MDP 第一章讲解动画 · 零基础可理解性审核日志
历史记录更正:前面各轮记录保留执行历史,不代表当前内容全部正确;第 14 节的网格步数、奖励口径和回报结论存在错误,当前修正与验收以第 15 节为准。
审核对象:全部 9 幕的画面文字、SVG、CUES 配音轨、播放器控制栏。审核方法:用 Node 脚本统计语速、字号、时间标记,再逐幕人工核对画面与台词。第一轮修改后时间轴从 843s / 76 句变为 1341.4s / 115 句(新增 39 句白话解释与过渡句),全部绝对秒标记已由脚本统一平移;第二轮扩充 05 / 06 两个算例后为 1402.2s / 123 句(第 8–10 节)。
1. 术语门槛
- 问题:封面就出现“序贯决策”“状态”“MDP”“轨迹的期望折扣回报”,都没有解释。
修改:封面 lead 加括注;新增 gloss 条(轨迹 / 回报 / 折扣 / 期望),并加 3 句配音(c1b、c1c、c4a);补“奖励”的打分类比(c2a)和“下棋”类比(c3a)。
效果:第一屏就把后面要用的 6 个词讲清楚。
- 问题:幕 2 的“策略”“贪心”“动态规划”“TD”在首次出现时没有定义。
修改:cmp-grid 下方加 ch-gloss(策略 / 贪心);配音 c9a、c9b;挑战 3 改为“TD(时序差分)”。
效果:看挑战卡之前就知道“策略”是什么。
- 问题:幕 3 的“马尔可夫链”“归一化”没有白话解释。
修改:chain-col 顶部加 gloss;配音 c15a、c19a(各去向概率加起来正好是 1)。
- 问题:幕 4 的条件概率式、竖线、下标 t、∏、π、“充分统计量”“联合分布”“维度爆炸”都没有读法。
修改:mk-formula 加读法行 mk-t;mm-t 两行解释联合分布与 ∏ / π;suff 加“白话|天气预报”类比;“衡”卡加维度爆炸白话;配音 c23a、c23b、c25a、c26a、c26b、c30a。
- 问题:幕 5 的“形式化”、s′、Pr、E、“有界”没有解释。
修改:P / R / γ 卡片各加 .plain 白话行;配音 c31a、c37a、c40a、c42a。
- 问题:幕 6 的 π(a|s) 只给了符号。
修改:Agent 框下加“读作:在状态 s 下选动作 a 的概率”;配音 c49a 给出“0.6 ≈ 十次六次”的类比。
- 问题:幕 7 的“有模型 / 无模型”、Q-learning 只有名字。
修改:tuple-foot 加“(已知 P、R)/(P、R 未知)”并加白话行;配音 c66a。
2. 逻辑连贯性
- 问题:五步主线只在小结里出现,中间各幕之间没有过渡句,是跳着讲的。
修改:封面 chips 改为 ①–⑤ 主线;幕 2–8(含 demo 层)右上角加 roadmap(done / cur 状态);每幕末尾加过渡句 c13a、c21a、c30b、c47b、c59a、c66b,同时高亮 roadmap 的下一项。
效果:在每个关键节点都显式重申主线,并告诉观众下一步要讲什么。
- 问题:kicker 编号和幕序不一致,有的幕没有编号。
修改:幕 2–8 的 kicker 统一为“02 ·”到“08 ·”。
- 问题:小结里的 sum-final 和五步主线说法不一致。
修改:改为“序贯决策 → 马尔可夫链 → 马尔可夫性 → MDP 五元组 → 交互闭环 → 交给 RL 求解”;804.4 句同步改为五步说法,并加 c71a。
3. 示例与数值自洽性(第一轮记录,其中 05 / 06 的算例已在第二轮重做,见第 8–10 节)
- 核对:P 矩阵每行和都是 1(a₁:0.2+0.8、0+1;a₂:0.9+0.1、0.3+0.7);电价链每行和也都是 1。结论:一致。(上面括号里的数值是第一轮的两动作版本,已作废;现行数值见第 8 节。)
- 问题:R(低,工作) = −1.8 用到“工作后仍低 −2、变足 0”,但画面没有给出奖励规则;r-why 和配音的口径不一致。
修改:card③ 加 2×2 奖励规则 r-rule(−2 / 0 / +1 / 0),删除 r-why,新增 r-alt“R(低,充电) = 0.8×(+1) + 0.2×0 = +0.8”;配音 c44a、c44b、c46a。card② 的“下方”改为“右侧”。
效果:−1.8、+0.8、后面的 +1 都出自同一套规则。
- 问题:策略从 0.6 调到 0.7 只给了结果,没讲为什么上调、为什么是 0.1。
修改:pu-calc 给出旧策略的一步平均“0.6×0.8 + 0.4×(−1.8) = −0.24”;pu-note 写明“+1 > −0.24 所以上调”,并说明学习率、示意步长 +0.1、低于平均时下调;622.8 / 638 句同步改写;配音 c57a、c57b、c58a。
效果:因果链完整,奖励方向和调整方向一致。
- 问题:幕 4 的 mm-eq 联合分布式少了初始项和括号。
修改:改为 P(s₀) · ∏ₜ [ π(aₜ|sₜ) · P(sₜ₊₁|sₜ,aₜ) ]。
