Ein Bericht.
Eine ganze Branche im Blick.

- 本件全文录自《钦定四库全书》文渊阁本《大清律例》电子校录文本。 - 原始数据取自 Kanripo 编号 KR2m0055，公开于 GitHub，2015 年校录。 - 底本为清代乾隆年间四库全书本，含名例律四十六条及吏、户、礼、兵、刑、工五律。 - 律文之后各附条例（例文）。 - 原文为传统汉字，本件照录，未作繁简转换。 - 卷首含世祖、圣祖、世宗御制序与上谕、奏摺、表、职名、凡例、总目。 - 正文含卷一至卷四十七：卷一律目，卷二诸图，卷三服制，卷四以下名例律上至工律河防。 - 各卷目录因与正文条名重复，本件不另收录。 - 卷二诸图仅存文字，图版未收。 - 律文与例文小字注以圆括号照录，已删原电子文本中表示小字换行的斜线。 - 凡标明“条例（例文）”处，其下各条即该律条所附条例，正文多以“一”字起首。 - 本件由程式自电子文本自动整理，未经逐字校勘。 - OCR 与传录可能出现误字、漏字、异体字与换行错位。 - 刑名、数目、地名、官名请以刊本、影印本或点校本核对后引用。 - 先前《大清律例總目與律文要點（全三卷）》为整理稿，本件为全文电子录本，二者可互相参证。 - 凡例载律文四百五十七条，雍正五年删改增并定为四百三十六门，条例共一千四百五十六条。 - 总目分名例、吏、户、礼、兵、刑、工诸律及比引律条。 - 卷二诸图列六赃图、纳赎诸例图、过失杀伤收赎图、徒限内老疾收赎图、诬轻为重收赎图、五刑图、狱具图、丧服图。 - 卷三服制列斩衰三年、齐衰杖期、齐衰不杖期、齐衰五月、齐衰三月、大功九月、小功五月、缌麻三月。 - 卷四十七为比引律条，按律无正条则比引科断，略举数条。

- 文件为《大清律例逐项对照表》，以《大清律例》七篇三十门体例为纲。 - 逐门列出律条，逐项对照现行《中华人民共和国民法典》《中华人民共和国刑法》及相关法律。 - 每项设“律例要点”“现行法对应规定”“差异点”三栏。 - “律例要点”依传世律注与通行整理概述该条内容。 - “差异点”仅标示两项规定的差别，不作品评。 - 差异点标记为：结构、范围、责任方式、主体、程序。 - 全文按名例律、吏律、户律、礼律、兵律、刑律、工律分篇。 - 各篇下分门，如名例门、职制门、公式门、户役门、田宅门、婚姻门等。 - 表内逐条列举具体律条，并给出对应现行法条款与差异。

- 文章提出：基于大语言模型的智能体系统存在“权限—验证差距”，即授予智能体操作权限快于独立验证其实际行为。 - 该差距被用于统一解释身份欺骗、能力捕获和流程漂移等失败。 - 当前智能体AI信任研究分为五条轨道：安全与对齐、安全与鲁棒性、可靠性、治理/公平/监管、评估与可复现性。 - 安全与对齐工作在模型层提升对齐或约束流程，但不提升系统事后确认轨迹是否合规的能力。 - 安全与鲁棒性研究覆盖提示注入、工具选择攻击、多模态网页智能体、多智能体系统、导航智能体等攻击面。 - 可靠性研究关注级联失败、动态环境、执行不一致、涌现行为和可靠性机制资源成本。 - 治理/公平/监管研究关注社会技术维度、法律规制、自主性模糊边界、公平作为动态涌现属性。 - 评估与可复现性研究指出固定基准无法捕捉智能体开放式、概率性、系统级交互行为，需要生命周期评估。 - 定义：Authority是系统允许智能体执行的状态改变操作；Verifiability是独立于智能体自述确认其实际行为的能力；gap=Auth-Ver。 - 该差距不是单纯最小权限问题，因为动作空间不可预先枚举、授权制品由被授权模型读取、审计成本随轨迹长度增长。 - 三个经验支持：身份被委托但不自证；工具选择可被注入文档捕获；流程仅作提示上下文时未被强制执行。 - 提出三层框架：Model（能力与倾向）、Orchestration（身份、权限、能力、流程）、Ecosystem（多智能体动态、级联、监管）。 - 各层盲点：模型层只能增加信心不能产生证据；编排层身份被断言而非证明、工具选择可被捕获、任务授权与执行未分离；生态层有框架但缺工具化证据。 - 五项设计原则：授予任务所需最小权限；将可验证性作为能力前提；不接受身份作为证据；评估轨迹而非快照；将监管接口设计进系统。 - 三个可检验预测：可验证性而非能力是约束；点防御会饱和；归因需要轨迹证据。 - 开放问题：如何度量可验证性；跨层基准应是什么样；如何沿轨迹分配责任。 - 局限：本文为Perspective，提出概念框架并从文献推导设计原则，未报告新实验，未测量该差距。

