（二）：HMM 與 Kalman Filter｜Harvard CS181 作業 6
HW6 Problem 1（15 分）把課堂上的離散 HMM 換成連續狀態：狀態每步加一點高斯雜訊、觀測再加一點雜訊，要你推出 filtering 分布 p(zₜ | x₀…xₜ) 的均值與變異數。這就是一維 Kalman filter。解法只有兩步：先用轉移「預測」，再用觀測「修正」，兩個高斯恆等式題目都給了。
全部文章
第 49 頁，共 129 頁
（三）：MDP 的 Policy Iteration 與 Value Iteration｜Harvard CS181 作業 6
HW6 Problem 2（15 分）給你一張 4×5 的 Gridworld：動作會打滑、獎勵在離開格子時才拿到。你要在 notebook 裡寫 policy evaluation、policy iteration 與 value iteration 各一步，再觀察折扣因子 γ 怎麼改變策略，最後反問「這樣建模機器人任務合理嗎」。環境規則全部已知，所以這是規劃，還不是學習。
（四）：Q-learning 玩 Swingy Monkey 與 Embedded EthiCS｜Harvard CS181 作業 6
HW6 Problem 3（20 分）要你寫一個表格式 Q-learning agent 玩類 Flappy Bird 的 Swingy Monkey，最低標準是 100 局內至少一次超過 50 分，還要再加一個自選的改進。Problem 5（10 分）是 250 字內的倫理題：假設社群平台的使用者政治立場愈來愈極端，用 RL 的概念解釋 reward 設計可能怎麼推了一把。
用官方 checklist 盤點 HW0–HW3｜Harvard CS181 主題單元
CS181 Spring 2026 期中考在 3/10 課堂上進行，佔總成績 15%，閉卷但可帶一張雙面筆記。官方 midterm checklist 分成迴歸、分類、神經網路與模型選擇、SVM 四塊；本篇把每塊對回 HW0–HW3 的題號，標出 2026 作業沒練到的缺口，並說明 2025 版 practice、review 與 concept checks 怎麼用。
Obscura：用 Rust 重寫給 AI Agent 用的無頭瀏覽器
Obscura 是用 Rust 從頭寫的無頭瀏覽器引擎，內嵌 V8、實作 Chrome DevTools Protocol，Puppeteer／Playwright 改一行連線位址就能接上，也內建 37 個工具的 MCP server。官方數字是每個行程約 30 MB、頁面載入約 85 ms，但全部是自家 benchmark；WPT 核心子測試通過率 83.3%，長尾 CSS 與部分 Web API 仍會跟 Chromium 不同。
程式碼要不要寫註解：Clean Code、A Philosophy of Software Design 與 Redis 的三種答案
沒有「不寫註解」派，只有「預設不寫、例外才寫」（Uncle Bob）和「註解是設計的一部分」（Ousterhout、antirez）。兩人 2024–2025 的公開對談裡，雙方都同意 why 註解要寫、廢話註解不要寫；真正吵的是方法的介面註解、長名字能不能取代註解，以及該不該信任註解。實證研究的結論是看品質：同一批受試者，註解讓表現從下降 30% 到提升 34% 都有。
讓不可見變得可見：Agent 對話 UI 的元件設計哲學
傳統聊天只需要顯示文字泡泡，但 AI Agent 對話要讓使用者看見思考、工具呼叫、引用來源和執行進度——我們用 12 個 Vue 元件、三種 DisplayMode 和一條 chatBlocks 渲染管線解決了這個問題。
2026 記憶系統往哪走：檔案贏了向量，遺忘才剛開始
2026 上半年 OpenAI、Anthropic、Letta、LangChain 不約而同選了 Markdown 檔案 + 索引取代向量資料庫；寫入權從 agent 交還給人；遺忘機制終於出現但沒人做 Ebbinghaus；LoCoMo 被 Penfield Labs 抓出 6.4% 錯答；三家同時用「Dreaming」指離線記憶整併。五個趨勢，一個結論：記憶不是功能，是架構決策。
Agent 記憶的攻擊面：當記憶變成持久化的後門
記憶是持久化的 prompt injection 載體：MINJA 證明只靠對話就能注入記憶（成功率 >95%），SpAIware 示範植入後每次回答都外洩資料。業界兩派防線——引用驗證（Copilot）和人工核准（Gemini CLI / Devin）——各有盲點。
系列導讀：AI Agent 記憶工程