- 核对:γ = 0.9 折现链 1 → 0.9 → 0.81 与配音一致;gs-note 改为在 c47a 出现。
4. 配音与字幕覆盖度
- 问题:标题副句、gloss、ch-gloss、图例、mk-t、mm-t、各 .plain、r-rule、r-alt、pu-calc、pu-note、Agent 读法、tuple-foot 括注、sum-final 末项等可见文字没有台词覆盖。
修改:每处都加了对应台词(共 39 句),元素入场时间绑定到对应台词的起点。
- 语速:原有台词最高 3.59 units/s(片尾一句)。新台词按 3.1 units/s 留出时长(最短 3.6s)。修改后全片最高 3.59,都 ≤ 3.7。计数规则:汉字记 1,英文词记 2,数字串记 1,t 和 say 取较大值。
5. 时间轴与音画同步
- 问题:幕 3 的 7 个概率标签同时出现,早于配音读到对应的那一项。
修改:按配音读到各项的时刻错开入场。
- 问题:suff、衡 note、P / R / γ 卡片、mx-card 的高亮在白话句开始前就结束了。
修改:data-hl 的终点延到对应白话台词结束。
- 平移规则:新台词插在原句之后、下一句之前;插入点之后的所有 data-in、data-hl、data-draw、data-flow 起点,以及幕 data-start / data-duration、CUES 的 s / e 统一后移;hl 终点只在 ≥ 下一句起点时才平移。
- 核对:cueAt 已有 2ms 容差;sceneCueStart 返回首句 s + 0.01;拖到句首能正常触发朗读。结论:无需修改。
6. 视觉可读性
- 问题:--text-light #7f8c8d 在浅底上对比度不足。
修改:改为 #5f6e78;SVG 副标题与 dc-note 等统一用 #5f6e78。
- 问题:.mat-t 9.6px、.mgrid .mh 9px、.matrix th 10.4px、.tp .ds 10.6px、.mk-mini .mm-k 10.5px,以及 SVG 内 9.5–10.5 号文字太小。
修改:全部上调到 ≥ 10.5px(正文 ≥ 11px,只有下标和矩阵表头为 10.5px);棋盘 s₀–s₃ 改为 12 号;电价节点副标题改为 11.5 号;闭环图下标 t / t+1 由 9.5 改为 10.5 号。
- 问题:电价链中绿色 / 金色箭头的含义没有说明。
修改:SVG 左下加图例,并配音 c16a。
7. 结构与导航
- 核对:9 个 chip 一一对应 9 幕,数字键 1–9 也是;跳转后定位到该幕首句(首句在幕起点后 0.2–0.6s)。
- 问题:进度条没有 tabindex,也没有 aria 数值;速度按钮和配音按钮的状态读屏软件读不出来。
修改:#track 加 tabindex="0" 和 aria-valuemin / max / now / text,并在 paint() 中实时更新;speedBtn 加 aria-label 并随速度更新;voiceBtn 加 aria-pressed,并在三处同步更新。
- 问题:Safari 没有标准全屏 API;鼠标点按钮后焦点留在按钮上,再按空格会重复触发该按钮。
修改:加 webkit 全屏回退和 webkitfullscreenchange 监听;控制栏在鼠标点击(detail > 0)后让按钮 blur,键盘操作保留焦点。
- 同步:root data-duration、#time、track aria、voiceBtn 句数、DUR 回退值、CUES 注释和分幕注释都已更新为 1341.4s / 22:21 / 115 句。(第二轮扩充两个算例后变为 1402.2s / 23:22 / 123 句,见第 10 节。)
8. 第二轮:05 幕“五元组算例”扩充为三个动作
问题:原算例只有充电 / 工作两个动作,R 只用了一个 2×2 规则表,五元组里的 A 等于只展示了两个元素;而且“工作”与后续闭环里的“放电”叫法不一致,观众无法把两幕的数值对上。
- 动作集统一为三动作:A = { a₁ 充电,a₂ 放电,a₃ 待机 },状态集保持 S = { s₁ 电量低,s₂ 电量足 }。
- 转移矩阵改为“每个动作一个 2×2”,每行和严格为 1:
P(·|s,a₁) = 低[0.2 / 0.8],足[0.1 / 0.9];P(·|s,a₂) = 低[1.00 / 0.00],足[0.3 / 0.7];P(·|s,a₃) = 低[1.00 / 0.00],足[0.05 / 0.95]。
a₂ / a₃ 的首行固定为 1.00 / 0.00(低电量放电、待机都不会给电池充电);足电量行 a₃ 的 0.95 体现“待机时状态几乎不变”的保守策略。
- 奖励规则明确到“下一状态 s′”一级:充电 s′=足 +1、s′=低 0;放电 s′=足 +1(还有余电、任务完成)、s′=低 −2(电量见底、任务中断);待机不论结果 −0.1(时间成本)。注意措辞:放电那行的 +1 对应的是“电没见底”,不是“把电池充上了”。