- 文档为 V1.0 量子计算与量子加密原理演示讲义。 - 讲义包含原理讲解、Python 源代码和真实运行输出。 - 配套文件为量子计算与量子加密_原理演示.py 和量子原理演示_运行输出.txt。 - 运行环境为 Python 3.12，仅使用 math、cmath、random、unicodedata 标准库。 - 随机种子固定为 20261005，同一代码输出一致，统计规律不依赖特定样本。 - 程序覆盖量子比特、量子门、测量、干涉、纠缠与贝尔不等式、不可克隆定理、Shor 引擎、BB84 单步与全流程。 - 量子比特用复振幅向量表示，n 个比特需要 2ⁿ 个振幅。 - 量子门被实现为酉矩阵，测量按 |振幅|² 抽样并产生坍缩。 - 干涉演示显示相位差可转化为概率差，φ = π 时结果全部落到 |1⟩。 - 纠缠演示给出 CHSH 量 2.8284，普通乘积态为 1.4142。 - 不可克隆演示显示线性性复制态与真正 |+⟩|+⟩ 内积为 0.7071，保真度为 0.5000。 - Shor 演示用 QN = 15、QA = 2 跑出周期 4，得到 15 = 3 × 5。 - BB84 单步显示基相同正确率为 1.0000，基不同正确率为 0.5053。 - BB84 全流程显示窃听者拦截比例 p 越高，实测 QBER 越接近 p/4。 - 当 Eve 拦截比例为 0.50 或 1.00 时，实测 QBER 分别约为 0.1258 和 0.2522。 - 附录 A 提供完整源代码，附录 B 提供未删改的完整运行输出。

• 核心观点：数学符号可理解为循环简写，库函数并行执行不改变逻辑本体。 • 代码仅使用循环、条件与累加器，所有示例实际运行且与手算结果一致。 • 标量、向量、矩阵、张量分别对应变量、列表、嵌套列表、多层嵌套列表。 • 数学索引通常从1开始，代码索引从0开始。 • Σ 对应累加循环，∏ 对应连乘循环，Σ 的层数对应循环嵌套层数。 • 哑变量对应循环中消失的求和变量，矩阵乘中消失下标即被累加。 • 点积用累加器初值0，连乘用初值1，max用-inf，min用+inf。 • 逐元素运算用同下标操作但不累加，卷积用四层循环表达双重Σ。 • ReLU 可用指示函数或掩码表达，max池化同时记录max值和argmax位置。 • Softmax 分三段循环：找最大值、计算exp并累加分母、归一化。 • 交叉熵按 y_k ln p_k 循环累加，one-hot可简化但逻辑仍是循环。 • 期望、均值、方差均通过加权累加或两遍循环计算，方差先求均值。 • 条件求和可用if判断，也可用指示函数乘0或乘1实现。 • 反向传播全部用循环实现，包含链式法则、外积、求和、散射、掩码。 • 权重梯度属于gather，每个输出使用独立累加器；输入梯度属于scatter，需先清零。 • 数值梯度用中心差分扰动权重验证反向传播结果。 • 参数更新按逐元素循环执行 W -= lr * dW 和 bias -= lr * db。 • 代码需明确轴、shape、嵌套结构和展平地址公式。 • 总表关系：Σ为循环累加，矩阵乘为嵌套累加，卷积为下标偏移累加，argmax需记位置。

- 文档演示一个输入6×6、卷积3×3、ReLU、MaxPool、Flatten、全连接4→3、Softmax、交叉熵的CNN完整训练过程。 - 标签为第1类，初始预测第3类概率最高，学习率为0.1，交叉熵损失为1.1803。 - 前向得到logits [0.85, 0.2, 1.4]、概率 [0.3072, 0.1604, 0.5324]，并保存ReLU掩码与MaxPool argmax。 - 反向从dz = p − y开始，计算全连接、池化路由、ReLU掩码、卷积权重、偏置和输入梯度。 - MaxPool使16个卷积输出中只有4个拿到梯度，体现ReLU死区与池化路由造成的梯度稀疏。 - SGD更新卷积核、偏置和全连接参数后，正确类概率升至0.9412，损失降至0.0606。 - 学习率从0.05到0.5时，更新后正确类概率提高、损失降低。 - 数值微分与反向传播梯度在多个参数上吻合到1e−6，验证前向、反向和链式法则正确。 - 文中列出公式清单与易错点：形状计算、卷积视角核翻转、梯度稀疏，并提到调大batch或改用平均池化、LeakyReLU。