本期组会成员：
博 1： 周书发（返场交流）
硕 3： 李浩铭 → 管明露（请假） → 李山岚（请假）
硕 2： 朱丹晨 → 王硕 → 马婧怡
硕 1： 南迪柯 → 杨瑞豪
大 2： 张恩豪 → 李政杰
本记录由 AI 依据 2026-10-24 组会转录及既有研究档案整理，经导师审查后发布。AI 实操建议与现场指导分开；名单中的“请假”按既定模板表示本期未识别到实质汇报或交流，不据此认定实际到场情况。周书发与张恩豪的关键汇报归属已由导师确认；零散插话保留内部核对标记。
本期讨论 9 位
- 🎯 周书发 — 企业人工智能文本指标与面板样本边界
- 🎯 李浩铭 — 双政策论文的理论落点与网络研究投稿
- 🎯 朱丹晨 — 绿色创新效率的数据口径与零值处理
- 🎯 王硕 — 组态论文转投与供应链韧性测量
- 🎯 马婧怡 — 政策与专利的语义测量及双重差分设计
- 🎯 南迪柯 — 从数字经济文献走向新兴技术研究
- 🎯 杨瑞豪 — AI 辅助实证复现与数据清洗验收
- 🎯 张恩豪 — 专利族去重、抽样主题建模与主题表示
- 🎯 李政杰 — 文献筛选追踪与课程交互实验
一、周书发
企业人工智能文本指标与面板样本边界
📚 研究历程
周书发已完成原硕士阶段培养，本次作为博士阶段返场成员交流，不纳入常规硕士名单。既有训练包括城市创新、文本分析与 fsQCA；2026 年 9 月 16 日返场时，已分享企业人工智能与绿色创新的研究设想，讨论从年报、专利文本识别实际行动，而不是只做关键词计数。本次进一步整理企业年报与专利对应关系，尝试滑动窗口切分和主题建模，并开始面对面板样本筛选带来的代表性问题。由概念测量走到批量实现后，研究需要同时控制文本指标含义与样本进入规则。周书发会主动把计算过程和疑问展开，适合通过小样本标注、样本流失表与理论路径图把几个问题分开验证。
📝 本次（2026-10-24）
本次分享：年报主题指标与上市公司样本选择
- 将企业年报切为窗口后做主题分析，考虑以主题与人工智能关键词的相似度，以及相关文本数量衡量企业人工智能水平。
- 为得到完整面板而剔除中间缺失或较晚上市企业，担心由此损失重要样本，询问是否保留或调整起始年份。
林老师指导
- 比较直接信息抽取与主题方法，注意主题关键词权重及指标含义；先解释人工智能可能通过什么路径影响绿色创新。
- 倾向考虑连续的人工智能关联指标，不把技术发展机械设为一个共同的零一时点；样本是否保留及年份如何调整，本次未作最终决定。
⏭️ 下次预期（日期待定）
- [ ] 带来人工智能与绿色创新的作用路径说明，以及文本指标和关键词权重处理方案。
- [ ] 就样本进入、缺失和年份选择继续讨论；本次未确定删样本规则，不能按已获批准执行。
🤖 AI 实操建议
① 先修正时间口径与关键词权重的解释
周书发转述“2006 年提出人工智能”，若指人工智能概念的提出，这一时间不准确：1955 年的达特茅斯研究计划已使用该名称，并计划于 1956 年开展研究，见原始提案。如果参考文献指某项政策或深度学习进展，应回到原文明确事件，不能据此把 2007 年自动设为所有企业的处理起点。林老师把 BERTopic 主题关键词权重称作“概率”也不准确：默认词项表示使用 c-TF-IDF 权重，不是词在主题中的生成概率；采用其他表示模型时还要核对实际输出，见 BERTopic c-TF-IDF 定义。
② 面板不要求每家公司从第一年到最后一年都存在
“为了做面板就把中间缺失全部删除”不是必要条件。非平衡面板可以保留不同观察期的企业，但具体估计器对观察结构的要求、缺失机制和进入退出过程仍需处理。今天先建立 企业｜上市/退市时间｜可得年报年份｜缺失原因｜原规则是否剔除｜拟保留范围 表，比较被保留和被剔除企业的可观测特征。不能看哪种样本给出更显著的结果再选起始年，也不能把连续变量当成消除选择偏差的办法。
③ 先测量披露，再验证实际能力
