Artículo

护肝人

2026-10-03 Runner 难得看一部 Alan Ritchson 在 Reacher 以外的角色。上一次看是他的《狂暴对峙》，不过那部电影多少有一点抽象，几乎没有台词。 这一部《护肝人》的预告片某日推送到B站首页，我就知道资源出来的那一天我就能看到这部电影。没有预期，就是纯娱乐， 因为预告片几乎把故事都讲完了。看罢，还是有一些亮点的：Owen Wilson 饰演的角色从讨厌到共情，非常像他在《洛基》里面的演绎。剧情前部分有一段一对多动作戏，运镜和剪辑风格很像《飞速追杀》，BGM 的加入又让我想起经典的《王牌特工》。另外还有一场非常精彩的（伪）长镜头公路追逐戏，简直就是《突袭2》那场追...

按钮与磁带 · ZH

侠女内莉第一季

2026-10-02 Neagley Season 1 《侠探杰克》第四季季终集播出当天（9月16日），《侠女内莉》第一季全部8集上线，无缝连接。我花了几天时间全部看完，心情仿佛经历了一次过山车。 《侠探杰克》从第一季到第三季，角色 Neagley 一直都有着长短不一的戏份，是主角 Reacher 的重要盟友和伙伴。Neagley 这个角色本身有许多可以开发的故事。在《侠探杰克》第二季中的闪回故事里，观众可以得知 Neagley 隶属 Reacher 治下的宪兵 110 小组的成员，智商在线且执行力超强，是 Reacher 最能打的左右手之一。也许是因为这个队友过于靠谱，多次拯救 Reache...

按钮与磁带 · ZH

迷失在丰富里

2026-10-19 迷失在丰富里 不止是物品，注意力也是同样。我想，我们每天获取的信息早就已经超越了自己所能处理的极限。以前是信息极度匮乏，无法做出好的决策。现在则是反过来，信息极度丰富，远远超出每个人的真实需求，于是同样让人无法做出好的决策。就是说，我们根本没有时间认真处理每一条消息，然后我们也可能根本没有时间为信息做优先级判断，原因是我们的注意力在面对极度丰富的信息时被无限稀释，每一条信息上只能分配到极为稀薄的一点点。 如果你也承认这是个事实，那么我们可以合理推断：因为极大丰富，大家都过着一种极度耗散心力的生活。拥有的东西虽然多，但是每样能分到的关注很少，于是，人能获得的享受也就相应减弱...

按钮与磁带 · ZH

时间是贼

十七岁的那年，我第一次听到《如烟》，还不懂歌词里的意象，只觉得像一篇散文诗，作曲很美，编曲也耐听。转眼已经快过第二个十七岁，这首歌总是冷不丁在脑海里响起，不断循环播放，把我带回过去十七年的各个阶段，听到那时候身边的风铃、水声和虫鸣，闻到泥土和阳光的味道。 前几日翻阅旧文，读到这篇《无题 2017》，开篇写的是高考，再一看日期6月7日，好像一下子又看到被拆掉的学校的操场，还有学校对面的旧址，现在日渐繁华，好似那条村子从来没有出现过，只存在于想象中。那些村民后来都到哪里去了呢？ 生存以上 生活以下 文章的结尾写道： 九年前完全想象不到今天的世界会怎么样，就像现在也想象不到九年后的世界是如何。自己还...

按钮与磁带 · ZH

绝密跟踪

2026-10-25 감시자들 《捕风追影》翻拍的原作《跟踪》的韩国翻拍版。故事大纲基本与《跟踪》和《捕风追影》一致，但每一个翻拍版都加入了各自的特点。这一版《绝密跟踪》有浓郁的韩国电影工业味，例如更好看的主演、更现代更高级的妆造和服装，许多片段的摄影和运镜都让我想起《大叔》《黄海》《柏林》《嫌疑人》等等，专属韩国电影拍法。 导演是曹义锡和金丙书，前者作品大多没有听说过，后者看过一部《与神同行：罪与罚》，不过他是作为摄影而非导演。编剧除了曹义锡以外，还有两个熟悉的名字：游乃海和欧健儿，这两位就是当年2007年原版《跟踪》的编剧，游乃海同时还是原版的导演。 这一版《绝密跟踪》除了把背景放到韩国以...

按钮与磁带 · ZH

Being Proactive

3-2-1: On being proactive, learning to cook, and optimizing for impact over fame Speed is rewarded in life. Decisive.

