;br /&gt;
==生产进展==&lt;br /&gt;
&lt;br /&gt;
词条生产过程包括5个阶段：预备期、初级期、中级期、审核期以及完成期&lt;br /&gt;
* 预备期：志愿者认领词条，志愿者、词条负责人以及张江老师会一起制定词条大纲&lt;br /&gt;
* 初级期：志愿者需要根据制定的大纲结合具体的文献，初步翻译整合资料填写到词条对应的位置&lt;br /&gt;
* 中级期：进一步梳理初级期完成的词条，做到内容完整、格式、语法正确&lt;br /&gt;
* 审核期：词条负责人会进行初步的审核，排除格式、语法以及逻辑等问题，初步校验后张江老师会再次进行系统性的校验，保证词条的质量&lt;br /&gt;
* 完成期：需要在集智俱乐部公众号上发布&lt;br /&gt;
&lt;br /&gt;
=== 预备期 ===&lt;br /&gt;
&lt;br /&gt;
=== 初级期 ===&lt;br /&gt;
&lt;br /&gt;
# [[部分信息分解]]                                       完成人：[[王亦理]]、[[王盛嘉]]、[[蓝梓杰]]、[[吕奥博]]&lt;br /&gt;
&lt;br /&gt;
# [[整合信息论]]                                            完成人：[[郑鸿盛]]、[[郑源]]、[[董宇凡]]、[[赵思语]]、[[杨明哲]]&lt;br /&gt;
&lt;br /&gt;
=== 中级期 ===&lt;br /&gt;
# [[神经网络的有效信息计算]]                 完成人：[[郑鸿盛]]、[[徐然]]、[[王志鹏]]&lt;br /&gt;
# [[复杂网络重整化]]                                   完成人：[[郑鸿盛]]&lt;br /&gt;
&lt;br /&gt;
=== 审核期 ===&lt;br /&gt;
&lt;br /&gt;
# [[Koopman理论]]                                       完成人：[[黄芸]]、[[潘琳莉]]、[[杨明哲]]&lt;br /&gt;
# [[一维动力学]]                                       完成人：[[何瑞杰]]、[[夏沛雯]]、[[王志鹏]]&lt;br /&gt;
# [[逻辑斯谛方程]]                                       完成人：[[陈力]]、[[王志鹏]]&lt;br /&gt;
# [[神经网络中的顿悟]]                                       完成人：[[陶柯霏]]、[[王志鹏]]&lt;br /&gt;
# [[马尔科夫链的粗粒化]]                          完成人：[[梁京昊]]、[[徐映妮]]&lt;br /&gt;
# [[规模法则]]                                                完成人：[[陶舟横]]、[[冉天枢]]、[[陶如意]]、[[刘凯威]]&lt;br /&gt;
&lt;br /&gt;
=== 完成期 ===&lt;br /&gt;
{{div col|colwidth=25em}}&lt;br /&gt;
# [[因果涌现]]                                                 完成人：[[王志鹏]]&lt;br /&gt;
# [[基于有效信息的因果涌现理论]] 完成人：[[彭晨]]&lt;br /&gt;
# [[基于信息分解的因果涌现理论]] 完成人：[[吕奥博]]&lt;br /&gt;
# [[基于可逆性的因果涌现理论]] 完成人：[[龚铭康]]、[[刘凯威]]&lt;br /&gt;
# [[Causal Emergence]] 完成人：[[冉天枢]]&lt;br /&gt;
# [[有效信息]] 完成人：[[张江]]&lt;br /&gt;
# [[Effective Information]] 完成人：[[李梓嫣]]&lt;br /&gt;
# [[马尔科夫链]] 完成人：[[杨卓然]]、[[张代健]]&lt;br /&gt;
# [[马尔科夫链的成块性]] 完成人：[[梁京昊]]&lt;br /&gt;
# [[因果效应度量]] 完成人：[[刘易明]]&lt;br /&gt;
# [[复杂网络中的因果涌现]] 完成人：[[王志鹏]]&lt;br /&gt;
# [[奇异值分解（SVD）]] 完成人：[[刘宇康]]&lt;br /&gt;
# [[NIS]] 完成人：[[刘佳睿]]&lt;br /&gt;
# [[NIS+]] 完成人：[[潘琳莉]]&lt;br /&gt;
# [[计算力学]] 完成人：[[刘易明]]&lt;br /&gt;
# [[基于格兰杰因果量化涌现]] 完成人：[[许世鹏]]&lt;br /&gt;
# [[大语言模型的涌现]] 完成人：[[范卓仪]]、[[梁金]]、[[徐然]]、[[杨明哲]]&lt;br /&gt;
# [[Word2Vec]] 完成人：[[苏一铭]]、[[杨锦浩]]&lt;br /&gt;
# [[Deep Q Network]] 完成人：[[邹佳玮]]、[[罗福海]]&lt;br /&gt;
# [[Dreamer]] 完成人：[[潘琳莉]]、[[程嘉]]&lt;br /&gt;
# [[RWKV模型]] 完成人：[[王熙霖]]、[[宋鹏举]]&lt;br /&gt;
# [[DeepSeek-R1]]  完成人：[[朱瑞琪]]、[[宁定扬]]、[[冉天枢]]、[[范卓仪]]、[[潘琳莉]]、[[袁冰]]、[[王志鹏]]&lt;br /&gt;
{{div col end}}&lt;br /&gt;
&lt;br /&gt;
=== 淘汰机制 ===&lt;br /&gt;
&lt;br /&gt;
淘汰：出现下面五种中的任意一种情况视为一次警告，出现两次警告则劝退&lt;br /&gt;
&lt;br /&gt;
五种情况：&lt;br /&gt;
# 不参加每周组会讨论 （请假除外）&lt;br /&gt;
# 一周没有进展（特殊情况除外）&lt;br /&gt;
# 反馈的意见不改（如果有自己的理解可以一起交流）&lt;br /&gt;
# 初级任务两周未完成（特别复杂的词条除外）&lt;br /&gt;
# 中级任务一个月未完成（特别复杂的词条除外、修改反馈除外）&lt;br /&gt;
&lt;br /&gt;
注：特别复杂的词条指的是不局限于1-2篇参考文献，需要参考超过3篇文章或一本书等，是一个综述性的知识点，如[[因果涌现]]、[[规模法则]]词条等。&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== 百科平台底层维护人员招募 ===&lt;br /&gt;
工作职责：&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的业务运维工作（e.g. 权限管理，账户管理，故障排查）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的用户体验持续提升解决方案的设计和落地（e.g. 词条编辑器体验优化，系统升级）&lt;br /&gt;
&lt;br /&gt;
•负责集智百科的服务连续性解决方案设计和落地(e.g. 容灾、监控、备份与恢复）&lt;br /&gt;
&lt;br /&gt;
•负责核心系统的代码编写、系统优化以及技术架构持续改进&lt;br /&gt;
&lt;br /&gt;
•参与开发和运维规范制定，编写相关技术文档&lt;br /&gt;
&lt;br /&gt;
你可以获得：&lt;br /&gt;
&lt;br /&gt;
•投身于构建良好的学术交流氛围，改善国内科研环境，进而促进国家科技革新的伟大事业中&lt;br /&gt;
&lt;br /&gt;
•享受集智俱乐部VIP待遇(参与一年期的维护工作)&lt;br /&gt;
&lt;br /&gt;
•以练促学，践行行业最佳实践（IT行业&amp;gt;9年经验的前辈带）&lt;br /&gt;
&lt;br /&gt;
期望：&lt;br /&gt;
&lt;br /&gt;
•能投入一定的时间和精力参与系统维护或组内讨论（&amp;gt;每周1小时）&lt;br /&gt;
&lt;br /&gt;
•能积极主动地深入学习系统研发与运维相关知识&lt;br /&gt;
&lt;br /&gt;
•有一定的软件研发、运维实践经验（不论技术栈）&lt;br /&gt;
&lt;br /&gt;
•Nice to have: 有以下技术实践经验：PHP, Docker, MediaWiki, 阿里云&lt;br /&gt;
&lt;br /&gt;
==百科词条标准==&lt;br /&gt;
&lt;br /&gt;
# 词条的框架结构 &lt;br /&gt;
## 章节重点突出&lt;br /&gt;
## 各个章节文字均衡&lt;br /&gt;
## 一般词条包含如下几个部分：&lt;br /&gt;
# 文字&lt;br /&gt;
# 数学公式&lt;br /&gt;
# 图&lt;br /&gt;
# 文献&lt;br /&gt;
# 词条引用&lt;br /&gt;
&lt;br /&gt;
[[Category:集智相关]]&lt;/div&gt;</summary>
		<author><name>王志鹏</name></author>
	</entry>
</feed>