相关窗口数量首先反映文本披露，不能直接等同企业人工智能能力。重叠窗口会重复计数，年报长短也影响数量。可比较非重叠句段占比、固定章节占比和具有具体行动证据的片段占比，保存企业、年份、章节、原句、窗口范围、重复标识和人工标签。各企业分别聚类时主题空间可能不同，不能默认其得分天然可比；固定参考词表、表示模型与归一化，再检查跨企业和跨年一致性。
④ 直接可用的论证与验收方案
先画 人工智能应用环节→研发或生产过程变化→绿色创新产出 的路径，并为每条箭头列替代解释；这是待验证假设，不预设一定正向。人工抽查不同年份、不同披露强度的句段，区分行业背景、计划与实际行动。若指标主要识别宣传语言，就诚实命名为披露指标；若能稳定识别行动且有外部证据，再讨论能力代理。样本规则和测量标准固定后，才进入估计与稳健性比较。导师认为变量联系尚需增强，是研究判断，不应伪装成已证实“二者没有关系”。
⚠️ 风险预警
- 年报模板、篇幅与披露制度变化可能制造人工智能指标的时间趋势。
- 只保留长期存续且连续披露的企业，可能产生选择偏差。
- 没有外生冲击时，连续人工智能指标与绿色专利的关联仍不自动具有因果含义。
二、李浩铭
双政策论文的理论落点与网络研究投稿
📚 研究历程
从 2025 年秋以来的研究记录看，李浩铭一直并行推进政策评价与技术网络两条线：学位论文关注创新政策组合与城市创新，学术论文积累专利主题、网络结构及链路预测方法。2026 年 9 月，学位论文重点落到试点时点、城市样本与合作网络；10 月 8 日继续讨论双政策系数含义、网络嵌入指标与机制写作。本次进一步转向综述范围、理论意义和创新点的表述，说明研究已进入“模型做了什么，正文就应解释什么”的对齐阶段。另一条论文线开始比较投稿方向及方法呈现的适配程度。李浩铭常按章节和方法逐项提出疑问，适合把修改过程沉淀为问题、依据与改动位置的对照表；口头报告的完成进度仍需当前稿支撑。
📝 本次（2026-10-24）
本次汇报：双试点综述、理论意义与网络论文转投
- 中期材料继续修改，国内外研究现状、假设和部分贡献表述仍待完善；讨论如何区分两项创新政策的作用侧重。
- 对照网络研究的期刊论文，比较链路预测、对比实验与仿真呈现方式，寻找改动量可控的投稿方案。
林老师指导
- 综述应在具体政策之上找到有依据的分类层次，说明政策为何值得组合研究；理论意义要落到变量、模型或解释上的实际贡献。
- 用毕业论文模板管理全文；投稿先比较研究适配与必要修改，再判断反馈周期。讨论已有网络变化实验能否准确表述为仿真。
⏭️ 下次预期（日期待定）
- [ ] 提交政策差异与综述结构说明，以及理论意义、实践意义、创新点的修订段落。
- [ ] 带来候选期刊与代表论文对照，写明现有网络实验的真实操作、拟改内容和工作量。
🤖 AI 实操建议
① 理论要留下可检查的作用
李浩铭把“双试点”与“协同治理”直接相连，尚不足以说明已经运用协同治理理论。应先从政策原文提取实施主体、工具、对象和作用环节，再写出组合可能互补、替代或冲突的路径。林老师关于“同一类政策就说不出组合意义”的表达也过于绝对：同类政策仍可能因覆盖、强度、时序或执行主体而产生组合效应。分类有助于论证，但不是组合研究成立的必要条件。这是对研究逻辑的分析，不是在没有模型和数据时否定本研究。
② 预测与仿真不能只靠改名互换
林老师提出把已有过程“包装成仿真”，李浩铭也将未来网络预测与仿真作了接近等同的说明；这种等同不准确。基于历史样本预测未来连接，与设定节点删除、边增加等干预规则后考察网络响应，是不同实验。预测可以嵌入仿真，但必须交代模拟机制、情景与评价目标。若现有代码只是预测，就如实称为预测；若确有扰动实验，再补全仿真说明。可参考 NetworkX 图操作文档理解删除节点、添加边等操作；操作本身仍不能替代研究设计。
③ 今天即可执行：做一张对应表