按钮与磁带 · EN

Luogu-P4755 Beautiful Pair

Luogu-P4755 Beautiful Pair 题意 小 D 有个数列 ${a}$，当一个数对 $(i,j)$（$i \le j$）满足 $a_i$ 和 $a_j$ 的积不大于 $a_i, a_{i+1}, \ldots, a_j$ 中的最大值时，小 D 认为这个数对是美丽的。请你求出美丽的数对的数量。 $1\le n\le{10}^5$，$1\le a_i\le{10}^9$。 编程时的问题 对 ST 表不熟悉！ 更 zz 的是，对 lower_bound 和 upper_bound 理解有问题，来复习一下小学知识：lower_bound 是找到“大于等于”的位置，upper_bound 是“大于”。写这道题的时候找小于某数的位置莫名其妙地用了 lower_bound，更没有 -1，完全是随手写的，半天也没察觉到这里有问题。 综上，我是 zz。 思路 考虑分治（据说这是套路），我们找出一个区间 $[l, r]$ 内的最大值位置 $mid$，然后统计所有跨过 $mid$ 的答案，再递归处理 $[l, mid-1], [mid+1, r]$。假设 $mid$ 左边的数是 $a_i$，右边的数是 $a_j$，根据题目得 $a_i * a_j \le a_{mid}$，即 $a_j \le \lfloor\frac{a_{mid}}{a_i}\rfloor$。那么我们枚举 $a_i

ChungZH 的小窝 · ZH

初等数论入门

我也不知道这是从哪本书上抠来的？ 整除 定义 1：如果 $a$ 和 $b$ 为整数且 $a \ne 0$，我们说 $a$ 整除 $b$ 是指存在整数 $c$ 使得 $b=ac$。如果 $a$ 整除 $b$，我们还称 $a$ 是 $b$ 的一个因子，且称 $b$ 是 $a$ 的倍数。 如果 $a$ 整除 $b$，则将其记为 $a \mid b$，如果 $a$ 不能整除 $b$，则记其为 $a \nmid b$。 定理 1：如果 $a, b$ 和 $c$ 是整数，且 $a \mid b, b \mid c$，则 $a \mid c$。 定理 2：如果 $a, b, m$ 和 $n$ 为整数，且 $c \mid a, c \mid b$，则 $c \mid (ma+nb)$。

ChungZH 的小窝 · ZH

CF-559C Gerald and Giant Chess

CF-559C Gerald and Giant Chess / AtCoder DP-Y Grid 2 给定一个 $H*W$ 的棋盘，棋盘上只有 $N$ 个格子是黑色的，其他格子都是白色的。在棋盘左上角有一个卒，每一步可以向右或者向下移动一格，并且不能移动到黑色格子中。求这个卒从左上角移动到右下角，一共有多少种可能的路线。 $(1 ≤ h, w ≤ 105, 1 ≤ n ≤ 2000)$ $O(hw)$ 的暴力 DP 很好想，但是过不了。 假设没有障碍，从 $(1, 1)$ 到 $(i, j)$ 的方案数是 $C_{i+j-2}^{i-1}$（等于 $C_{i+j-2}^{j-1}$）。可以这么理解：可以用 $D, R$ 来表示一条路径，那么从 $(1, 1)$ 到 $(i, j)$ 的路径中有 $i-1$ 个 $D$ 和 $j-1$ 个 $R$。于是问题转化为从 $i+j-2$ 个位置中选 $i-1$ 个放 $D$ 的方案数。 如果有一个障碍，从正面统计方案数很困难，正难则反，考虑将总的方案数减去经过障碍的方案数。假设障碍的位置是 $(x, y)$，终点是 $(h, w)$，经过障碍的方案数就是 $C_{x+y-2}^{x-1} * C_{h-x+w-y}^{h-x}$（乘法原理）。

