Reading Evidence — YYYY-MM-DD
Real context: Task: locate information / follow an argument / build stamina / synthesise sources Completion standard: Time limit:
其中 Task(任务类型)不是自由发挥,而是与 [阅读训练篇](https://gitcode.com/GitHub_Trending/en/up/blob/aeab7ff8e297a6772908f546f41cb05d40b482ee/docs/en/threads/part-1/4-reading.md?utm_source=gitcode_repo_files) 中的“按任务选材料”表格一一对应:
| 任务类型 | 材料条件 | 完成证据 |
| --- | --- | --- |
| Locate information(定位信息) | 通知、说明、短报告或带明确问题的文档 | 在原文中标记答案,并给出支撑它的那一行 |
| Follow an argument(跟随论证) | 有结构的评论、报告或技术解释 | 画出主张、理由、证据与限制 |
| Build stamina(建立耐力) | 小说、传记或长篇非虚构,计划连读七天 | 记录阅读时长、章节主旨与一次延迟复述 |
| Synthesise sources(综合来源) | 同一主题下 2–3 篇不同作者/立场的文本 | 写一页对比,区分事实、推断与判断 |
写清 “Real context”(本次真实场景)与 “Completion standard”(完成标准)的意义在于:阅读不是越难越好。训练篇指出,“材料不会因为更难而更有价值”,应该先命名任务,再选择能在可用时间内读完的主材料,以及一份同主题的平行材料。主材料训练方法,平行材料检验迁移。
## 三、第 2 步:记录来源与版本——为可复现留底
| Item | Notes |
| --- | --- |
| Author, title, and link(作者、标题与链接) | |
| Edition, publication date, or chapter(版本、出版日期或章节) | |
| Access date(访问日期) | |
| Length and reading time(文本长度与阅读时长) | |
| Author position or conflict of interest(作者立场或利益关系) | |
| Quotation, image, and copyright boundary(引用、图片与版权边界) | |
这一步对应训练篇的提醒:**网页会改版、变成付费内容或直接消失**。因此应保存足够重建来源的引用信息,而不是未经许可复制整篇文章。注意其中两项最容易被忽略:
- **Length and reading time**:为后续比较“首读速度变化”提供基准,也是判断难度的量化锚点;
- **Author position or conflict of interest**:先识别作者的立场与利益,第 4 步重建“作者主张”时才能避免把立场当成中立的陈述。
“Author, title, and link”一栏在仓库体系中被视为**入口点而非排名或赞助承诺**——训练篇明确说明,书单与公众号清单只是“entry points, not rankings, sponsorships, or promises of permanent availability”,记录链接不等于背书,也不等于承诺它永远可访问。
## 四、第 3 步:首读证据——先读完全程,再查任何东西
```markdown
One-sentence gist:
Order of the article or chapter:
Three details remembered after the first pass:
Words or sentences that truly blocked meaning:
First-pass time:
这一节的铁律是:完成首读之后,再查词或看解释。 训练篇把一次完整阅读通道(A Complete Reading Pass)定义为五个动作:限时首读并写一句话主旨 → 标注每段功能与真正阻断理解的句子 → 核验高频、领域关键或论证关键项并记录来源 → 合上词典用五句话重建结构并写一个受支持的推断 → 一周后用平行文本检验迁移。卡片第 3 步正是这条通道前两个动作的落纸版本。
关于生词,卡片给出一个重要诊断学观点:未知词数量只用于判断材料难度,不直接代表你的能力等级(“Unknown-word count diagnoses material difficulty; it does not directly set a proficiency level.”)。如果几乎每句话都被阻断,正确做法不是硬啃,而是先降级到更简单的平行材料——训练篇的原话是:“Lowering the entry point does not lower the destination.”(降低入口不等于降低终点。)
五、第 4 步:重建主张与证据——把“作者说了什么”和“我是否同意”分开
| Paragraph/page | Function | Author claim | Evidence or example | Limitation or question |
|---|---|---|---|---|
这是整张卡片信息密度最高的一步,要求按段落/页码逐行填写四个维度:
- Function(段落功能):这一段是在引入背景、给出定义、举反例,还是推进论证?
- Author claim(作者主张):作者在这段到底主张什么?
- Evidence or example(证据或例子):支撑该主张的原文证据或例证是哪一条?
- Limitation or question(限制与疑问):这个主张的边界在哪里?你还有什么问题?