拿当前论文逐条填写：论文主张｜政策条款或理论命题｜对应变量/方程｜已做实验｜实际输出｜能够支持的结论｜还缺什么。先处理综述、理论意义与创新点三处，再做投稿调整；不要让期刊偏好反向改变已完成工作的性质。理论可以指导解释、边界与假设，不要求每项理论都机械对应一个新增变量，但不能只作为装饰性名称。
④ 验收与分支
每条贡献都能指向正文中的证据，才进入语言压缩；指不出来的先降为研究动机或后续计划。若目标期刊确实要求当前没有的实验，就明确补做成本；若只是行文与图表规范不同，就完成适配即可。审稿速度的个人经验只作参考，不能写成期刊保证。这里建议的对照表和验收条件是 AI 工作方案，不追加为现场硬性任务。
⚠️ 风险预警
- 文献中已经使用某个名称，不等于本研究的变量和识别设计自动满足该概念。
- 不把预测精度、网络稳健性与政策因果效应混写成同一种验证。
- 没有本次当前稿，不能断言旧稿问题仍全部存在。
三、朱丹晨
绿色创新效率的数据口径与零值处理
📚 研究历程
朱丹晨从新兴技术弱信号与多源文本分析，逐渐转向公共管理领域的双政策评价。2026 年上半年开始比较数字治理与绿色政策的组合，9 月形成城市绿色创新效率的开题框架，并讨论效率测度与政策识别如何衔接。随后，劳动投入、污染产出和跨年数据覆盖成为主要约束；10 月 8 日继续核对行业就业与研发人员指标，同时检查双政策重叠样本。本次把问题推进到数据来源之间的差异、污染指标中断与模型零值处理。她能够具体指出平台、年份与指标层面的不一致，下一步应把这种核对变成可复现的数据记录，分别回答“有没有数据”“是否同一口径”和“能否进入所选模型”。
📝 本次（2026-10-24）
本次汇报：污染指标缺口与绿色专利来源核对
- 报告已整理城市投入产出数据，工业废水指标后期缺失，考虑删除该指标并说明评价范围的局限。
- 发现购入的绿色专利数量与另一平台查询结果不一致；在效率计算中遇到零值，并已尝试加一处理。
- 双政策重叠样本仍需核查，开题稿随数据与政策方案继续调整。
林老师指导
- 先追溯原数据的检索规则，再评估另一平台数据获取的可行性；现场提出零值加一方案。
- 先把数据和初步计算做扎实，再推进开题；开题与中期安排需另行核实，未在本次确定日期。
⏭️ 下次预期（日期待定）
- [ ] 带来绿色专利来源、检索式与差异说明，以及污染指标保留或删除的方案。
- [ ] 提交初步效率计算记录、双政策重叠城市清单与开题稿调整内容。
🤖 AI 实操建议
① 直接纠正：“有零就全部加一”不是通用修复
林老师提出统一加一，朱丹晨报告已据此计算。对通常采用相对松弛项的 SBM（松弛变量测度）而言，平移数据可能改变效率得分与排序，不能当作不影响结论的技术处理。标准 SBM 不具备一般的平移不变性；零值如何处理还取决于具体模型、投入产出位置及软件实现。依据见 DEAPack 的 SBM 定义与性质。朱丹晨说“SBM 不能做零值”也需限定到实际使用的模型和程序，不能推广到所有扩展模型。
② 先查真零、缺失和检索漏项
今天从两个来源抽取同一批城市、同一年份核对，逐项统一绿色分类体系、申请或授权、申请年份或公开年份、专利类型、城市归属及专利族口径。某地没有检索结果不一定是真零；两个平台结果不同，也不能仅凭数量较多就认定后者正确。先形成差异原因，再决定采用哪套口径。
③ 直接可用的数据审计表
城市｜年份｜变量角色｜原值｜零值/缺失标记｜来源及查询日期｜筛选规则｜差异原因｜拟处理｜模型要求｜处理后值。保留原值另建计算列。对工业废水整段缺失，可以比较“较短时期的完整指标”和“较长时期的缩减指标”两种方案；比较时明确生产可能集合与评价范围已经变化，不能把两套分数当成完全同义。
④ 验收与分支
先提交所用 SBM 版本、目标函数、非期望产出处理与零值规则，再重跑可解释的方案。若关键零值来自漏检，先修复数据；若确为真实零且所用实现无法处理，应选择有依据的适配方案并报告敏感性，不能只用极小数或加一让程序运行。若污染指标删减导致主要排序变化，结论应标明依赖指标口径。双政策方案也不能仅按重叠城市多寡或显著性挑选，制度含义与可识别的比较同样重要。