- 期望奖励由规则乘概率算出,不再直接给结果:R(s₁,a₁) = 0.2×0 + 0.8×(+1) = +0.8;R(s₂,a₁) = 0.1×0 + 0.9×(+1) = +0.9;R(s₁,a₂) = 1.00×(−2) = −2;R(s₂,a₂) = 0.3×(−2) + 0.7×(+1) = +0.1;R(·,a₃) = −0.1。旧版的 R(低,工作) = −1.8、R(低,放电) = −1.7 均已作废。
- 画面新增:card① 加 .act-list 三行动作动机(补电(可能白等)/ 干活换奖励但费电 / 什么都不做只损失时间);card② 由两个矩阵扩为 .mats.three 三个矩阵;card③ 的 r-rule 改为三行;底部 .rline 新增 ④ R 全表(2 行 × 3 列,每个格子就是一个平均值)与 ⑤ γ = 0.9 折现链。
- 配音同步新增 3 句(三动作引入、动作动机、足电量放电的 +0.1),并改写原 P / R 句子为三动作口径;底部 R 全表与 γ 折现句是原有台词,只调整了时间。
- 教学点:同一个“放电”,低电量平均 −2、足电量平均 +0.1 —— 动作好不好要看当前状态。这句同时成为 06 幕计算一步平均的伏笔。
- (第二轮补丁,用户反馈)原 P(·|s₁,a₂) 写成 0.9 / 0.1 —— 电量低时“放电”竟然有一成概率变成电量足,这在物理上不成立:放电只会耗电,不可能给电池充电。已改为 1.00 / 0.00,即“低电量再放电一定还是低”;待机同理(待机不充电,低电量待机也只能留在低)。相应地 R(低,放电) 从 −1.7 改为确定性的 −2,加权平均的教学演示改放到“电量足时放电”那一行(0.3×(−2) + 0.7×(+1) = +0.1);06 幕的一步平均随之从 −0.04 改为 −0.13。
画面同步:a₂ / a₃ 矩阵首行改为 1.00 / 0.00;card② 注释加“电量低时放电、待机都不会充电,不可能变足”;card③ 的算式改为 0.3×(−2) + 0.7×(+1) = +0.1,对照行补上 R(低,放电) = 1.00×(−2) = −2;R 全表 s₁ 行的放电值改为 −2;配音同步改写 5 句(“看放电 a₂”“算一下 R”“正零点一是平均”“对照:电量低时放电”“电量低时充电”)。
- (第三轮补丁,接上一条反馈)数值改对了,措辞仍有歧义:上一版奖励规则写的是“充电变足 +1 / 放电变足 +1 / 仍低 −2”,“放电变足”很容易被读成“放电把电充上了”——这正是用户会追问的地方。已把口径统一为“只看下一状态 s′”:
a₁ 充电「充上 +1 没充上 0」;a₂ 放电「余电够 +1 电见底 −2(任务中断)」;a₃ 待机「不论结果 −0.1(时间成本)」。
卡片标题同步由“③ R:先定规则,再取平均”改为“③ R:奖励只看下一状态”;台词改写为“奖励规则只看下一状态:充上电正一、没充上零;放电后余电够正一、电见底负二;待机不论结果,负零点一。”(3.41 单位/秒,在 841.4–854.0 的 12.6s 窗口内)。
9. 第二轮:06 幕“闭环算例”通俗化
问题:原台词“正好落在 0.8 的那一边”对零基础观众不直观,“那一边”指的是哪个边界没有交代;而且画面上的转盘只有文字描述,没有把“区域 = 结果”这层关系画出来。
- 台词改为转盘类比:“指针落在 0.8 这块就算成功:状态变足、奖励正一;落在 0.2 那块就是没充上,奖励是零。” 把“概率边界”落成“转盘上的两块区域”。
- 画面同步:新增 .wheel-row 两个纯 CSS 转盘(conic-gradient 画扇形 + ::before 画指针),第一次是 π 的 0.6 / 0.3 / 0.1,第二次是 P 的 0.8 / 0.2;右侧文案直接写“0.8 的区域 = 充电成功(r=+1、电量足),0.2 的区域 = 没充上(r=0、仍低)”。做到“嘴里说的”和“眼里看的”是同一件事。
- 闭环图从 4 节点扩为 6 节点,每步都有独立标注与专属台词:① s₁ 电量低 → ② 策略 π 打分(a₁ 0.6 · a₂ 0.3 · a₃ 0.1)→ ③ 转盘抽样 → ④ a₁ 充电 → ⑤ 环境 P、R 再抽一次(0.8 变足 · 0.2 仍低)→ ⑥ s₂ 电量足 r = +1。
- 特别强调“为什么这一步会触发下一步”:
π 只给概率、不给确定答案 所以必须抽一次;
指针停在充电那块 所以执行充电(动作是抽出来的,不是事先定好的);
动作交给环境 所以环境再抽一次;
指针落在 0.8 所以判定成功、发奖励。
- 修正一处字幕与配音相矛盾的地方:原第 92 句字幕说“还不知道环境的规律”,配音却提前说“于是选择充电”(等于提前把答案告诉了观众,还和后面第 93、94 句重复)。已将两者统一为字幕口径。
- pu-calc 同步为三动作口径:0.6×0.8 + 0.3×(−2) + 0.1×(−0.1) = −0.13;π(a₁|s₁) 0.6 → 0.7;剩余的 0.1 从放电匀过来,0.3 → 0.2,待机仍 0.1,三数之和仍为 1。pu-note 补一句“平均主要被放电 0.3×(−2) 拖低”,让“为什么要调低放电”也有交代。
