
<a id="n60-title"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-title)


# 把一个真实问题，交给下一轮学习

王德泉 · Coding with AI · Lecture 04


<a id="n60-5359277241d5"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-5359277241d5)

最直接的下一步，是打开LAB06，从窗边杯子的实际文生图与编辑结果开始。先看已经保存的输入、输出和参数；再选一个你真正想改变的变量：同一提示下的随机起点、同一起点下的文字条件、引导强度，或者采样步数。一次只改一个变量，才知道差异从哪里来。


<a id="n60-741c09315ea0"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-741c09315ea0)

图像编辑把另一个问题放在同一张图里：目标部分改了多少，原本希望保留的内容又变化了多少？img2img的strength决定加噪位置和有效去噪步数；inpainting使用明确的遮罩。看原始模型输出，不把遮罩外像素后贴回去带来的不变性当作模型能力。实际执行范围和失败结果在实验入口如实记录；课堂本身不依赖现场GPU。


[课程图解] 一条真实配对排除相冲突的候选，尚未覆盖的对应关系仍需证据。；图中标签与关系：同一张桌面：换一个条件，看生成怎样变 先看实际结果，再决定是否重算 LAB06 · 文生图与图像编辑 固定提示与起点，只改引导强度 固定输入与遮罩，观察改变和保持 按自己的问题继续 潜表示 · 循环约束 · 语言生成 世界状态 · 行动与反馈 L05：序列怎样组织，上下文怎样进入每一步计算？ 进入学习路径
一条真实配对排除相冲突的候选，尚未覆盖的对应关系仍需证据。


<a id="n60-f55861b1e87f"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-f55861b1e87f)

如果你关心潜表示怎样提供生成入口，从LAB02的先验、后验与q继续；如果关心监督信息怎样排除错误关系，从LAB03的建筑映射和配对锚点继续；如果关心局部预测如何合成样本，从LAB05的轨迹继续。语言生成由LAB04的小语法进入，再读LLaDA与Dream的真实模型路线。World Model路径则接住状态、记忆、干预和反馈，区分构造例子与原研究证据。


<a id="n60-30afd989c26d"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-30afd989c26d)

把完整阅读页或具体区块链接和自己的疑问一起交给AI，请它用本页依据解释，再指出下一项可观察对照。链接能够定位不是读取者已经取得正文的保证，仍应检查它引用了哪一段。所有可选实验都是继续学习的入口，不增加课程计分要求。


<a id="n60-d1ed5bc6e837"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-d1ed5bc6e837)

本讲收束到下一讲的共同问题：无论逐个追加还是多位置恢复，生成都要组织依赖、保留条件并利用上下文。L05将进一步解释序列、共享状态与语言模型怎样完成这些计算。


<a id="n60-states"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-states)


## 画面怎样推进


<a id="n60-b0"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-b0)

从LAB06的真实文生图与编辑结果进入，只改变一个变量。

[返回这一课堂停点](https://codingai-lec04.pages.dev/classroom/N60.html?step=b0)


<a id="n60-b1"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-b1)

按需要转入潜表示、循环约束、语言生成或行动反馈路径。

[返回这一课堂停点](https://codingai-lec04.pages.dev/classroom/N60.html?step=b1)


<a id="n60-b2"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-b2)

带着生成过程与上下文的问题进入L05；可选实验不新增计分要求。

[返回这一课堂停点](https://codingai-lec04.pages.dev/classroom/N60.html?step=b2)


<a id="n60-materials"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-materials)


## 继续阅读与实验


<a id="n60-learning-unit-001"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-learning-unit-001)


## 怎样把疑问变成一项能改变判断的观察？


<a id="n60-learning-unit-002"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-learning-unit-002)

先写要分清的两种解释，再固定输入与比较条件。改蓝问题读LAB06原图、遮罩和原始输出；潜变量问题对照图像VAE重建与同先验种子样本；局部预测问题看学得去噪器的轨迹；行动问题让独立环境反馈改变候选与下一动作。先读保存结果，再决定是否重算一个变量。


<a id="n60-learning-unit-003"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-learning-unit-003)

留下三句话：改了什么，实际看到什么，这支持哪项区分。把正在读的正文区块普通URL与疑问交给AI，再检查它用了该段的对象、条件和限制；能定位不等于它已经读取。以上继续学习不新增计分任务。


<a id="n60-learning-unit-004"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-learning-unit-004)

自检：终图更漂亮但没隔离变量，能判断哪个机制改善了吗？证据还不够。[按问题选择实践](https://codingai-lec04.pages.dev/lecture.html#ch08-practice)。


<a id="n60-chapter-reading"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-chapter-reading)


### [CLS 08 · 世界模型：状态、行动与反馈](https://codingai-lec04.pages.dev/lecture.html#ch08)

按连续正文理解这条方法的训练信号、使用过程与算例；数学与实践在相关问题旁展开。

先看：第8章，从对象和问题开始


<a id="n60-lab10-practice"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-lab10-practice)


### [LAB 10 · 一次行动怎样改变判断](https://codingai-lec04.pages.dev/course/notebooks/cc09b0442e194df5b0dd09251ac79985.html)

先写候选对同一动作的不同预测，再读独立环境返回的观察；用历史更新下一步选择。

先看：先看保存结果与读图解释


<a id="n60-material-1"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-material-1)


### [LAB06 · 实际文生图与编辑](https://codingai-lec04.pages.dev/course/experiments/image-generation.html)

先看保存图阵、输入和参数，再只改一个变量。

先看：文生图单变量对照；img2img与固定遮罩编辑


<a id="n60-material-2"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-material-2)


### [LAB06 · Deepnote与可选重算](https://deepnote.com/project/6f83a923-d155-47be-be58-680db701ff7f/notebook/aa278b6be88e4114bdfea0de5b8aee33)

读取实际运行范围，下载同源Notebook并选择是否重算。

先看：先看保存结果与运行记录


<a id="n60-material-3"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-material-3)


### [LAB 03 · CycleGAN：可逆不等于语义正确](https://deepnote.com/workspace/ise3309jingao-5ba66b0a-4283-4f5a-ae06-3f68d3201e99/project/6f83a923-d155-47be-be58-680db701ff7f/notebook/caf19cffbd744fafb371912863a03e30?utm_source=openai&utm_medium=mcp&utm_campaign=openaimcp&utm_content=caf19cffbd744fafb371912863a03e30&utm_term=get_notebook)

在四类形状的可逆映射中加入配对锚点，检查它排除了哪些候选、还留下哪些候选。

先看：加一个真正包含语义信息的条件；自己做一次反证


<a id="n60-material-4"></a>
[区块原文](https://codingai-lec04.pages.dev/course/N60.html#n60-material-4)


### [Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks](https://junyanz.github.io/CycleGAN/CycleGAN.pdf)

回看约束究竟规定了什么，再用新的配对证据分析仍未确定的语义对应。

先看：循环一致损失与局限部分