ChungZH 的小窝 · ZH

网络流题集

最大流 Luogu-P1231 教辅的组成 三倍经验： Luogu-P1402 酒店之王 / Luogu-P2891 [USACO07OPEN] Dining G 一眼丁真建图：S->练习册->书->答案->T 然而是错的。很明显，书有可能被多次匹配，与题意不符。 正确的建图：S->练习册->书（拆点）->答案->T 为什么中间层的书要拆点呢？因为一本书不能被重复选用。我们的目的是保证一本书流出的流量只能是 $1$。所以我们把每个代表书的点拆成两个点，左边的点和练习册连边，右边的点和答案连边；左右对应点之间也要连一条容量为 $1$ 的边。 Luogu-P2764 最小路径覆盖问题 定理：最小路径覆盖数=$|G|$-二分图最大匹配数 首先我们假设现在原图内每个点都是一条路径，此时最少路径数为 $n$。 考虑合并路径，当且仅当两条路径首尾相连的时候可以合并。 将点 $x$ 拆成出点 $x$ 和入点 $x+n$，当我们连接 $u, v$ 时，转化为连接 $u, v+n$。将 $S$ 与所有 $u$ 连边，将所有 $u+n$ 与 $T$ 连边。所有边的容量都为 $1$。 在一开始每个点都是一条独立的路径，每次合并将两条路径合并为一条路径，那么最终路径即为点数减去最大匹配数，这样求得的路径覆盖即为最小路径覆盖。 对于输出路径，用 to 记录下一个节点，tag 标记该节点前面是否还有点。 1

ChungZH 的小窝 · ZH

网络流笔记

最大流 概念 容量：$capacity(e)$ 表示一条有向边 $e(u, v)$ 的最大允许的流量。 流量：$flow(e)$ 表示一条有向边 $e(u, v)$ 总容量中已被占用的流量。 剩余流量（残量）：$w(e) = c(e)-f(e)$，表示当前时刻某条有向边 $e(u, v)$ 总流量中未被占用的部分。 反向边：原图中每一条有向边在残量网络中都有对应的反向边，反向边的容量为 $0$，容量的变化与原边相反；『反向边』的概念是相对的，即一条边的反向边的反向边是它本身。 残量网络：在原图的基础之上，添加每条边对应的反向边，并储存每条边的当前流量。残量网络会在算法进行的过程中被修改。 增广路（augmenting path）：残量网络中从源点到汇点的一条路径，增广路上所有边中最小的剩余容量为增广流量。 增广（augmenting）：在残量网络中寻找一条增广路，并将增广路上所有边的流量加上增广流量的过程。 层次：$level(u)$ 表示节点 $u$ 在层次图中与源点的距离。 层次图：在原残量网络中按照每个节点的层次来分层，只保留相邻两层的节点的图，满载（即流量等于容量）的边不存在于层次图中。 流的三个重要性质： 容量限制：对于每条边，流经该边的流量不得超过该边的容量，即，$f(u,v)\leq c(u,v)$ 斜对称性：每条边的流量与其相反边的流量之和为 0，即 $f(u,v)

ChungZH 的小窝 · ZH

Notes on CS103 Mathematical Foundations of Computing

Notes on CS103: Mathematical Foundations of Computing 🔗link 0.Set Theory and Introduction to Proofs Introduction to Set Theory 势（Cardinality）：反映集合的大小。 定义 $\aleph_0 = |\mathbb{N}|$（可数无穷）。 如果两个集合存在双射，就称这两个集合等势。 自然数集和偶数集是等势的，只需将 n 与 2n 一一对应。 康托定理：$|A| < |\wp(A)|$。 对角线证明法：先假设 $S$ 与它的幂集能一一配对（$s_n$ 配对子集 $A_n$）。构造一个新的子集 $D$，规则是： 对于每一个元素 $s_n$，若 $s_n \not\in A_n$，就把 $s_n$ 放入 $D$。 可以证明 $D$ 一定不在表里。 由于程序的代码一定是字符串，得 $|Programs| \leq |Strings|$。 一个字符串集合可以对应一个判定问题，如给出一个集合 $S = {&ldquo;a&rdquo;, &ldquo;b&rdquo;, &hellip;, &ldquo;z&rdquo;}$，它对应一个问题：给一个字符串，判定是不是一个小写字母。所以，由字符串集合定义的问题，和字符串集合本身，是一一对应的。但是，问题绝不仅有判

