写作与记录
研究过程中的阶段记录、论文阅读与方法实践。文字首先服务于梳理问题，也希望保留足够上下文，让结论能够被复查。
从模型架构、训练流程和工具封装三个层面，理解什么是深度学习框架，以及用框架跑任务意味着什么。
从数据划分、分箱策略和重复实验三个方面，记录一次模型校准实验的复盘。
用最小配置记录依赖、随机性和运行入口，让半年后的自己仍能重现实验。
梳理数据不确定性与模型不确定性的区别，以及它们对实验解释的影响。
为什么整体均值会掩盖重要差异，以及如何用分组报告补充模型评估。