G89：个人兴趣选题卡：从广泛前沿收敛到一两个问题

内容类型：知识整合教材（不代表已完成）
日期：2027-05-21
阶段：P3 · AGI Foundations 90
总路线：Day 269
周次节奏：知识整合 · 周五兴趣路线
状态：教材已备；学习未完成

一句话定义

兴趣选题卡用一个问题、三篇起始材料、一个最小实验、一个停止边界和一份“不做清单”，把长期好奇心转成可持续学习路线，而不是新的考核承诺。

学习目标

1. 从机制可解释性、持续学习、自改进、控制、AI Scientist 或具身桥接中选择 1～2 个真正想追踪的方向。
2. 用问题的可操作性、学习价值、迁移性与个人兴趣决定范围。
3. 形成文献三角和最小实验，不设截止成绩、发布要求或项目 Gate。

核心知识

好选题不是“研究 AGI”，而是限定对象和可否定关系，例如：“在程序化序列任务上，clean anchor 比 diversity filter 更能保持稀有子群召回吗？”“一个 toy Transformer 的 causal circuit 是否跨符号置换 seed 保持？”“random audit 在固定人工预算下何时优于 monitor-only？”“receding-horizon planning 怎样缓解 world-model error？”

文献三角比长书单更可执行：一篇奠基/定义材料提供正式问题，一篇支持方法提供机制，一篇反方/边界材料提供失败。三篇不是必须一天读完；课程页面可作为路由，再选原始论文。每篇只回答“它改变我问题中的哪个变量或假设”。

最小实验应本地、可逆、无真实数据和外部权限。它不追求 SOTA，只需能区分两个故事。范围字段包括 task、model/env、independent variable、baseline、metric、budget、seed、falsifier 和 external limit。若阅读已经回答当前问题，可停在论文对照，不为“动手”制造无意义代码。

停止边界保护深度：最多两周、一个 task family、两个方法、三到五个 seed、无云成本、无外部执行；达到预算仍不清楚就写 unknown，不扩张到 frontier replication。不做清单可包含训练大模型、购买硬件、搭完整平台、做求职包装、自动发布和声称 AGI。

兴趣路线允许变化。完成几天后发现问题不吸引人，可以保留为什么并换题；这不是失败。选择 P4 也不意味着必须放弃 P3，world model、belief、control 与 causal evaluation 可跨阶段延伸。

机制与推导

选题可以用非评分式比较矩阵：

TopicFit=[curiosity, tractability, uncertainty_reduction, transfer_to_P4, resource_cost, safety]

不求总分，只看明显冲突。例如高度好奇但本地不可测的前沿自改进，可先选综述/论文链；可测且迁移强的 world-model error 可成为 toy 实验。

研究问题模板：在 D 分布、预算 B 与控制 C 下，干预 X 相对 baseline Y 是否改变指标向量 M；若效应区间跨 0 或在 holdout 反转，则当前证据不支持 H。

阅读更新协议：每篇材料后只更新 claim、mechanism、evidence、boundary 四格；三篇结束再决定是否实验。实验后不要求发表，只需保存 spec、raw observation、negative result 与下一问。

最小练习或观察步骤

1. 写五个候选兴趣，每个限制一行，并删掉无法指出变量或边界的宏大题。
2. 用 TopicFit 向量比较，不加总；圈出最想学与最可操作的交集 1～2 项。
3. 为首选方向列定义/支持/反方三类起始材料；只写与问题的对应关系。
4. 写最小实验模板和明确 falsifier；若只读论文更合适，就写论文比较协议。
5. 完成“不做清单”和停止边界，最后写“改变选题的条件”。

常见误区与边界

• 选题仍是“如何实现 AGI”，没有任务、变量或否定条件。
• 书单几十篇，未说明每篇为何必要。
• 因为课程含 capstone 就把兴趣路线变成交付压力。
• 本地 toy 无法复现 frontier 结论，却用规模不足解释所有负结果。
• 同时选择五个方向，结果每个只停留在名词层。

研究/系统场景连接

作者的金融零售背景可提供熟悉问题结构，例如 proxy、长尾、人工决策与高影响权限，但学习主线不是求职或产品包装。Web3 可作为不可逆 action 的抽象案例。若选择 P4 桥接，优先 world-model error、belief under occlusion、safety controller 或 human takeover，它们能把 P3 因果与控制思维落到仿真。

自检问题

1. 你的问题能否用一个干预区分两个故事？
2. 三篇起始材料各承担什么角色？
3. 哪个停止边界最能防止范围膨胀？
4. 什么新证据会让你换题或暂停？

专业课程对齐

• ARENA Curriculum：用于机制可解释性、eval 与 alignment 方向的课程路由，只选择与兴趣卡直接相关的小节。
• Stanford CS330：用于 continual、meta 与 task-distribution 方向，帮助把“适应”写成正式研究问题。
• Stanford CS321M Course Materials：用于语言模型机制与评估材料路由，训练从 claim 到实验边界的阅读方式。

深入学习提示

选择让你愿意反复问“为什么”的问题，而不是最像热点标题的问题。若一个方向只能通过昂贵 frontier 训练验证，就缩小机制、寻找公开 artifact 或转为证据审计；深度来自好问题，不来自资源规模。

学后填写区

• 五个候选与首选 1～2 项：
• 文献三角：
• 最小实验 / 阅读协议：
• 停止边界与不做清单：
• 改变选题的条件：