⚠️ 风险预警
- 工业污染与绿色创新活动的范围未必一致，必须说明代理指标边界。
- 同一城市的行政区划、申请人地址和统计口径变化可能伪造跨期差异。
- 本次只有口头结果，不能据此宣布效率测度已经通过核验。
四、王硕
组态论文转投与供应链韧性测量
📚 研究历程
王硕的小论文从企业技术文本与 TOE（技术、组织、环境）框架出发，使用 fsQCA（模糊集定性比较分析）研究条件组合与结果之间的集合关系。2026 年春夏持续处理结构、图表与因果措辞，9 月进入投稿前修改，10 月 8 日讨论转投及反馈核对。学位论文则从产业链安全逐步转向基金投资与企业表现，曾比较 ESG（环境、社会和公司治理）指标的数据基础。本次提出用供应链韧性作为新的结果变量，同时将主要精力放回小论文。王硕常按修改清单逐项报告，能够明确哪些工作已做、哪些尚缺；下一阶段应把投稿适配、方法复现和培养要求分别核对，避免不同标准相互替代。
📝 本次（2026-10-24）
本次汇报：目标期刊适配与极端案例剔除复算
- 根据候选期刊的范文调整摘要、人称、章节结构与稳健性表格；原计算结果未保留，重新运行案例剔除分析，理论贡献、图件和英文摘要仍待完成。
- 学位论文暂缓推进，候选结果变量改为供应链韧性；已摘录文献指标，底层数据覆盖尚待核实。
林老师指导
- 删除重复表述，说明案例剔除依据，并按目标期刊实际要求完成图表和摘要。
- 散会后延续交流：分别核对毕业成果、奖学金与教师职称所用标准，再决定投稿匹配；未形成具体期刊等级或毕业条件的最终认定。
⏭️ 下次预期（日期待定）
- [ ] 提交小论文修订稿及案例剔除依据，补齐理论贡献、图件与投稿所需材料。
- [ ] 找到适用本人的成果认定文件，列明文件来源、适用对象与候选期刊的对应关系。
🤖 AI 实操建议
① “核心组态未受影响”仍要有逐项比较
王硕报告剔除案例后部分路径消失，不能只凭总体覆盖变化较小就概括为所有主要结论稳定。现在没有原始输出，尚不能判定该表述是否错误。应比较路径表达式、核心与边缘条件、各路径一致性和覆盖度、解的一致性与覆盖度，并说明哪些结论保留、哪些只在原样本成立。校准、必要性、充分性和真值表是不同步骤，可参照作者维护的 QCA with R核对流程。
② 今天即可执行：恢复一份完整分析包
固定原样本与剔除样本清单，保存校准锚点、真值表设置、方向预期和解类型，先按同一套设定复算。若重新估计样本分位数作为锚点，要单列一组分析，因为样本和测量尺度同时变化后，差异无法全部归于案例剔除。写明为何选取这些案例，避免只删除造成结果不稳定的企业。
③ 直接可用的结果表与投稿表
稳健性表可用：规格｜剔除依据｜样本数｜校准是否固定｜路径｜一致性｜原始/独有覆盖度｜支持案例｜与基准的差异。投稿核验另用：要求事项｜编辑部官方指南｜核验日期｜当前稿位置｜是否完成。范文中只有长英文摘要，不能独立证明投稿时一定不收短摘要；AIGC 声明及图件格式也应以当前投稿指南为准，尚未核验的规则不写成定论。
④ 将三个认定用途分开
林老师关于参会、竞赛和论文渠道的说明是待查文件的线索，尤其“带国际字样即可”的理解不能当成已核实规则。毕业、国家奖学金与教师职称认定可能面向不同对象、年份和成果形式，应逐条记录适用条件。若文件不能证明资格，就保留待核对，不凭教师目录中的 A/B/C 推导学生资格。供应链韧性方面，下一次恢复学位论文时应把文献定义与已有数据一一对应；找到指标不等于该指标在当前样本可计算。
⚠️ 风险预警
- 不以“表格看起来相近”替代组态与案例层面的比较。
- 不用转投格式变化掩盖尚未补齐的理论贡献或分析记录。
- 本期未收到适用培养文件，报告不承诺任何期刊、会议或竞赛必然符合毕业要求。
五、马婧怡
政策与专利的语义测量及双重差分设计
📚 研究历程