10. 第二轮:两幕数值一致性与校验
- 05 与 06 的 P、R 是同一套数:06 用的 P(·|s₁,a₁) = [0.2, 0.8] 就是 05 中 a₁ 矩阵的第一行;06 用的 R(s₁,a₁) = +0.8、R(s₁,a₂) = −2、R(s₁,a₃) = −0.1 就是 05 中 ④ R 全表的第一行。05 的 dc-note 已加“a₂ / a₃ 首行是 1.00 / 0.00(低电量不可能变足),a₁ 首行的 0.8 / 0.2 下一幕直接用”,把两幕的数值线索显式连起来。
- 语速:新增 8 句按 ≥ 3.1 单位/秒留窗口;校验脚本把数字也逐个计入(0.6 记 2 单位,不再按 1 个数字串计)。全片最高 3.59(片尾第 123 句),幕 5 最高 3.57(第 59 句)、幕 6 最高 3.45(第 102 句),均 ≤ 3.7。
- 时间轴:05 / 06 两幕内部重排,幕边界(618.2+320.4 / 938.6+250.8)保持不变,后续各幕起点由脚本统一平移;总长 1341.4s → 1402.2s(00:00 / 23:22),句数 115 → 123。root data-duration、#time、track aria-valuemax(1402 → 1402.2)、voiceBtn 句数、DUR 回退值、CUES 注释已全部同步。
- 排版修正(浏览器实测发现后修正):三张算例卡底部留白原本相差 117 逻辑px,改为 .demo-card 纵向 flex + .dc-note 自动吸底 + .act-list / .mats 弹性填充,修正后三卡留白完全一致(均为 14.67 逻辑px);矩阵第一列行标签距装饰边框由 3px 增到 8px,消除贴边感。
静态校验结果(第三轮,反馈修正后全量重跑)
- 9 幕首尾连续,起点为 0,终点等于 root 时长 1402.2s(23:22);123 句 CUES 两两不重叠,相邻句间隔均 ≥ 0.4s,每句都落在所属幕内。
- 语速(汉字 1、英文词 2、数字逐字符 1):全片最高 3.59(片尾第 123 句);幕 5 最高 3.57(第 59 句)、幕 6 最高 3.45(第 102 句),均 ≤ 3.7。
- 字幕 t 与配音 say 的数值集合逐句比对(两侧同步归一),完全一致(“负零点一三”= −0.13、“零点八”= 0.8、“八成”= 0.8)。
- 226 个时间属性(data-in / data-hl / data-draw / data-flow)都在所属幕内且不超总时长;没有残留 @p / @q / @n 占位符。
- P 自洽:三个矩阵 6 行,每行和严格等于 1.00;a₂ / a₃ 首行是 1.00 / 0.00,a₁ 首行 0.2 / 0.8。
- R 自洽:rcalc = 0.3×(−2) + 0.7×(+1) = +0.1;R 全表 s₁ = +0.8 / −2 / −0.1,s₂ = +0.9 / +0.1 / −0.1;06 幕一步平均 = −0.13,两幕用的是同一套 P、R。
- 旧数值(−1.7、−0.04、0.4×(−1.8)、−0.24)在画面与台词中已彻底清除(仅 audit-log 作为历史记录保留)。
- 播放器同步:root data-duration、#time(00:00 / 23:22)、track aria-valuemax(1402.2)、voiceBtn 句数(123)、DUR 回退值全部一致。
- 没有外链脚本、样式或图片(只有 SVG 命名空间 w3.org);内联 JS 语法通过;div / section / svg / table / span 五类标签配对完整;#audit-log 带 hidden 与 display:none,不参与渲染。
- 浏览器实测(1440×900 视口):05 层三卡顶部 y 均 147.5、底部 y 均 481.5、高 334.0,完全等高;卡片③ 三行奖励规则各自单行,最长一行余量 79.2px,对照块与卡片内容框齐平但无裁切;三个 P 矩阵顶边同为 192.4、高同为 202.9,列对齐,a₂ / a₃ 首行显示 1.00 / 0.00;算式单行完整,“+0.1” 结果块底色与字号正常;内容最低点 632.4,字幕栏顶边 725.2,间距 92.8px 无遮挡;无横向滚动条、console 无报错。06 层 pu-calc 单行,右侧余量 172.8px。
11. 第四轮:暂停后恢复播放没声音(缺陷修复)
现象:点击暂停,再点播放,画面继续走但配音没了;必须拖一下进度条才有声音。拖动之所以有效,是因为拖拽会走 jump() → stopSpeech() → cancel() + speechGen++ → 重新 speakCue()。
