20260518-morning:新增内容

index.md

@@ -1,10 +1,11 @@
 # LLM Wiki
 
 > 知识索引页面 — 自动生成
-> 最后更新：2026-05-14 | 总页面数：300
+> 最后更新：2026-05-15 | 总页面数：335
 
 ## Concepts
 
+- [[adaptive-computation-time]] — 根据输入难度动态调整计算量的技术族（ACT, PonderNet 等）
 - [[additive-combinatorics]]
 - [[agent-communication-stack]]
 - [[agent-mediated-deception]]
@@ -17,20 +18,25 @@
 - [[ai-alignment]]
 - [[ai-mathematics]]
 - [[ai-safety]]
+- [[analytical-report-synthesizer]] — LLM 驱动的预测结果→分析报告自动生成器
 - [[api-key-authentication]]
 - [[attention-entropy-collapse]]
 - [[attention-sinks]]
 - [[automated-theorem-proving]]
 - [[backtranslation-round-trip-relay]] — 回译接力：通过可逆编辑链评估 LLM 文档编辑保真度
+- [[base-table-embedding]] — DIME 第一阶段：双路径编码捕获表内语义
+- [[behrouz-memory-caching-rnn]]
 - [[bidirectional-trajectory-evaluation]]
 - [[bpf-syscall-interception]]
 - [[cache-health-observability]]
 - [[cache-hit-ratio]]
 - [[cache-invalidation]]
 - [[cache-safe-forking]]
+- [[caddy-reverse-proxy-auth]]
 - [[caddy-web-server]]
 - [[cel-shading-style]]
 - [[centralized-agent-architecture]]
+- [[certainty-based-loss]] — 通过 argmin(loss) + argmax(certainty) 双 tick 选择实现原生自适应计算
 - [[certainty-based-rewards]]
 - [[chain-of-thought]]
 - [[chaitin-algorithmic-information-theory]]
@@ -38,12 +44,15 @@
 - [[cl-bench-life]]
 - [[classifier-free-guidance-language]] — CFG 在语言扩散模型中的应用
 - [[clawless]]
+- [[clawless-ai-agent-security]]
 - [[coarse-grained-counting]]
 - [[cognitive-architecture]]
 - [[completeness-logic]]
+- [[composable-base-model-architecture]] — 基础模型池 + 共享组件的可组合建模框架
 - [[compressed-sparse-attention]]
 - [[computability-theory]]
 - [[computerized-adaptive-testing]]
+- [[conditional-model-dispatcher]] — ZCP + 历史 EMA 驱动的模型选择与条件增强调度器
 - [[confidence-correctness-alignment]]
 - [[consistency-logic]]
 - [[context-blue-clique]]
@@ -51,27 +60,38 @@
 - [[context-learning]]
 - [[context-misuse]]
 - [[continuous-diffusion-language-models]] — 连续嵌入空间中的扩散语言模型
+- [[continuous-thought-machine]] — CTM：以神经时序动态和同步为核心计算原理的新架构
 - [[continuum-hypothesis]]
 - [[cramer-rao-lower-bound]]
 - [[crawl4ai]]
+- [[crawl4ai-open-source-web-crawler]]
 - [[critical-failures]] — 关键失败：稀疏但严重的错误解释了约80%的文档退化
 - [[curvine-distributed-cache]]
+- [[darlow-ctm-2025]] — CTM: 以神经同步为表示的持续思考机器 (NeurIPS 2025)
 - [[darwin-godel-machine]]
+- [[data-slice]] — 任务特定的关系数据库子集，DIME 的核心数据对象
 - [[decentralized-agent-architecture]]
 - [[deepseek-v4-flash]]
+- [[deepseek-v4-million-token-context]]
 - [[deepseek-vit]]
 - [[delegate-52]] — Microsoft 基准：310工作环境 × 52专业领域，评估LLM委托工作就绪性
 - [[delegated-work]] — 委托工作：新兴LLM交互范式，用户监督模型代其完成任务
 - [[depth-scaling-signal-degradation]]
 - [[diagonal-ramsey-number]]
 - [[diagonalization-method]]
+- [[dime-dynamic-in-database-modeling-engine]] — DIME：NeurIDA 的核心动态建模引擎
 - [[discrete-diffusion-language-models]] — 离散 token 空间中的扩散语言模型
 - [[distractor-context]] — 干扰上下文：话题相关但无需编辑的文档，模拟不完美检索精度
 - [[document-degradation]] — 文档退化：LLM在长委托工作流中静默破坏文档内容的现象
 - [[domain-knowledge-reasoning]]
 - [[domain-specific-evaluation]] — 领域特定评估：每个领域自定义解析器和语义等价评分的评估方法
+- [[dou-cl-bench]]
 - [[duo-attention]]
+- [[dynamic-in-database-modeling]] — 从共享组件在查询时装配定制模型的新范式
 - [[dynamic-mode-decomposition]]
+- [[dynamic-model-fusion]] — 上下文感知的选择性关系融合模块
+- [[dynamic-relation-modeling]] — 跨表关系结构感知的消息传递
+- [[elf-embedded-language-flows]] — ELF: 连续嵌入空间中的 Flow Matching 语言扩散模型 (2026)
 - [[embedded-language-flows]] — ELF: 连续嵌入流匹配语言模型
 - [[eml-operator]]
 - [[empirical-discovery-simulation]]
@@ -96,9 +116,11 @@
 - [[geometric-ramsey-theory]]
 - [[glitch-art-style]]
 - [[godel-incompleteness-theorems]]
+- [[godel-incompleteness-tutorial]]
 - [[godel-numbering]]
 - [[goodsteins-theorem]]
 - [[gpt-image2]]
+- [[gpt-image2-prompt-collection]]
 - [[gravitino-unified-metadata]]
 - [[greedy-context-screening]]
 - [[green-tao-theorem]]
@@ -106,15 +128,20 @@
 - [[grouped-query-attention]]
 - [[halftone-print-style]]
 - [[halting-problem]]
+- [[he-urlvr-sharpening-2026]]
 - [[heavily-compressed-attention]]
 - [[hilberts-program]]
 - [[human-agent-trust]]
 - [[human-centered-ai]]
+- [[hunyuan-team-cl-bench-life]]
 - [[hybrid-attention-architecture]]
 - [[hyperagents]]
 - [[hypergraph-ramsey-number]]
 - [[identity-reference-resolution]]
 - [[image-generation-prompt-design]]
+- [[in-database-analytics]] — 在 DBMS 内部直接执行 ML/分析任务的方法论