马婧怡的研究从政策文本采集与比较，逐步收束到新能源汽车政策如何影响企业技术方向。2026 年春开始准备政策与专利资料，6 月已注意到文本接近与因果影响之间存在距离；9 月继续比较向量表示、政策技术匹配和数量变化。10 月 8 日讨论新旧政策条款与细分专利技术的对应关系，要求说明语义方向如何成为可比较的结果变量。本次已用少量企业和政策条款试做语义指标与回归，研究由概念设计进入初步运行。她经常从政策与专利语言粒度不同的问题切入，接下来最需要固定测量尺度和处理组规则，让文本分析与计量分析在同一研究对象上衔接。
📝 本次（2026-10-24）
本次汇报：技术方向题目与政策—专利相似度试算
- 调整题目，围绕企业技术方向组织研究；用嵌入模型计算政策条款与专利文本的相似度，并以两家企业试跑 DID（双重差分）。
- 比较加入固定效应前后的结果，讨论如何扩展到领域范围的专利以及如何构造处理与对照。
林老师指导
- 精简题目中重复的政策表述，扩展领域数据范围，避免仅由两家企业代表整个领域。
- 从政策条文中寻找地区、企业类型或规模等适用差异，明确语义分数进入模型的方式，并解释经济含义。
⏭️ 下次预期（日期待定）
- [ ] 提交题目修订、领域专利检索范围与扩大样本后的试算记录。
- [ ] 写清政策—专利相似度的计算及企业年度汇总方式，附政策适用范围与处理组划分依据。
🤖 AI 实操建议
① 两家企业可以试流程，不能靠新能源程度直接分处理组
马婧怡以两家企业的业务差异考虑处理与对照，这只能作为试运行的起点。处理身份需要政策适用或实际暴露的依据，不能由企业后来表现、文本贴近程度或研究者印象倒推。扩展专利检索有助于检查覆盖，但“全量”只能指明确检索范围内的完整结果；扩大数据量也不会自动修复识别问题。DID 的关键假设及不同处理时点的估计对象，可对照 Callaway 与 Sant’Anna 的方法说明。
② 直接纠正：“显著就可以”不是合格的验收口径
林老师在比较回归时说“显著就可以”，这一判断不准确。统计显著不能证明变量有效、政策识别成立或效应有实质意义；加入固定效应后 p 值增大，也不自动表示模型变差。美国统计学会的 p 值声明明确反对仅依阈值作科学结论。原转写中的数值不清晰；若实际为 0.057，它不满足事先设定的 5% 阈值，不能为保留星号临时改用 10%。本次不能据模糊转写断言具体回归表算错。
③ 今天即可执行：固定两张表
先做测量表：企业｜年份｜专利范围｜政策条款版本｜嵌入模型版本｜文本截断与汇总规则｜相似度｜有效专利数；再做识别表：企业｜政策适用条款｜暴露起点｜处理状态｜证据来源｜其他同期变化。对同一批专利固定参考文本，人工检查高、中、低相似度样本，识别“通用政策词很多”造成的假贴近。不同年份分别换参考政策，可能把量尺变化误写成技术转向。
④ 验收与分支
先保证企业年度分数有一致含义，再讨论回归。若存在可信的政策覆盖差异，补充政策前趋势、同期冲击和适当推断；若全国企业都受到同一冲击且缺乏可辩护的比较，不强行制造未处理组，可先完成描述性技术方向研究。接受不显著结果，同时报告系数、区间、样本变化和规格理由。
⚠️ 风险预警
- 语义更接近政策，不等于技术质量更高，更不等于政策造成了改变。
- 两家企业试算不足以支撑通常的群组层面推断。
- 不因模型向量维度更高就认定测量更准确，优劣需要同一验证样本比较。
六、南迪柯
从数字经济文献走向新兴技术研究
📚 研究历程
南迪柯此前从 LDA（潜在狄利克雷分配）进入句向量与 BERTopic 训练，2026 年 7 月开始独立运行文本表示实验，9 月练习分词、停用词和主题解释。9 月 30 日的会外讨论提出技术瓶颈与替代路线的候选方向，10 月 8 日继续比较主题模型参数并准备真实专利抽样。本次带来与杨瑞豪共同准备的城市管理课程文献分享，把数字经济测度、创业活动与城市发展后果连接到技术扩散研究。研究重心由“如何调用模型”向“模型测量什么、能回答什么问题”推进。南迪柯能够系统陈述方法迁移的理由，但抽象出的启示还需回到原文变量与方程，分清原作者结论、个人解释和新的研究设想。