- 根因:原 setPlaying(false) 调用了浏览器原生的 pause()。Chromium 内核在 pause 之后 resume() 往往不再出声,而且被打断的那句的 onend 不触发。于是 activeSpeech 永久非空,drainSpeech() 第一行 `if(activeSpeech) return` 把所有后续句子全部挡掉;narrationTick() 里 `!window.speechSynthesis.paused` 的条件也可能永远为假。表现就是“彻底静音”,而且不会自愈。
- 修法一:暂停不再走原生暂停接口。新增 suspendSpeech() —— 记住当前句(suspendCue)后直接 stopSpeech(true)(cancel + speechGen++,保留 audioStarted 标记,不会误触“需点击解锁”提示)。
- 修法二:新增 resumeSpeech() —— 从 t 所在句重新开口;如果暂停点已经落在该句最后 1.5 秒内、且与下一句间隔 < 1.2 秒,就直接读下一句,避免只重念半句。若 t 落在句间空隙,则清空 suspendCue,交给 narrationTick 在进入下一句时自动开口。
- 修法三:新增 clearNativePause() —— 若 speechSynthesis 仍卡在 paused,先 resume(),仍不解开就 cancel() 强制复位。drainSpeech() 用它替换原来的 `if(paused) return`;narrationTick() 在播放态下每帧也调一次(paused 为 false 时只是一次属性读取,开销可忽略)。
- 代价与取舍:恢复时会从当前句开头重念一次(Web Speech 不提供播放进度,无法从中间续读)。因为暂停时 t 是冻结的,重念与画面仍然对齐;若语音拖慢,narrationTick 的“让位”机制会在画面进入下一句时主动切断。相比“完全没声音”,这个代价可接受。
- 实测(Edge,中文音色 Microsoft Huihui,本机 3 个 zh-CN 音色):播放 3s 时 speaking=true;暂停 1.2s 后 speaking=false、paused=false(旧实现在此为 paused=true,这就是故障源);再播放 2.5s 后 speaking=true 且字幕已换句。第二轮回合同样通过;连点 5 次为奇数切换,正常停在暂停,再点 1 次立即恢复。全程控制台无 not-allowed / voice-unavailable,也未误弹“需点击解锁配音”。
12. 第五轮:06 幕“一步平均”补齐每个数的出处
问题:0.6×0.8 + 0.3×(−2) + 0.1×(−0.1) = −0.13 挤在一行,看不出哪个数是概率、哪个数是奖励,也就看不出它们分别从哪里来。
- 画面改为分项表:表头两列标“概率 π”与“奖励 R”,三行分别写 a₁ 充电 / a₂ 放电 / a₃ 待机,每行给出 概率 × 奖励 = 贡献(+0.48 / −0.60 / −0.01),末行“一步平均(三项相加)= −0.13”。
- 颜色沿用 05 幕的语义:金色 = 策略 π 给的概率(与上方“策略 π 打分”节点同色),绿色正奖、红色负奖(与 R 全表一致)。观众不需要听语音,也能看出哪三个数来自策略、哪三个数来自上一幕的 R 表。
- 三行与合计行按 data-in 1119.4 / 1122.2 / 1124.8 / 1127 依次淡入,跟台词“概率 0.6 乘奖励 0.8,加 0.3 乘负二,加 0.1 乘负零点一,等于负零点一三”的节奏对上。
- 台词微调:“先算旧策略的平均”改为“先算旧策略的期望”,并在第一个乘式里点明“概率 0.6 乘奖励 0.8”,让表头两个词都有念到(43 单位 / 12.6s = 3.41 单位/秒,仍 ≤ 3.7)。
- 排版:初版列宽合计只有 294px,而横线与合计值仍铺到 546.92px 的容器边缘,−0.13 视觉脱队 252.92px。给 .pu-calc 加 width:fit-content,并把列宽放大到 84/60/18/68/18/74(gap 5)——实测表格宽 347px,合计值右边缘与第 6 列右边缘同为 428.00(差 0.00),两条横线也收缩到 347px,不再横贯整行。
实测(1280×720 舞台坐标):六列三行同列偏差 0.00,无换行、无横向溢出;两张 pu-card 等高 250.19;内容最低点 636.38,字幕栏顶边 672.44,间隙 36.06px;console 0 error。
13. 第六轮:04 幕补“四个误区与四种检验”、05 幕补专题笔记 3.3 / 3.4
来源:专题笔记 MDP专题学习笔记.html 的 2.3、3.3、3.4 三节。本文件原本没有 .table-wrap / .rule-grid(只有 .matrix),所以没有硬套不存在的类,而是新建一套 .sup-tbl 表格 + .sup-flow / .sup-case / .sup-warn / .sup-chips / .gw-* 组件,配色沿用 --primary / --accent / --gold,视觉对齐 .matrix 与 .rtab。
