IML Informed Machine Learning
ZH EN

Research Notes + Toy Reproductions

把论文路线、代码骨架和复现入口放进一个手机上也容易读的站点。

这里整理的是 informed machine learning 的阅读主线、已经落地的 toy reproduction，以及后续要继续扩展的逻辑约束和知识注入方向。

先看阅读路线 直接看 toy 项目

当前已落地

  • 01
    logic_net_toy

    规则通过 teacher-student 机制进入训练。

  • 02
    semantic_loss_toy

    直接约束输出分布满足结构化语义约束。

  • 03
    knowledge_landmarks_toy

    把局部样本和全局知识 landmarks 联合建模。

建议顺序

代码阅读顺序

推荐顺序是 `logic_net_toy -> semantic_loss_toy -> knowledge_landmarks_toy`。 先看最直观的规则蒸馏，再看 semantic loss，最后看更像研究原型的知识 regularization。

进入 toy 导航

双语站点

研究站点和自定义域名

这个站点已经支持中英双语入口，并且可以挂在 `research.bozhanli.com` 之类的自定义域名下，方便你自己看，也方便发给导师。

看部署说明

Reading Spine

三步走

Step 1

先理清逻辑主线

从 survey、logic-net、semantic loss、DL2 这条线看清楚“知识怎么进入训练”。

Step 2

再用 toy 落地

每篇论文只抓一个核心机制，用最小 toy 复现理解，而不是直接追完整 benchmark。

Step 3

最后整理成可展示原型

把文档、代码、图和结果放在同一个站点里，后面发给博导或师兄会更顺。