📝 本次（2026-10-24）
本次分享：数字经济测度与技术扩散研究的连接
- 从数字经济与城市发展文献中提炼指数构建、企业行为数据、非线性和空间分析的启示；比较专利、企业登记、招聘与采购等候选数据。
- 讨论如何把研究方向与城市管理课程论文结合，并指出单一代理指标、工具变量和机制解释的局限。
林老师指导
- 多源数据“互证”必须说明可执行标准，不能只写抽象口号；开源仓库与企业身份的对应也需实际证据。
- 课程论文先形成适量数据与初步结果；若课程要求与长期研究难以兼顾，可以分别准备，不必强行合并。
⏭️ 下次预期（日期待定）
- [ ] 形成城市管理课程论文的初步问题、可获得数据与结果呈现方案，并区分与长期研究方向的关系。
- [ ] 将拟采用的多源指标写成具体定义和核对规则，带回讨论。
🤖 AI 实操建议
① 直接纠正：效应门槛不等于 S 型扩散
南迪柯把“数字经济水平越过门槛后，对高质量发展的作用更强”解释为技术随时间的 S 型扩散，这一推导不成立。前者是不同区间的条件效应，后者是累计采纳随时间变化的轨迹；变量、横轴和需要的证据均不同。Hansen 的面板门槛模型原文讨论分区间回归斜率，不会自动给出扩散曲线。本次尚未取得课程阅读原文，不能据口述评价该论文的具体估计；纠正针对的是汇报中的逻辑跳跃。低基数、高增速也不能单独证明技术具有持续新兴性。
② 直接纠正：互联网普及率并非普遍达到 100%
林老师说“互联网普及率百分之百”，作为总体事实判断不准确。CNNIC 第 57 次报告记载，截至 2025 年 12 月全国互联网普及率为 80.1%。这是明确时点的数据，并非本次组会当天的最新估计；也不能直接替代论文样本城市的指标。见 CNNIC 报告发布说明。是否适合衡量某一时期的数字经济，应检查样本期、城市差异和概念覆盖，而不是用今天的直觉判断早期指标。
③ 今天即可执行：区分原文证据与迁移设想
用一张阅读卡记录：原文问题｜变量及口径｜方程/表号｜作者结论｜本次解释｜拟迁移对象｜必须重新验证的条件。统计年鉴、商业数据库与数字金融指数若各自提供不同指标，属于多来源构建；只有针对同一待测对象、先定义对应关系与冲突处置，才谈得上互证。主成分分析的权重来自数据结构，也不代表概念选择完全客观或测量已有效。
④ 现成规则与验收线
可把互证规则写为：“先统一时间、地区和主体；对可比指标记录一致与冲突，对互补指标说明各自覆盖的维度；冲突样本回查原始来源，保留无法判定项。”若数据只支持描述，就提交城市技术活动的分布与变化；若要声称政策造成变化，再另列处理、对照及识别假设。完成标准是每个迁移步骤都有具体数据与检查动作，而不是方法清单越长越好。
⚠️ 风险预警
- 企业登记和招聘描述可能反映表态或平台覆盖变化，不能直接等同实际技术采纳。
- 固定效应、工具变量与 DID 同时出现，不代表内生性已经自动解决。
- 课程论文与长期选题可以共享训练经验，不能共用未经检验的因果结论。
七、杨瑞豪
AI 辅助实证复现与数据清洗验收
📚 研究历程
杨瑞豪在 2026 年 9 月有记录的入组训练中，先用外文专利练习主题模型与技术路径分析，同时分享本科阶段的计量研究经验。9 月下旬继续阅读随机试验和技术分叉预警文献，10 月 8 日转向新闻数据的获取、合并与字段核对。本次用课程作业比较 AI 代理调用本地程序与手工运行代码的流程，并把经验带回集成电路资料清洗。工作从下载和跑通逐步延伸到复现一致性与结果验收。杨瑞豪能够具体指出图形差异、日期丢失和报错处理等问题，下一步应把这些观察写成独立检查条件，使 AI 是否完成任务可以由数据和输出判断，而不是仅依赖工具的自我说明。
📝 本次（2026-10-24）
本次汇报：课程实证复现与清洗流程比较