- 插入点修正(关键):需求写“第 4 幕在 579.6 之后、第 5 幕在 909.2 之后”,但这两个时刻只是幕内最后一个 data-in,两幕真正的幕尾各还有一句过渡(04 幕 602–618“主线第三步讲完…”,05 幕 924.4–938.4“主线第四步讲完…”)。照字面插整页覆盖层,会把过渡句挤到新内容中间。落地改为插在过渡句之前(04 幕 602.0、05 幕 924.4),并延长这两幕、后续各幕整体平移。
- 时长与契约:04 幕 184.6 → 332.6(+148),05 幕 320.4 → 660.4(+340),总长 1402.2 → 1890.2(31:30),CUES 123 → 167 句,第 6–9 幕起点整体 +488。root data-duration、aria-valuemax / aria-valuetext、#time、voiceBtn 句数、DUR 回退值、CUES 注释共 6 处契约串同步改;179 个 data-in、21 个 data-hl、21 个 data-draw、9 个 data-flow、123 条 cue 由一次性脚本统一 +488(脚本已删,_check.js 可复核)。
- 新增 6 个 .demo-layer(幕内整页覆盖层,靠 data-in 整层淡入、DOM 靠后者覆盖前者):602 四个误区表(错 / 错 / 错 / 半对 + 统计独立 vs 条件独立对照 + “一句话记”)、672 四种检验卡 + 位置/速度经典反例、1072.4 八要素表 + ρ₀ / 时域 / 观测模型三卡、1166.4 4×4 网格世界(16 格、4 动作、0.8/0.1/0.1 打滑、+1 / −1 / −0.01、γ=0.9 十步≈0.35)、1222.4 六问检查表、1308.4 模型边界六行表 + 奖励设计三提醒。
- 配音:新增 44 句,逐句卡在对应行的 data-hl 窗口内;最慢 2.05、最快 3.59 字/秒,全部 ≤3.7;新增区段内 CUES 两两间隔 ≥0.4s,无重叠、不跨幕。
- 两处浏览器兼容修正:① Chromium 对 table-row 的 opacity 不作用于 border-collapse 的共享边框,逐行淡入到一半时会出现“空骨架”(只有格线没有字)。改为 border-collapse:separate + 只画右/下边框(首列补左边框、表头补上边框),视觉与原表格一致,但边框归属单元格;② 把同一时刻的 data-in 也写到该行每个 td 上(29 行 / 90 格),保证整格一起淡入。
- 填充率调整:首版“四种检验”层内容只到 405.5,底部空 228.5;给 .sup-flow / .sup-case 加 .loose 变体(padding 20/21、字号 15/13、行高 1.76)后最低点 561.8。04 幕误区表加 .roomy(td padding 22)、提示条改 .sup-note.key;05 幕要素表 .mid(td 13)、检查表 .tall(td 20)、网格 58 → 82px;边界页 .sup-warn 放大行距。
实测(1280×720 舞台坐标,headless Edge 对 7 个采样点逐个 seek 后量测;634 = 720−86 内容底边,672.4 = 字幕栏顶边):
| 层 data-in | 内容最低点 | 距内容底边 | 距字幕栏 | overflowY / X |
| 602 | 634.0 | 0.0 | 38.4 | 0 / 0 |
| 672 | 561.8 | 72.2 | 110.7 | 0 / 0 |
| 1072.4 | 595.3 | 38.7 | 77.2 | 0 / 0 |
| 1166.4 | 634.0 | 0.0 | 38.4 | 0 / 0 |
| 1222.4 | 564.5 | 69.5 | 107.9 | 0 / 0 |
| 1308.4 | 550.3 | 83.7 | 122.2 | 0 / 0 |
表格排版:五张 .sup-tbl 共 105 个单元格,全部单行(maxLines = 1),scrollWidth = clientWidth;最紧的一格用掉列宽 95.4%(六问表“扩充状态:加速度、SOC、剩余时间、历史窗口;或改用 POMDP”),仍有余量,但不宜再加大字号。所有层距字幕栏 ≥38.4,无溢出、无遮挡。
node _check.js 静态校验(脚本与 _check.txt 留在同目录,可重跑):9 幕首尾连续且终点 = root 1890.2;167 句 CUES 单调、不重叠、间隔 ≥0.3s、不跨幕;每句语速 ≤3.7 单位/秒;312 个时间属性全部落在所属幕内且不越界;补充层内元素不早于层淡入;无 http(s) 链接 / script src / link href / @import / 远程 url();内联 JS 可被 new vm.Script 编译;div / section / table 标签配对;0.8+0.1+0.1=1、0.9^10≈0.3487 与画面 0.35 一致;第 4 / 5 / 8 幕过渡句仍在原位。全部通过。
