已经改变论文
文章保存纠正的理由与审计轨迹；当前论文版本成为新的结论承载面。
Review contract
讨论不是终点：它必须回到论文或实验
Foundational technical note
先定义我们到底在学什么
这篇文档固定当前主线：一个 actual latent unit 有稳定 representation；evidence abduction 给出 candidate-unit uncertainty；每个 candidate representation 决定 shared family 中的一条 response；预测输出是 reduction 后的 conditional response。
Core problem defined
学习 Unit-Level Response Function
给出 identity assumption、ordinary (O=X=x) contract、neural Cauchy candidate abduction、bilinear unit response、exact reduction、Cauchy / Gaussian rationale、 学术坐标与可扩展候选。
打开完整技术文档 →
Shortest contract
Actual unit → candidate-unit uncertainty
Candidate \(u\) → response → conditional reduction
Current discussions
基础论文：当前三篇
三篇文章分别承担 correction、assumption audit 与 method positioning。 它们不是三个平行观点，而是从内部逻辑到外部定位的一条审阅链。
Unit Mechanism Learning
From Outcome Prediction to Unit-Specific Generation · Foundational working paper
Applied correction
证据变量不是机制输入
UML-LOGIC-REVIEW-001 · paper V7Causal Regression 已恢复为 evidence-only branch；当前 Cauchy–bilinear model 明确为 explicit-input sibling。
当前处置：逻辑修正已进入论文；页面继续保存为什么要改、改了哪里。 查看修正依据与审计轨迹 → Open model choice一条公式不是一个真理
UML-MATH-ASSUMPTIONS-001 · model audit解释 Cauchy–bilinear 公式的来历、七项底层假设、可学习权重与八类候选模型。
当前处置：现模型是 tractable working hypothesis；必须和 direct、varying-coefficient、low-rank direct 比较。 查看数学假设与候选模型 → Core object calibratedUnit-specific mechanism 是 primary object
UML-METHOD-GENEALOGY-001 · related workSCM 的 shared assignment 与 unit-specific response map 并不冲突；校准 shared family、primary object 与 evidence-conditioned prediction target。
当前处置：贡献落在 unit-specific instances 作为 primary objects、actual/candidate role separation 与 conditional-response boundary，不是新的 SCM expressivity。 查看核心对象、SCM 关系与方法谱系 →How to read status
状态不是装饰，它决定读者能相信什么
每篇讨论都应明确：问题是否已经修正、仍是模型选择，还是必须增加新证据。
已经看清，但尚未定胜负
可以明确候选假设与判断标准，不能把 working choice 写成事实。
需要实验或识别条件
例如 factorization advantage、latent recovery 或 causal semantics，必须进入可执行 gate。
Feedback-to-source loop
一条反馈怎样真正改变研究？
聊天和 Discord 提供 live feedback；稳定理解必须回填到文章、论文、实验协议或版本状态。
Information architecture
稳定技术文档与开放讨论怎样相邻？
稳定说明与开放审阅需要相邻，但不能共用同一种可信度。
陈述当前稳定模型
适合首次阅读、引用和建立共同术语。它回答“我们当前把学习问题定义成什么”，也可以从讨论中结晶后留在本入口。
- 对象、框架与层级
- DGP 与符号约定
- 当前已接受的边界和 non-claims
暴露争议与变化过程
适合审阅、纠偏和设计下一轮实验。它回答“哪些地方仍有分歧，准备怎样证明”，并把稳定结论回填到 canonical source。
- 逻辑纠正及其依据
- 候选模型与未证明结论
- 反馈、处置状态与版本回填
Review loop
继续把问题推回研究本身
反馈时最好指出文章位置、你不接受的假设、反例或希望增加的比较。讨论页面负责接住问题，论文与实验负责给出最终回答。