- 原计划采集网页文本，受数据获取限制后改用附有公开数据的论文，尝试以 AI 代理调用本地 Python 复现实证；与同组的 Stata 实现比较，图形仍有差异。
- 将同类流程用于集成电路资料清洗，发现手工运行的日期规范化没有完整达到目标，讨论自动迭代的便利。
林老师指导
- 数据获取先确认可用接口和可靠来源，不要求代理直接浏览网页就完成历史资料采集。
- 可以使用能执行和迭代的代理协助处理代码，关注程序完成后是否真正达到预期。
⏭️ 下次预期（日期待定）
- [ ] 延续本次复现与清洗，带来代码、输出及尚存差异，说明每个差异出现在哪一环；现场未规定数值一致阈值。
🤖 AI 实操建议
① 跑完、图像相似和完成复现是三个层次
杨瑞豪说代理运行时没有报错，这是本次使用体验，不能推广为代理不会出错。林老师认为代理会自行检查，可以作为工具能力描述，但不等于已经通过独立验收。同一份数据在 Python 和 Stata 中出现差异，可能来自缺失处理、样本筛选、固定效应、参考组、标准误或绘图尺度；没有脚本与数值表，不能断言哪种语言更准确。
② 今天即可执行：先比较数字，再比较图片
固定论文数据版本，挑选一个基准回归，依次核对行数、唯一主体数、变量定义、估计样本、系数与标准误。聚类稳健标准误还涉及小样本修正；statsmodels 的 cov_cluster 文档明确提供该选项，所以“都用了聚类标准误”仍不保证设置相同。记录自己实际安装版本，不照搬另一版本的默认行为。
③ 直接可用的代理任务说明
“读取指定只读原件；先报告字段、行数与缺失，不改原文件。将日期原值保留为 date_raw，解析结果另存；只有年份的记录标明精度，不补造月日。输出脚本、运行日志、处理前后差异和失败样本。最后按我预设的检查项验收，不以程序退出码或你自己的完成声明代替。”若 URL 只是分析时不用，优先保留在来源主表，另输出简化分析表，避免丢失回查路径。
④ 验收与分支
用表头 检查项｜原文/预期｜本次实际｜差异原因｜定位代码｜是否解决 管理复现。样本数不一致先停在数据环节；样本一致、系数不同再查模型；系数一致、标准误不同再查推断；数值一致、图不同最后查呈现。数值容差由计算精度与复现目标事前确定，不能看结果后挑有利标准。课程复现完成也不等于原论文因果结论被重新验证。
⚠️ 风险预警
- 日期转为统一显示格式不能恢复原本缺失的月日。
- 自动修错可能顺带改变样本或模型，必须查看代码差异。
- 原始数据、来源链接和失败记录应保留，避免“清洗成功”以后无法追溯。
八、张恩豪
专利族去重、抽样主题建模与主题表示
📚 研究历程
张恩豪自 2026 年 9 月 16 日有记录地参加组会，先从运行既有代码和理解函数、输入输出开始。9 月下旬参与交易资料核验和报告表达的训练，10 月 8 日开始讨论 OpenAlex 的小样本检索、元数据字段与入库。本次汇报专利族去重、抽样训练 BERTopic 及剩余样本归类，体现出从数据获取向批量文本分析的拓展。这段汇报虽被转写为与李浩铭相同的匿名标签，导师已明确确认属于张恩豪，因此不能按匿名编号整段套用身份。此前本科选题仍未确定，本次技术训练也不代表此前任务已完成。张恩豪能具体报告处理规模与计算约束，下一步要说明每次缩减样本的规则和结果质量。
📝 本次（2026-10-24）
本次汇报：大规模专利抽样训练与批量归类
- 将专利按专利族去重后抽取一部分运行 BERTopic，再把其余文本分配到已有主题，说明本地计算资源限制。
- 汇报了去重、抽样和剩余样本归类的基本流程；本次未提交可独立核验的代码与输出。
林老师指导
- 继续研究主题向量的构造方法，寻找有文献或工具依据的表示方案，并说明主题分类与主题表示的关系。
⏭️ 下次预期（日期待定）
- [ ] 带来主题向量构造方法的比较与依据，结合本次专利分类结果解释各方案的输入和输出。
🤖 AI 实操建议
① 抽样训练可行，但批量归类不是全量重新发现主题