遗留说明:本节之前各节里的绝对秒数字(例如第 12 节的 1119.4 / 1122.2)都是平移前的旧值,现应整体 +488 折算;新增表格按文字逐行淡入,未出现的行只占位置、不画边框。
14. 第七轮:4×4 网格加一次“算一笔账”(绕远 vs 掉陷阱)
需求:只给了“4×4 网格的例子,要进行一个简单的计算对比”一句。判断:上一层的网格层(1166.4)只把五要素落到格子上,没算过任何数;要“对比”就必须给两条走法各算一次折扣回报,否则对比不成立。
- 插入点:新建第 7 个 .demo-layer,data-in = 1222.4,接在网格层之后、六问检查表层(原 1222.4,现 1292.4)之前。时间轴 1222.4 及之后整体 +70:05 幕 660.4 → 730.4(766.2 → 1496.6),总长 1890.2 → 1960.2(32:40),CUES 167 → 176 句,第 6–9 幕起点与层 1292.4 / 1378.4 / 1598.4 同步后移。契约串同步改 root data-duration、#time、aria-valuemax、voiceBtn 句数、DUR 回退值、CUES 注释共 7 处;119 个 data-in、18 个 data-hl、10 个 data-draw、7 个 data-flow、4 个 data-start、58 条 cue 由一次性脚本统一 +70。
- 算例口径(必须写清,否则数对不上):每走一步奖励 −0.01(含最后一步),到目标额外 +1,掉陷阱额外 −1,γ=0.9,G₀ = Σγᵗrₜ。两条走法都从 s₁ 出发、都先往下到 s₅,然后分叉:① 右转进 s₆ 陷阱(3 步),② 继续向下绕到 s₁₆(6 步)。
- 走法①:步数成本 −0.01×(1+0.9+0.81) = −0.0271,终点奖励 0.9²×(−1) = −0.810,G₀ = −0.8371;走法②:步数成本 −0.01×(1+0.9+0.81+0.729+0.6561+0.59049) = −0.04686,终点奖励 0.9⁵×(+1) = 0.59049,G₀ = +0.5436。净差 1.3807,故画面写“成本只多 0.020、终点多出 1.400、净差 1.381”——三个数各自独立可验,且加起来闭合(1.400 − 0.020 = 1.380 ≈ 1.381,差在小数进位)。
- 版式:三块齐平——左列“奖励与折扣约定”卡 + 4×4 网格(cell 68px,路径格加 .via 绿底)+ 图例;右列两张 .calc-card(左红边=陷阱、左绿边=目标),卡内用 grid-template-columns 70px / 1fr / auto 把“项目—算式—数值”三列对齐;底部 .sup-note.key 结论条钉底。表格类复用 .sup-tbl 的配色与字体,没有新造视觉语言。
- 配音:新增 9 句(1223.2–1292.2),最快 3.53、最慢 2.32 字/秒,全部 ≤3.7;第 5 句给 say 字段,把画面上的“0.81”念成“零点八一”,避免 TTS 读成“零点八一点”。
- 三处踩坑与修正:① .ch 是本文件既有的“章节卡”类(自带 padding、1px 边框、白底),复用到卡片标题上导致卡内出现一块白底方框,改用 .calc-card .ch 逐项覆盖 border / padding / background;② 卡内逐行 data-in 会让卡片先占满高度、内容一格一格补,中间态是两个“空盒子”,改为整卡先出、用 data-hl 在台词对应时刻高亮,观众看到的是“账本 + 高亮指引”而不是空框;③ 卡片用 flex:1 撑满左列时,只剩一张卡会被拉到 460px 高,改为 flex:0 0 auto + .gw-calc 上下 margin:auto 居中。
实测(1280×720 舞台坐标,headless Edge 对 5 个采样点 1228 / 1240 / 1250 / 1270 / 1290 逐个 seek,用 #stage 的 scale 反算):内容最低点均为 634.0,距字幕栏 38.4,overflowY / overflowX 全 0;正文最后一行(结论条)与卡② 底边间距 12px,字幕栏不遮挡任何卡片。
node _check.js 重跑结果:9 幕连续、终点 = root 1960.2;176 句 CUES 单调、不重叠、间隔 ≥0.3s、不跨幕;最大语速 3.59 字/秒(第 176 句);411 个时间属性全部落在所属幕内;9 个补充层的内部元素均不早于层淡入;无外链、内联 JS 可编译、标签配对;0.8+0.1+0.1=1、0.9^10≈0.3487 与画面一致;过渡句(第 4 / 5 / 8 幕)已按新时间轴校验。全部通过。