Agent 記憶不是一個功能，是至少四種不同的工程問題——working、episodic、semantic、procedural。這個十篇系列從分類框架到 coding agent 實作、平台 API、開源框架、安全攻擊面，再到 2026 的趨勢判斷，完整走一遍設計空間。
四種記憶與六個設計軸：Agent 記憶系統的設計空間
CoALA 框架把 agent 記憶分為 working、episodic、semantic、procedural 四種，但光靠四格分類不夠——同一種記憶在不同系統裡的設計選擇差很大。這篇用六個獨立設計軸（讀取形態、寫入時機、保真度、寫入權、遺忘、範圍）加一條光譜（檔案 ↔ 向量/圖），畫出 2026 年 agent 記憶系統的完整設計空間。
測試時擴展：BrowseConf 與自信度引導的推理
前面看的是怎麼評估。這篇看另一個維度：在推理過程中怎麼動態分配計算資源。BrowseConf 的核心洞察是——agent 自己說的『自信度』就能預測答案準不準。高自信就用少點資源，低自信就多搜幾輪。
五朵雲的記憶 API：OpenAI、Anthropic、Google、AWS、Microsoft 怎麼讓 Agent 記住事情
五家雲平台都在 2025–2026 年推出 agent 記憶 API，但設計哲學分歧明顯：OpenAI 把記憶寫成檔案、Anthropic 把記憶掛載成目錄、Google 用向量加主題分類、AWS 用事件加策略管線、Microsoft 用 context provider 抽象。定價從免費到 $0.75/千筆/月不等，租戶隔離從「應用端自己來」到「IAM 一等公民」都有。
九家 Coding Agent 怎麼記東西：從 CLAUDE.md 到 MemFS
九家 coding agent 的長期記憶走了至少四條路：Claude Code 和 Codex 用 Markdown 檔（agent 寫、人可讀）、Antigravity CLI 繼承 Gemini CLI 的 inbox 核准（agent 提案、人拍板）、Copilot 用引用＋JIT 驗證（28 天沒被驗證就自動刪）。Cursor 把 Memories 拔掉退回純 Rules。Hermes Agent、OpenClaw、Letta Code 則把記憶當成 harness 的核心元件，不只是外掛。寫入時機、遺忘機制、跨團隊共享上的選擇完全不同，而且沒有任何一家公布過記憶功能的對照實驗數據。
商用產品格局：OpenAI、Perplexity、Gemini、Claude、Grok
2026 年的 deep research 商用市場已經分化：OpenAI 全面、Perplexity 速度快、Gemini 生態整合、Claude 推理深、Grok 實時性強。這篇比較各家產品的差異——不是誰最好，而是誰最適合你的場景。
Deep Research 全景圖：80+ 實作的分類、路線與取捨
整個 Deep Research 領域有 80+ 實作，但核心結構只有三階段路線 × 四個組件 × 三種優化方法。這篇用一篇看懂全景：從 Agentic Search 到 Full-stack AI Scientist，從 query planning 到 answer generation，從 workflow prompting 到 end-to-end RL。
基準深度解析：DeepResearch Bench II 與評估格局
DeepResearch Bench II 用 9,430 個專家 rubric 覆蓋 132 個任務，發現最強的 agent 也只滿足不到 50% 的標準。這篇拆解基準架構、评分方法、領先者，並分析整個 deep research 評估格局。
一句 'Write a script' 的差距：Skill Instructions 如何決定 LLM 成功或失敗
自建的 AI 助理用 Opus 4.6 生成 docx 連續兩次 stream_stall（90 秒超時）。根因是 skill instructions 少了一句 'Write a script'，導致模型走 inline code output 路徑。claude.ai 的官方 SKILL.md 有這句話，穩定走 bash 執行。
【生態篇】社群的 deep-research skill 都怎麼做
10+ 個社群開源的 deep-research skill 代表了 10+ 種「怎麼做研究」的哲學。從 hyperresearch 的持久化 vault 到 jamoeight v2 的 Co-Scientist 6-agent，從對抗驗證到 benchmark 對齊。這篇把它們放在一張表裡看。
評估困境：為什麼 Deep Research 難以被正確評量
Deep research agent 跑出來的報告，該怎麼評分？用 LLM 當評審有偏，問人類太貴，測基準又跟不上。STC 等新方法試圖從「自信度」切入解決這個根本問題——但還沒有完美的答案。