青山軒

倉經所閒虛言

左、右

一横一撇这个「𠂇」在大部分字中都是从手演化来的,但在这之中,有些是左手有些是右手。

有人问,那这个偏旁是左是右有什么区别吗?有的,区别在于笔顺。左手是先横后撇,右手是先撇后横。

就拿「左」和「右」两个字举例吧,它们在甲骨文中就是一只左手和一只右手,到了小篆里,一个加了「工」,一个加了「口」。

小篆「左」「右」

在隶书里,要写这么一只手的话,是先写指头,也就是弯笔,再写主干,也就是直笔。但「右」的这只手往上挪了,逐渐摞到了头顶。右手弯笔跑到了左手直笔的地方,右手直笔跑到了左手弯笔的地方,这才导致了两只手的笔顺不同。

隶书「左」「右」

阅读全文 »

凡例

  1. 歸詞牌名為目,按拼音首字母排序;目内按年代先後排序。

  2. 每首詞正文前各附有兩個標簽,例:十七 質陌錫職緝 17 ik ɨk,前者表示該詞的韻在《詞林正韻》中所屬的韻部,後者表示該詞的韻在 unt 重訂宋詞韻部中所屬的韻部。由於《詞林正韻》是清朝總結歸納的,有其局限性,故增加 unt 家韻部以供對照。入聲部表如下:

    《詞林正韻》入聲部 對應《平水韻》部
    十五 屋沃
    十六 覺藥
    十七 質陌錫職緝
    十八 物月曷黠屑葉
    十九 合洽
    unt 重訂宋詞韻部入聲部 參考擬音
    15 it ut
    16 ip
    17 ik ɨk
    18 ɛt at ɔt
    19 ɛp ap
    20 uk
    21 ak
  3. 詩詞正文中的粗體字為押入聲韻字。

  4. 出韻字在右上角標出該字所在的韻部。

桂枝香

金陵懷古【北宋】王安石 🔗

十五 屋沃 20 uk

登臨送,正故國晩秋,天氣初
千里澄江似練,翠峰如
歸帆去棹殘陽裡,背西風酒旗斜
彩舟雲淡,星河鷺起,畫圖難

念往昔、繁華競
嘆門外樓頭,悲恨相
千古憑高,對此漫嗟榮
六朝舊事隨流水,但寒煙衰草凝
至今商女,時時猶唱,後庭遺

阅读全文 »

引言

这是一个不再有大师的时代。

我想要说的,前人们都说过了;我想要做的,有钱人都做过了。

因此,作为一个籍籍无名的学生,我写在公选课[1]结课作业里的话,肯定没有一句是新鲜话,也没几句话经得起推敲。即使如此,我也想写点儿上完这个课、读完这本书[2]的课后感、读后感,权当给自己留个档了。

阅读全文 »

20251205 论文写作工作坊课后作业

按照课上所学,请你在第一章作业当中,找至少 5 篇自己论文进行精读,然后进行标题和摘要分析,要写清楚。

  1. 文章标题用了哪种命名方式?和其他标题的区别和联系。
  2. 文章的摘要包含了哪些内容?和常规的摘要区别在哪。

第一篇

[1] Zhang J, Xie Y, Wang Y, Xia Y. Inter-Slice Context Residual Learning for 3D Medical Image Segmentation[C/OL]//IEEE Transactions on Medical Imaging, 2020, 40(2): 661-672. https://doi.org/10.1109/TMI.2020.3034995.

  1. 类型:Learning 机器学习
    亮点:Inter-Slice Context Residual 切片间的上下文残差网络
    场景:3D Medical Image Segmentation 三维医学图像分割
    由三部分拼接起来的中规中矩的标题。

  2. 摘要包含了研究背景「三维医学图像分割的重要性」、之前方法的不足「DCNNs 精确度不够高」、提出自己的方法「精确分割的 ConResNet」、ConResNet 的结构、实验结果与对比「在脑瘤分割方面比六种顶尖方法更准确」。
    这篇文章主要的创新在于 ConResNet 这一网络,因此在摘要中花大篇幅介绍了网络结构设计。

阅读全文 »

第一部分:本体论 —— 镜像与“知”的极限

The Ontology of AI

在掌握如何使用 AI 之前,我们首先需要理解 AI 究竟是什么。这不仅是技术的定义,更是哲学的审视。

1. AI的本质定义

  • 概念:AI = 人类知识的高维数学镜像。
  • 解读:大语言模型 (LLM) 并非像人类一样“理解”世界,而是将人类所有的文本知识压缩成了高维向量空间中的数学概率关系。它不是知识的源头,而是人类文明在数学维度上的投影。

2. “巨镜”隐喻

  • “AI 像一面巨镜”:既然是镜像,它反射的是提问者的认知。你平庸,它就平庸;你深刻,它就深刻。它照出的不仅是知识,更是提问者自身的水平。
  • 极致的“知”:AI 拥有人类历史上几乎所有的事实性知识,这是一种极致的“知”。
  • 无目的与无物体性
    • 无目的:AI 网络没有生物性的欲望,也没有内在的意图。它不会“想要”回答你,它只是在进行概率预测。
    • 无物体性:它没有身体(非具身),无法像人一样通过感知物理世界来获得经验。
阅读全文 »
0%