遗留说明:本节之前各节里的绝对秒数字(例如第 13 节的 1222.4 / 1308.4)都是再平移前的旧值,现应整体 +70 折算;此后若继续在 05 幕插入内容,同样需要重新平移 1222.4 之后的全部时间属性与 CUES。
15. 第八轮:全片内容审核与纠错
范围:全部 9 幕的可见画面、相关 CUES 与播放器时间契约。一次独立代码审核指出上一轮新增算例的实质错误;随后逐项核对并直接修改动画与配套校验脚本。总长仍为 1960.2 秒(32:40),配音仍为 176 句,不扩展为完整值迭代课程。
- 网格纠错:s₁ → s₅ → s₆ 是 2 次移动,不是 3 次;到目标路线是向下 3 格、向右 3 格,共 6 步。统一奖励为非终点步 −0.01、进入目标 +1 或陷阱 −1 并结束,终点奖励替代步数成本。陷阱回报 −0.01 + 0.9 × (−1) = −0.910000;目标回报 −0.040951 + 0.590490 = 0.549539;差为 1.459539,约 1.460。第 14 节的 −0.8371、0.5436 与 1.3807 不再适用。
- 比较对象:保留环境 0.8 / 0.1 / 0.1 的打滑,补越界留原格。计算页仅展示两条已实现轨迹的回报,不把它们当作策略期望,也不由此证明策略最优;策略价值需计入所有打滑分支及后续决策。公式公开说明动作从 t=0 编号、首项奖励不折扣;R 定义、计算页和闭环图统一用动作后的奖励 rₜ。
- 马尔可夫性:经验检验与模型诊断固定状态和动作,比较历史是否还改变下一状态或奖励的分布,而不是比较随机的单次落点。小球反例明确匀速模型;同方向不同速度应说落点不同,不是完全相反。POMDP 的理由是部分可观测;天气云图仅作类比,不再宣称真实预测只需当前云图。
- 建模与求解边界:六问是设计检查表,不是 MDP 的充要条件。连续状态动作仍可构成 MDP;函数逼近是求解方法。平均奖励与动作时长变化的 SMDP 分开解释。无限折扣回报有界补奖励有界与 γ < 1 条件。八对象区分建模五要素与策略、回报、价值;仅有 V 通常还需模型推算动作价值。
- 学习与安全提醒:一步反馈上调策略概率是教学示意,不证明长期更优,也不是完整算法;表中 R 为教学已知值,智能体实际需采样估计。训练未必找到最优解,随意塑形可能改变最优策略;惩罚奖励不保证硬安全。相关字幕与 say 同步,修正条件概率口播中把 s′ 错读为条件的残留。
- 减少动态模式:移除强制所有 data-in 元素可见的规则,未来覆盖层仍按时间隐藏;到时直接出现,关闭平移、缩放、绘线过程、流动点与字幕位移动画,保持教学顺序和字幕。修正进度条初始时间描述的旧 31:30 残留。
- 校验补强:旧脚本只检查补充层自身就退出,且只验无关常量,未发现路径与账本错误。现在按嵌套区块检查全部内部入场时间,核对所属幕;从实际路径重算步数、成本、终点折扣和回报,逐项对照可见数值,检查步数、错误回报与非数值显示三个负例。幕尾采用半开区间,消除片尾入场被误归上一幕的误报;失败退出码为 1。
- 用户指正:状态设计充分:四种检验第一条原写“速度、加速度、剩余时间、历史窗口”。马尔可夫状态的设计目标正是用当前充分量替代历史,把历史窗口塞进状态等于默认当前状态不充分,自相矛盾。改为只举当前物理量,并明确不用历史窗口兜底;对应配音未提及历史窗口,无需改动。
静态实测:node _check.js 通过;9 幕连续、176 句 CUES 不重叠、不跨幕,413 个时间属性位于所属幕,9 个覆盖层内部无提前入场。全片最大估算语速 3.59 单位/秒,低于 3.7。播放器时长、初始时间描述与回退值一致;内联脚本可编译,无远程资源依赖;网格路径重算与三个负例检测通过。
浏览器实测:交互浏览器的截图接口不可用,后由 headless Edge 补测并取得计算页和六问表截图。1440×900 视口、1280×720 舞台,正常与减少动态模式各取 15 个样本(含回跳):650、745、1158、1200、1220、1230、1258、1275、1288、1377、1480、1700、1941、1288、1200。各样本最上层可见正文无横向溢出;未来计算层与检查层按时隐藏,减少动态模式无流动点与内容平移缩放。计算页底注初测曾被字幕遮挡,缩小局部网格与卡片留白后重新验证:1288 秒正文底边 634.00、测得字幕顶边 662.44,间距 28.44;底注距账本 15.34。六问表底边 564.50,距字幕 97.94;更新示意页底边 636.38,距字幕 26.06。计算页、检查表截图复核无裁切或字幕遮挡。
交互与验收局限:配音开关在补测中可关闭,字幕仍保留;进度条指针事件跳到 1280 秒,字幕与第 05 幕导航匹配;倍速 1× → 1.25× → 1.5× 正常,暂停冻结与恢复按钮状态正常。headless 的虚拟时钟没有证实恢复后的持续推进,不能据此证明真实声音恢复;可用中文音色不等于听音通过。本轮未完整听完 176 句配音,不声称所有 TTS 窗口均能读完。语速统计是估算,非音频时长验收;静态与抽样检查也不等于逐帧证明全片无误。