术语从定义进入关系。

若物体 A 对物体 B 的相互作用力为 $\boldsymbol F_{A\to B}$ ，则在经典瞬时相互作用模型中 $\boldsymbol F_{A\to B}=-\boldsymbol F_{B\to A}.$ 两力大小相等、方向相反、属于同一次相互作用，但分别作用在 B 与 A 上。

在惯性参考系中用 Newton 三定律连接合力、动量与加速度，通过自由体图区分重力、支持力、张力、弹力和摩擦力，并以约束方程求解斜面、连接体、升降机和圆周运动。

对相空间函数 $F(q,p,t)$ 与 $G(q,p,t)$ ，定义 $\{F,G\} =\sum_{i=1}^{n}\left( \frac{\partial F}{\partial q_i}\frac{\partial G}{\partial p_i} -\frac{\partial F}{\partial p_i}\frac{\partial G}{\partial q_i} \right).$ 基本括号为 $\{q_i,q_j\}=0$ 、 $\{p_i,p_j\}=0$ 、 $\{q_i,p_j\}=\delta_{ij}$ 。任意可观测量沿轨道满足 $\boxed{\frac{\mathrm dF}{\mathrm dt}=\{F,H\}+\frac{\partial F}{\partial t}}.$

$\boxed{ \Delta A\,\Delta B \ge\frac12|\langle[A,B]\rangle| }.$ 推导要求相关向量与乘积期望存在；对无界算符， $|\psi\rangle$ 必须处在足以定义 $A\psi,B\psi,AB\psi,BA\psi$ 的共同定义域中。

以一维非相对论粒子为模型，明确波函数归一化、Hamilton 算符定义域与边界条件，推导含时和定态 Schrödinger 方程、概率连续性、幺正演化与 Ehrenfest 经典极限。

以落体测量数据估计重力加速度为可复算小项目，串联输入输出契约、函数分解、集合与文件、异常处理、数组加权拟合、浮点精度、残差可视化、实验记录、测试、版本和环境交付。

从输入输出契约设计正常、边界和异常测试，使用浮点容差、性质与回归断言处理科学计算，再以确定性随机流、小步版本记录、审查、依赖锁定和环境清单建立可复现运行入口。

用 Euler 和 Runge–Kutta 方法推进初值问题，并分析稳定性、阶数和步长。

把程序视为从输入和初始状态到输出与新状态的可检查转换，以 Python 风格代码说明表达式、基本类型、分支、循环、函数、作用域和契约，并处理边界输入、终止与受控副作用。

把问题分解为规模更小的同类问题，并用基例和调用栈保证计算终止。

通过残差更新逐步逼近大型稀疏线性系统的解，并用谱性质判断收敛。

通过重叠子问题和最优子结构复用中间结果，构造自顶向下或自底向上的算法。

从状态、转移和依赖顺序构造动态规划，以归纳不变量分析空间优化；再统一理解广度优先、深度优先、Dijkstra、Bellman–Ford 与最小生成树算法的适用条件、正确性和复杂度。

从处理单位、随机分配和对照条件建立可解释实验，讨论区组、盲法、干扰、流失与依从性，并用效应量、方差、显著性水平、功效和样本量之间的关系规划研究。

从规模递减、基例和合并成本建立分治递推，以递归树和 Master 思路分析归并排序、快速划分与选择；再用贪心选择性质、交换论证和切分性质证明局部选择何时构成全局最优解。

理解有限二进制表示、机器精度、消去误差和条件数对计算可靠性的影响。

从映射接口和碰撞处理出发，分析哈希表期望复杂度的成立条件；比较图的邻接表与邻接矩阵，推导遍历成本；再用按秩合并和路径压缩实现只增动态连通性。

按序列、映射与集合的语义和成本组织数据，区分可变对象与别名，在明确文本编码下读取 CSV、JSON 等结构化输入，并以模式验证、异常传播和上下文管理覆盖失败与资源清理。

从输入编码和规模定义最坏、平均与摊还成本，精确解释 O、Ω、Θ 的量词和比较排序下界，再由判定与半判定、映射归约、P/NP 及停机问题区分资源困难与根本不可计算。

把空间与时间离散组合为可计算更新，检查一致性、稳定性和收敛性。

用运行标识和清单把代码、配置、数据、随机种子、环境、硬件、指标与产物绑定起来，以不可变输入、内容校验、复现命令和分级制品形成可移交的计算证据。

把筛选、连接、聚合和派生变量组织为确定性数据管线，以键与粒度约束语义，记录输入、模式、参数、代码和数据血缘，并用幂等重算、校验和及汇总核对支持错误回溯。

以数值内核性能研究为贯穿案例，从可审计问题、数据质量和变换血缘走到随机化、主指标、效应区间、多重比较、运行追踪与制品发布，并划清探索、确认及复现边界。

从研究问题、变量角色、单位和模型假设定义计算实验，以对照、参数设计、分辨率与随机重复生成可审计数据，再按数据类型选择图形编码、尺度和不确定性表达，并保存种子、参数、原始数据、派生表和图件血缘。