+- [[internal-ticks]] — 与数据维度解耦的内部时序，CTM 的「思考步骤」展开维度
+- [[internal-world-model]] — agent 内部构建的环境表征，在 CTM 迷宫任务中涌现
 - [[intrinsic-rewards-sharpening]]
 - [[jagged-frontier]] — 锯齿前沿：AI模型能力在不同领域间不均衡、不可预测的分布
 - [[klein-blue]]
@@ -125,10 +152,15 @@
 - [[koopman-theory]]
 - [[kv-cache-bottleneck]]
 - [[kvcache-transfer]]
+- [[laban-llms-corrupt-documents-delegate]] — "LLMs Corrupt Your Documents When You Delegate" — DELEGATE-52
 - [[length-extrapolation]] — 长度外推：让 LLM 处理超出预训练窗口的序列长度
+- [[li-amd-human-perception]]
 - [[linear-attention-methods]]
+- [[liu-koopa-2023]]
 - [[llm-applications]]
+- [[llm-attention-survey-2026]]
 - [[llm-evaluation-benchmarks]]
+- [[log]] — 变更日志
 - [[long-context-understanding]]
 - [[long-horizon-evaluation]] — 长视界评估：通过延长交互揭示短评估中不可见的退化模式
 - [[lost-in-the-middle]]
@@ -156,15 +188,23 @@
 - [[multimodal-large-language-model]]
 - [[muon-optimizer]]
 - [[native-sparse-attention]]
+- [[neural-synchronization]] — 将神经元激活历史的时序相关性直接用作潜在表示
+- [[neurida]] — Neural In-Database Analytics：自主端到端库内分析系统
+- [[neuron-level-models]] — 每个神经元拥有私有参数的 MLP，替代统一激活函数
+- [[neuron-pairing]] — 对 O(D²) 同步矩阵的子采样策略，用于效率与表达力平衡
 - [[neuroscience]]
+- [[nikolopoulos-spurious-predictability]]
 - [[non-stationary-time-series]]
 - [[ntk-aware-interpolation]]
+- [[odrzywolek-eml-single-operator]]
 - [[on-policy-distillation]]
+- [[oppo-multimodal-data-lake]]
 - [[paley-graph]]
 - [[paris-harrington-theorem]]
 - [[path-tracing]]
 - [[peano-arithmetic]]
 - [[perception-gap]]
+- [[pre-activation-history]] — 每个神经元维护的滚动前激活缓冲区，NLM 的输入
 - [[prefill-as-a-service]]
 - [[prefill-decode-disaggregation]]
 - [[prefix-matching]]
@@ -173,21 +213,28 @@
 - [[procedural-task-execution]]
 - [[program-synthesis]]
 - [[prompt-caching]]
+- [[prompt-caching-architecture]]
 - [[prompt-layering]]
 - [[prompt-reverse-engineering]]
+- [[qin-prfaas-cross-datacenter]]
+- [[query-intent-analyzer]] — LLM 驱动的 NLQ 解析器，输出结构化任务/数据画像
 - [[rag-systems]]
 - [[ramsey-context-cache]]
+- [[ramsey-context-construction]]
 - [[ramsey-context-graph]]
 - [[ramsey-context-template]]
 - [[ramsey-numbers]]
+- [[ramsey-numbers-survey]]
 - [[ramsey-theory]]
 - [[ramsey-theory-applications]]
 - [[random-graph-theory]]
+- [[README]] — Wiki 说明
 - [[real-life-context-learning]]
 - [[rectified-flows]] — Flow Matching 中的直线插值路径
 - [[recursive-self-improvement]]
 - [[reference-gap]]
 - [[reinforcement-learning-trading]]
+- [[relational-graph]] — 以 FK-PK 为边的元组图，关系建模的数据结构基础
 - [[reverse-proxy-authentication]]
 - [[reward-hacking-llm]]
 - [[reward-model]]
@@ -199,6 +246,7 @@
 - [[rule-system-application]]
 - [[russells-paradox]]
 - [[russian-constructivism]]
+- [[SCHEMA]] — Wiki 结构规范
 - [[sde-sampler-language]] — 语言扩散中的随机微分方程采样器
 - [[secure-containers]]
 - [[seer-attention]]
@@ -211,19 +259,27 @@
 - [[singularity]]
 - [[sink-token]] — 可学习汇 Token：预训练时添加专用 Token 作为唯一注意力汇
 - [[softmax-off-by-one]] — SoftMax₁：允许丢弃多余注意力的 SoftMax 变体
+- [[song-agent-network-taxonomy]]
 - [[sparse-attention-patterns]]
 - [[specialist-training-pipeline]]
 - [[specialized-rl]]
 - [[specialized-sft]]
+- [[spiking-neural-networks]] — 使用离散脉冲和事件驱动计算的生物启发神经网络
 - [[spurious-predictability]]
+- [[streaming-llm]] — StreamingLLM: 基于注意力汇的无限长流式语言模型推理框架 (ICLR 2024)
 - [[stub-pattern]]
 - [[subquadratic-transformer-alternatives]]
 - [[symbolic-regression]]
+- [[synapse-model]] — CTM 的 U-Net 风格循环突触结构，神经元间信息共享引擎
 - [[system-2-thinking]]
 - [[system-message-abuse]]
 - [[szemerédi-regularity-lemma]]
+- [[tabular-foundation-models]] — 大规模表格数据预训练的基础模型（TabPFN, TabICL 等）
+- [[tao-klowden-ai-mathematical-methods]]
+- [[temporal-decay-neural]] — 每对神经元可学习的指数衰减参数，控制同步的时间尺度
 - [[test-time-scaling]]
 - [[test-time-training-rl]]
+- [[thinking-with-visual-primitives]]
 - [[time-variant-dynamics]]
 - [[token-efficiency]]
 - [[tool-registry]]
@@ -236,11 +292,19 @@
 - [[window-attention]] — 窗口注意力：仅缓存最近 Token 的朴素方案，因驱逐注意力汇而崩溃
 - [[worst-case-threat-model]]
 - [[x-prediction-parameterization]] — Flow Matching 中直接预测干净数据的参数化
+- [[xing-trails-2024]] — Trails: 数据库原生的深度神经网络模型选择 (VLDB 2024)
+- [[zeng-dynamic-model-slicing-2024]] — 数据库内的动态模型切片技术 (VLDB 2024)
+- [[zeng-neurida-2025]] — NeurIDA: 动态库内建模实现有效的关系数据库分析
+- [[zero-cost-proxies]] — 无需完整训练即可估计模型性能的 NAS 技术
+- [[zhang-hyperagents]]
+- [[zhao-neurdb-2025]] — NeurDB: AI 驱动的自主数据库 (CIDR 2025)
+- [[zhu-moda-mixture-of-depths]]
 
