NNotes · 笔记

把每一次尝试，沉淀成文字。

短篇思考与长文复盘——研究方法、工程实践、产品判断和行动哲学。按真实节奏更新，不为频率造内容。

把 AI 演示做成交付产品，最难的不是调用模型

让 AI 生成一页漂亮的课件素材，十分钟就能演示；让一条生产线稳定吐出"拿去就能上课"的完整交付包，我们用了整个夏天。

骨架识别的精度刷到 97% 之后，我发现自己回答的是一个被裁剪过的问题——真实视频从来不会告诉你动作从哪一秒开始。

论文在审、第三个研究方向卡在实验、产品项目在冲刺、游泳卡还有三个月到期——这篇不提供时间管理方法论，只提供一份真实的排班表和它背后的取舍。

第一篇论文审稿五个月，等来的是拒稿。第二篇从立项那天起就换了打法——这篇写的是两篇论文之间，我对"完成"这个词的重新理解。

它不是"想到就冲"的热血，恰恰相反——它是一套对抗热血的流程：把模糊冲动降温成可验证的动作，让失败也产生信息。

不等待准备好才开始。把模糊的感受收敛成一个可验证的具体问题，再做出最小版本。证据比直觉更可靠。

一阶段方法（如 ActionFormer）不只是更快。它把 proposal 和 classification 统一在一个 Transformer 里，带来的是端到端梯度流动和更简洁的评估闭环。

Kinect v2.0 多模态采集系统看起来是工程活，但它决定了实验的可复现性。没有稳定的数据，再好的方法也只是空中楼阁。

现实世界的动作是开放且长尾的。封闭类别训练在 lab 表现再好，遇到未见类别也会失效。VLM 给了一条新路。