ChungZH 的小窝 · ZH

Notes on An Introduction to Statistical Learning with Applications in Python

link 2 Statistical Learning 2.1 什么是统计学习 $Y = f(X) + \epsilon$ $f(X)$ 是我们要用模型去估计的目标。随机噪声（误差项 error term） $\epsilon$ 是不可约误差。 预测 Prediction：只关心预测的准确度，不关心过程，模型可以是黑箱 推断 Inference：关心为什么，理解变量与结果之间的关联性 Parametric Method：先假设模型，再拟合（训练）模型 模型假设可能不符。如果用更灵活的模型，引入更多参数，可能会导致过拟合 overfitting，把噪声也学习了。 Non-Parametric Method：避免了预设模型严重不符的情况。但是需要更多数据。 准确性与模型可解释性之间的 Trade-off。 监督学习与无监督学习。 无监督学习没有对应的响应变量。我们可以对观测进行聚类分析 cluster analysis，判断各观测可否划分成若干个相对独立的组。 如果只有两个变量，观察平面散点图就能识别聚类。但如果有 $p$ 个变量，不同的散点图就有 $p(p-1)/2$ 幅，需要自动化的聚类方法。 变量可以分为定量的和定性的。输出定量变量的叫做回归 Regression，输出定性变量的叫做分类 Classification。基于此选择统计学习的方法。不过输入变量的类型不太重要。 2.2

ChungZH 的小窝 · ZH

机器学习周志华笔记

3. 线性模型 3.2 线性回归 $y=\omega^Tx+b$ 对数线性回归 $\ln y =\omega^Tx+b$。对数函数将线性回归模型预测值和真实标记联系起来。一般地，考虑单调可微函数 $g()$，令 $y=g^{-1}(\omega^Tx+b)$，这样得到的模型称为 GLM，$g()$ 称为联系函数。（$g(\mu)$ 将 $\mu$ 掰到无约束实数轴上以让线性模型去拟合，它不连接 $y$ 本身，连的是 $E(y)$） 3.3 对数几率回归 logistic regression 应对分类任务，输出标记 $y\in{0, 1}$，把线性回归模型产生的预测值转化为 0/1 值。所以用对数几率函数：$y=\frac{1}{1+e^{-z}}$ 是一种 sigmoid 函数（S 形）。 代入得出 $y=\frac{1}{1+e^{-(\omega^Tx+b)}}$，变形 $\ln\frac{y}{1-y}=\omega^Tx+b$。将 $y$ 视为 $x$ 作为正例的可能性，与反例的比值 $\frac{y}{1-y}$ 称为几率（odds）。取对数得到对数几率 logit。由此看出实际上是用线性回归模型的预测结果去逼近真实标记的对数几率，得名 logistic regression（并不是逻辑的意思）。 有 $p(y=1|x) = \frac{e^{\omega^T x+b}

ChungZH 的小窝 · ZH

读书小结十七

德里納河之橋 作者是南斯拉夫作家伊沃·安德里奇，诺贝尔文学奖获奖作品。 历史长篇小说，从德里纳河之桥的建造过程到延续历史，跨越几百年的时光。在小说里桥是永恒的象征，见证了不同国家的兴衰、不同的民族的冲突迁徙，以及河两岸一代代居民的悲欢离合。

渚碧 · ZH

养花草

春日终于来了，天气好极了，到处都开着烂漫的花，连带着我种点花草的心也迫切了。 前房主留下的大花盆一直闲置着，冬天便想好要种辣椒，既可观赏亦可食用，但从老家走时却忘了带辣椒种子。从菜场买一根辣椒大概也可以，还没来得及试验。

渚碧 · ZH

读书小结十八

即使以最微弱的光 女性作家小说里的主人公，几乎都是女性。在这本短篇集的七个故事中，毫无例外，主角也都是女性。 小说主题围绕家庭、朋友和职场关系，主角有很多共性，都是含着悲伤的女性，性格上更偏隐忍和讨好，但小说的走向是主角与自己的和解。每个故事里，女人多是受害者，而出现的父亲与丈夫都是残忍暴力的形象。

渚碧 · ZH

认识身边的植物

日常所见的花花草草，如果没有贴铭牌，几乎不认识。今天才想起或者说有兴致拍张照问问AI。拍下的第一张照片便是楼下的杜鹃花。 在河边的树下挖土时，再次有了探索的欲望，于是又拍下一些遇见的花草。

渚碧 · ZH

凭感觉炒股

四月上证指数又涨上了4100点，在感觉买什么都可以赚的行情里，我却是亏损的。重仓股比亚迪画了一个左高右低的”W“，虽然做T降了一点成本，相比股价的下跌不值一提。工业富联在中段一日买卖，完全不知它正处于上升中的热门赛道，错过一波行情。老凤祥全仓做T卖飞，亏损一个多点，因为在这支股上赚过一点钱，总是对它抱有幻想，但欠缺纪律性，在没降到预期价格时又建仓了，结果当然是继续亏损。