卡片在此提出方法论要求:把“作者说了什么”和“我是否同意”分成两个动作来写。对于技术、健康、法律或金融类主张,必须回到可靠的一手来源或合格专业意见,而不是仅凭文章措辞下判断。训练篇在“阅读英文文档”一节补充了技术词的查证顺序:先读定义与示例;仍不理解再搜更清晰的解释(必要时可借助中文资料);同时为可持续阅读选择合适的设备——PDF 太小或不可搜索时,就换阅读器、放大页面或寻找 HTML 版本,不存在“一个设备通吃所有场景”的答案。
六、第 5 步:标记推断边界——把事实、推断和联想分开放
Facts stated directly in the source:
Inference supported by the source:
My own judgment or association:
Evidence still missing:
One example that could disconfirm my current judgment:
这一节处理阅读中最危险的幻觉:把“我认为”误写成“文中说”。五个字段分别对应:
- 原文直接说出的事实:可以在原文中找到对应句子的内容;
- 有原文支持的推断:由证据推导、但没有逐字写出的结论;
- 我自己的判断或联想:完全来自读者本人的经验与联想;
- 仍缺少的证据:诚实承认这条结论的证据缺口;
- 一个可以反驳当前判断的例子:主动寻找能推翻自己的反例。
卡片给出的判定标准非常实用:如果某个结论只能靠情绪、标题或单一案例成立,就把它标为“待验证的假设”,而不是写成事实(“mark it as a hypothesis rather than a fact”)。训练篇在“CEFR Task Goals”中把这种区分能力目标化:B2 阶段要学会理解复杂/专业材料中的论证、证据与立场;C1–C2 阶段则要处理长文本、多风格、隐含信息并综合多个来源——推断边界的清晰程度正是从 B 到 C 的能力分水岭。
七、第 6 步:做一次延迟迁移——用时间戳检验“真的记住了”
| Date | Condition | Output | Score/feedback |
|---|---|---|---|
| Day 1 | Close the source and rebuild the structure in five sentences | Summary and one inference | |
| Days 3–7 | Read a parallel text on a related topic | Gist, evidence, and differences | |
| Day 30 | Use a new topic or real task | One-page report, explanation, or retelling |
迁移测试的设计思路与 Evidence Chain Template(证据链模板) 完全同构:同一个核心动作,在不同时间、不同条件下抽样,从而区分“当下会”“几天后还会”“换到新场景还能用”三个层次。具体节奏为:
- Day 1:合上原文,用五句话重建结构——检验的是“离开视觉刺激后的结构记忆”,输出是一段摘要加一个受支持的推断;
- Days 3–7:读一篇同主题平行文本——检验“方法是否迁移”,输出要包含主旨、证据以及与第一篇的不同点;
- Day 30:换到新主题或真实任务——检验“能力是否稳定可用”,输出可以是报告、解释或口头复述。
打分规则被写死在卡片里:主旨、结构、证据、推断边界、延迟复述五个维度,每项 0–2 分。并强调:读得更快但说不清证据,不算完整进步(“Reading faster without explaining the evidence is not complete progress.”)。训练篇进一步给出了 7/30 天的量化节奏:七天内读四篇同主题短文并保留摘要与第七天复述;三十天内每周一次精读批注与两次限时泛读,并比较速度与摘要准确度;十二周后从单文本走向多来源综合,以带引用的报告、技术评审或模拟考试收尾。这些节奏与 90-Day Action Plan 中的周期管理可互相咬合。
八、第 7 步:用证据决定下一步,而不是靠心情
The skill this material trains best:
The largest barrier it exposed:
One variable to lower or raise next time:
Keep as the main source: yes / no / downgrade to extensive reading
Next parallel source:
Next review date:
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0627
Hy4-previewHy4 preview 是由腾讯混元团队研发的新一代混合专家(MoE)旗舰模型。模型总参数量 770B,每个 token 激活 49B,主干共包含78层,第一层采用标准 FFN,其余 77 层均为 MoE 结构,每层包含 256 个路由专家与 1 个共享专家,每个 token 激活 top-8 路由专家及共享专家。主干之外原生内置 1 层 MTP(总参数量 10B,激活 0.7B)以支持投机解码。Python00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
GLM-5.3-FlashGLM-5.3-Flash (320B-A18B),是GLM-5系列的首个原生多模态模型。320B总参数,能力超过GLM-5.2Jinja00
Spark-X2.5-4BSpark-X2.5-4B 旨在让强大的 AI 更实用、更高效、更易获得。在广泛日常任务中表现强劲,涵盖对话、写作、翻译、推理、编码、工具调用以及智能体工作流,并在同等规模的开源模型中取得领先成绩。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00