从研究问题、观测单位和分析粒度定义数据质量规则，检查类型、范围、唯一性、完整性与跨字段一致性，诊断缺失、重复和异常，并以原始值与决策日志保留可审计清理过程。

用求积公式近似定积分，并根据光滑性和网格细化估计误差。

用有限差分近似导数，并平衡截断误差、舍入误差和步长选择。

以 shape、axis 和 stride 描述多维数组存储，区分切片视图与副本，按尾轴规则推导广播，再比较向量化的语义、时间与内存成本，并系统处理 dtype、整数溢出、浮点舍入和消去。

用渐近记号比较算法随输入规模增长的时间和空间成本，并区分最坏与平均情况。

以医疗物资配送路径为贯穿案例，把输入输出契约、数据结构不变量、正确性证明、复杂度分析、范式选择与反例测试连成一条可复核的算法工作流。

在节点和边结构上执行遍历、最短路和拓扑排序，分析可达性与依赖关系。

从抽象数据类型、表示不变量和操作成本出发，比较动态数组与链表，实现栈和队列，递归遍历二叉树，分析二叉搜索树退化与平衡必要性，并以二叉堆实现优先队列。

在离散网格上用差分替代导数，构造微分方程的代数近似。

从弱形式和局部基函数组装离散系统，用网格逼近复杂区域上的边值问题。

从估计目标、主要指标和比较单位出发，区分配对与独立设计，报告效应量和区间估计，选择与设计及分布条件匹配的检验，并控制多重比较与探索性选择带来的错误。

把程序拆为基本运算图，通过前向或反向累积精确应用链式法则。

以工业视觉质检和维护分流系统贯穿归因与机制证据、概率校准、分布外拒绝、威胁模型和对齐代理，并把使用情境、风险登记、责任、证据等级、残余风险、发布门槛和持续监测组织成可追踪决策。

以有向无环图和无向图编码条件独立，分别建立条件概率分解与势函数归一化，使用 d-separation 和图分离读取 Markov 性，并区分统计依赖、生成方向、因子图表示和因果主张。

由多头注意力、逐位置前馈层、残差和归一化组装编码器与因果解码器，区分 pre/post norm 与 cross-attention，解释教师强制训练、KV 缓存解码、参数量、平方注意力成本和长序列边界。

从潜变量边缘似然经 Jensen 不等式推导 ELBO，区分编码近似后验、生成先验和解码似然，手算一维高斯 KL 与 Monte Carlo 重参数样本，并讨论重构项、后验塌缩、β 权衡及生成、重构、表示评价边界。

把条件与边缘查询写成因子乘积上的求和，通过变量消元和树上 sum-product 消息精确计算，比较消元顺序产生的中间因子，并以诱导宽度和树宽解释复杂度瓶颈。

从表示映射、下游任务和允许变化出发，比较重构、预测、对比、聚类原型与多任务目标，区分不变性和等变性，讨论增强定义、捷径、可辨识性、表示坍塌及冻结线性探测的评价边界。

沿任务信息、监督来源、数据变换、目标失效、计算预算和评价协议串联重构、条件预测、对比、掩码与跨模态预训练，结合对齐、均匀性、各向异性、坍塌、线性探测、检索和分布偏移选择可证伪方案。

用群作用和表示统一描述置换、平移与旋转，区分不变输出和按指定表示同步变化的等变输出，证明层复合与读出性质，并界定数据增强、结构归纳偏置和真实对称破缺的适用范围。

在独立、零均值和宽层近似下分析前向与反向方差传播，解释 Xavier 与 He 尺度及其前提，并用激活饱和、归一化、残差路径和逐层统计诊断梯度消失或爆炸。

让层学习相对恒等映射的残差，改善深层网络的信息与梯度传播。

由轨迹概率的 score-function 恒等式推导策略梯度和 return-to-go，证明动作无关 baseline 不改变期望，构造优势 actor–critic 更新，并分析评论器偏差、梯度方差、on-policy 数据约束与诊断指标。

以实验室设备维护工单为贯穿任务，连接语言建模、指令适配、视觉语言、检索引用、工具调用、记忆与规划，并把端到端成功、证据正确、权限副作用、成本延迟、可复现轨迹和故障注入组织成系统评价。

以大规模自回归 Transformer 建模文本分布，并区分预训练、对齐和推理阶段。

对标签 $y_i\in\{-1,+1\}$ 的有限样本，若存在 $w,b$ 和常数 $\gamma>0$ ，使 $y_i(w^{\mathsf T}x_i+b)\ge\gamma$ 对所有样本成立，则该样本被一个具有正间隔的超平面线性分开。若再约束 $\lVert w\rVert_2=1$ ， $\gamma$ 才具有可比较的几何距离意义。