术语表

使用等待图分析锁依赖，计算多实例资源的剩余需求和安全序列，区分当前死锁与不安全状态，并说明预防和恢复的约束。

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。

索引内部节点的扇出是它拥有的子节点数。若每个内部节点至多有 $f$ 个子节点，每个叶页至多存放 $l$ 个索引项，三层结构最多容纳 $f^2l$ 个索引项。这里的三层分别是根、内部节点和叶节点。

从数据页和索引高度估算访问数量，比较扫描与连接算法，说明选择率、执行计划和统计误差的关系。

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。

明确网络测量的端点、协议和时间范围，计算时延分位数与有效吞吐量，并结合地址、连接、ICMP 和抓包结果定位问题。

说明协议封装与网络分层，计算发送、传播、排队和多跳时延，并区分链路速率、有效吞吐量与往返时间。

给定块大小 $B$ 字节和文件字节偏移 $x$ ，逻辑块号为 $\lfloor x/B\rfloor$ ，块内偏移为 $x\bmod B$ 。文件系统用索引结构把逻辑块号映射到设备块位置，再访问对应的块内字节。稀疏文件中的某些逻辑块可以没有实际分配的数据块。

介绍文件、目录与块索引，计算直接和间接索引的容量，分析多块更新、重做日志及同步接口，并检查不同中断位置的恢复结果。

位宽为 $w$ 的无符号整数表示为 $u=\sum_{i=0}^{w-1} b_i2^i,\qquad 0\le u\le 2^w-1.$ 共有 $2^w$ 种不同位序列，最小值对应全零，最大值对应全一。地址、长度和计数常采用这种表示，但具体数据类型仍由语言和接口规定。

分析线程共享状态和读改写交错，使用互斥锁、条件变量与信号量维护队列不变量，并区分同步安全性与进展条件。

计算虚拟页号、偏移和物理地址，估计页表容量与地址转换成本，区分转换缓存未命中和缺页，并分析页面置换与工作集。

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。

分页把虚拟地址空间分成固定大小的页，把物理内存按相同大小分成页框。页表记录虚拟页到物理页框的映射及权限等状态。页内偏移在普通分页转换中保持不变，转换只改变页号对应的位置。

分析以太网帧、MAC 地址学习和广播范围，结合 ARP 与 VLAN 说明链路转发，并计算帧开销和有效数据速率。

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。

按寄存器、内存和程序计数器跟踪汇编指令，计算地址偏移，并分析循环和函数调用。

简化的程序状态由程序计数器、通用寄存器组和内存组成。一条正常完成的指令把执行前状态转换为执行后状态；遇到非法访问或其他异常时，控制转移还遵循执行环境规定的异常处理规则。

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。

具有 $n$ 个输入和 $m$ 个输出的组合逻辑用函数 $f:\{0,1\}^n\to\{0,1\}^m$ 描述。对固定输入，传播延迟之后的输出应满足这个函数。逻辑等价要求两个电路对全部输入组合给出相同稳定输出。

说明 DNS 查询和缓存、HTTP 请求及条件验证、TLS 身份认证，按明确的握手假设计量首次 HTTPS 请求的时间。

用二进制前缀计算 IPv4 子网与地址聚合，执行最长前缀匹配，并比较 IPv4 和 IPv6 的逐跳转发与分片规则。

用学生成绩数据分析等值连接、外连接、分组聚合、空值与重复行，说明筛选位置和统计粒度对结果的影响。

比较数据报与字节流服务，推算 TCP 序号和累计确认，说明连接状态、接收窗口、拥塞窗口与应用消息边界。

以工业视觉质检和维护分流系统为例，讨论归因、机制解释、概率校准、分布外检测与对齐评估，并介绍风险记录、发布条件和持续监测。

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。

学习对数密度关于数据的梯度，避免显式计算归一化常数并连接去噪目标。

从高斯逐步加噪和闭式边缘出发，推导 DDPM 的反向高斯模型、后验均值、噪声预测目标及其得分关系，分析噪声调度、条件引导、采样步数、训练采样成本与似然和样本评价边界。

结合一个完整训练任务，复习优化器、学习率调度、归一化、正则化、数据增强、混合精度和分布式训练，并介绍故障排查、恢复与评估。

在有限 MDP 中比较已知模型下的策略评估、策略改进与价值迭代，再从完整回报推导 Monte Carlo、从 Bellman 单步关系推导 TD(0)，并准确导入 n-step、资格迹、偏差—方差、同离策略、步长和终止处理。

从距离、相似度和归一化嵌入出发，推导孪生网络的共享表示、成对对比损失与三元组间隔损失，分析正负采样、困难样本挖掘、类内类间结构、尺度退化，并严格定义检索 Recall@k 与阈值校准边界。

通过拉近匹配样本表示并推远不匹配样本，学习具有语义结构的嵌入空间。

从正负样本对、归一化表示与温度缩放推导 InfoNCE 和 NT-Xent，手算相似度、softmax 与损失，并系统讨论批内负例、增强不变性、假负例、表示坍塌、数值实现和线性评价的边界。

把目标规格、监督示范、偏好数据、奖励模型、策略优化和独立评价拆成可审查阶段，推导成对奖励损失与参考策略约束，分析反馈者差异、代理目标、奖励黑客、分布偏移、过优化及拒答—有用性权衡。

对齐文本、图像、音频等不同表示空间，并通过共享或交叉注意力融合信息。