 ## Papers
 
 - [[behrouz-memory-caching-rnn]]
 - [[clawless-ai-agent-security]]
+- [[darlow-ctm-2025]] — CTM: 以神经同步为表示的持续思考机器 (NeurIPS 2025)
 - [[deepseek-v4-million-token-context]]
 - [[dou-cl-bench]]
 - [[elf-embedded-language-flows]] — ELF: 连续嵌入空间中的 Flow Matching 语言扩散模型 (2026)
@@ -259,7 +323,11 @@
 - [[streaming-llm]] — StreamingLLM: 基于注意力汇的无限长流式语言模型推理框架 (ICLR 2024)
 - [[tao-klowden-ai-mathematical-methods]]
 - [[thinking-with-visual-primitives]]
+- [[xing-trails-2024]] — Trails: 数据库原生的深度神经网络模型选择 (VLDB 2024)
+- [[zeng-dynamic-model-slicing-2024]] — 数据库内的动态模型切片技术 (VLDB 2024)
+- [[zeng-neurida-2025]] — NeurIDA: 动态库内建模实现有效的关系数据库分析
 - [[zhang-hyperagents]]
+- [[zhao-neurdb-2025]] — NeurDB: AI 驱动的自主数据库 (CIDR 2025)
 - [[zhu-moda-mixture-of-depths]]
 
 ## Articles
@@ -275,4 +343,8 @@
 
 - [[SCHEMA]] — Wiki 结构规范
 - [[log]] — 变更日志
-- [[README]] — Wiki 说明
+- [[README]] — Wiki 说明
+
+## Reviews
+
+- [[ctm-review-20260515]] — CTM 论文集成 Review (2026-05-15)