渚碧 · ZH

静待植物生长

第一天埋下种子，第二天就希望它发芽，这种不切实际的盼望，是否是每个初侍花草之人的必经之路呢？ 植物有自己的规律，即便每日殷勤探望，它也不会回应你的期待，只会在土里默默生根，等时间一到，自然会破土而出，冒出那代表着生命也不负你期望的绿芽。

渚碧 · ZH

读书小结十九

The Sorrow of War 以越南战争为背景的意识流反战小说，主人公是参加越南战争并幸存的士兵Kien。战争结束了，但战争的创伤却永远无法修复，Kien一直饱受折磨和痛苦，选择把自己的经历诉诸文字。故事在现实与回忆、战争与日常中交织叙述，战争的残酷不仅是身边的队友一个接一个死去，也摧毁了Kien和Phuong青梅竹马的爱情——这段在参战第一天发生，让Kien的理想破灭，影响其一生的悲剧，在小说的最后才逐渐显现。

渚碧 · ZH

免费音乐的破解之道

听歌用了很多年的Spotify，加入过不同的家庭车，随着最后一班车的解散，懒得去寻新车，也不想自己开车，于是顺势转用免费的Youtube Music。 使用Youtube Music有三种途径——网页版、官方App和三方App，但哪一种都不太令人满意。

渚碧 · ZH

vibeCoding初体验

也许算是较早接触 AI 的那批人。直到 2026 年 2 月——己巳年春节，为完成课程论文，开通了月之暗面的高级订阅计划，并把终端放在 dock 栏底部，再把 Safari 归档后，才真正开始把 AI 高强度融入生活，希望还来得及。 不知在何处看到一句话，“善用 AI 能解决工作生活一半问题。”现在论证还为时尚早，不过在为论文焦头烂额的时候，人工智能确实成为了一根救命稻草，而后经过老师验证，效果拔群。还观察到一个现象，班里同学不论各行各业，或多或少都在论文编写过程中使用了 AI ，我也很高兴能把自己使用 AI 的经验作了 分享 。不过听说近来火爆的 openclaw 面临巨大的算力消耗，也许此时此刻还不是一个最好的体验窗口。 Kimi Code 订阅里有一些调用额度，本着不浪费的原则，使用 vibe coding 又造了一个健身记录的轮子，不同于以往，这次没有一句是古法编程，而是完整的自然语言转化，整个流程非常丝滑。 「这是一款专为小米手环用户打造的免费运动数据可视化工具。将 Zepp Life 导出的运动记录转化为 GitHub 风格的热力图，直观展示运动频率与强度。支持拳击、跑步、自由活动等多种运动类型的高亮显示，数据云端存储，支持 PWA 多设备同步，随时随地查看你的运动轨迹。」 我是一个半吊子计算机专业毕业生，离开编码环境大概有五年以上。这一次，从萌生想法到完全落地可使用，

双绞麻痹 · ZH

三分之二的时间

【注：本文后半段存在 AI 生成内容】 在各个设备上统一使用 24 小时制。 恰如其分地便将一天划为可支配、工作和睡眠三大部分。那么是不是只要在可支配和睡眠时间里尽量表现好一些，即可显得工作带来的痛觉不会那么突兀？ 这是我最近，身体力行的事。 笑谈，还是所谓的「学生思维」太重：在谈话中，我把工作比喻为上学，一个年级一个学段不断完成任 务，也许终将「毕业」。作为「面包体」 INFJ 的高敏人群，那些恶心的人和事常常在不经意间摧毁我整个系统。不过近来，似乎是有所好转。理论上是要归因于较为充足的睡眠和相对充实的自选活动。 熬夜似已成为习惯，睡眠也向来糟糕，每天都须佩戴耳塞入睡。但比前些年要好：通过量化的数据来看，日均深睡能达到一个小时。把早睡「挂在嘴上」之后，终是起到一些作用。这篇文章的得来，部分也得归功于昨夜（ 3.18 ） 23 时之前就躺在床上，带来的充盈的醒来。总得来看，睡好的性价比很高。 关于工作，在此不表。但至少能保证自选活动顺利开展的时间。关于自选活动，于我这类人而言，无非也就是运动和书影音游，和「不可或缺」。至于熵增熵减，尽力就好。不过倒数日开头已经从 5 变为了 4 ，是时候增加另一项自选活动了。 预期寿命 据信 已经来到 79.25 岁，那便真的只剩下不到三分之二的时间。幼年时常说想要快快长大，如今真的长大后却会在生日那天感到不安，抑或又常常让身边人拔掉自己的白发。近

双绞麻痹 · ZH