本次路线可以降低计算负担，但已有主题能覆盖哪些专利，取决于训练样本。BERTopic 官方仓库将 fit、fit_transform 与 transform 分开；把剩余文本分配到已学主题，不能直接宣称在全量专利中完成了同等充分的新主题发现。原稿“CPU 只有 16GB”也应核对为内存等实际硬件参数，不把转写中的设备说法写进正式方法。
② 今天即可执行：建立族—代表文本—主题的回查链
保留每个专利族的全部成员标识、选作代表的规则和代表文本。抽样尽量检查年份、技术类别与语言覆盖，记录随机种子；同族数据不应同时泄漏到训练与用于独立评估的样本。先核对去重前后数量，再核对训练集与剩余集的并集、交集，最后抽查低置信或离群文本，不要只看主题名是否顺眼。
③ 直接可用的表示比较表
主题编号｜成员文本范围｜表示方法｜向量维度｜归一化方法｜代表专利｜邻近主题｜人工判断｜用途。候选方案可以比较成员嵌入均值、代表文本嵌入，以及与实际 BERTopic 配置对应的主题表示。c-TF-IDF 是词项权重表示；它与句向量空间中的主题中心不是一个对象，不能不说明空间就直接计算距离。词项定义可参考 BERTopic c-TF-IDF 文档。
④ 验收与分支
如果同一专利族的代表文档和分配结果可追溯、不同抽样下主要主题含义较稳定，再扩大计算。若剩余文本集中出现未覆盖的技术类别，应补充抽样或重训，并保留两版主题映射；不要把所有样本强塞进现有主题以降低离群比例。所谓“公认好的方式”应转化为“适合本研究用途且有依据、可比较”的选择，没有脱离数据与用途的统一最优主题向量。
⚠️ 风险预警
- 专利族定义和代表选择会改变计数单位及技术覆盖。
- 用同一批训练文本验证主题质量，容易高估泛化能力。
- 主题编号在重训后未必可比，追踪演化前先建立语义对应。
九、李政杰
文献筛选追踪与课程交互实验
📚 研究历程
李政杰从 2026 年 9 月 16 日的 Python 环境与代码运行训练进入组会，随后参与供应链交易核验和报告修订。10 月 8 日重点讨论中文文献在 OpenAlex、Crossref 等来源中的匹配，以及检索、去重和开放获取类型。本次回看文献由大规模候选集缩减为高相关子集的过程，意识到此前只看到最终干净样本，没有把中间筛选全部写清。散会后又交流文本分析课程环境配置和交互原型，说明代码训练开始延伸到教学呈现。李政杰善于从实际操作中的卡点提出问题，接下来应把“AI 帮忙做了”转换为可以复述、重跑和交接的步骤；工行杯等并行任务的完成状态仍应按各自记录核验。
📝 本次（2026-10-24）
本次汇报：文献样本缩减、分档与去重过程
- 追溯 OpenAlex 候选数据到最终子集之间的筛选，解释分档、摘要长度条件及标识去重；讨论被排除记录是否属于负样本。
- 说明数据中仍包含不同语言记录，部分被分入较低档；导师指出与张恩豪收集的资料存在重合。
会后补充：Luanti 教学互动应用探索
李政杰正在探索 Luanti 在课程教学中的互动应用，尝试让学生进入多人在线游戏环境，将课程内容与共同参与、交互操作相结合。目前服务器已建立，并形成了初步方案；具体的课程衔接方式和互动设计仍在探索，整体思路尚未成熟。
林老师指导
- 将检索、分类筛选和去重过程写成 Markdown 说明，便于后续使用与复核，不必无目的地增加复杂步骤。
- 散会后延续交流：课程交互原型先选一个有教学意义的概念试做，如输入句子并展示分词；优先直观交互，暂不模拟真实软件环境安装，也不急于扩大成完整课程场景。
⏭️ 下次预期（日期待定）
- [ ] 提交文献获取、分档、筛选与去重的过程说明，明确最终子集来自哪些规则。
- [ ] 形成一个概念演示的最小交互方案，说明输入、展示结果和学生能理解的内容。
🤖 AI 实操建议
① 排除集不自动等于负样本，筛选也不自动等于训练
李政杰将剩余数据解释为用于训练的负样本，林老师随后将筛选过程概括成分类模型；现有转写不能证明实际训练过分类器。规则过滤、调用已有模型分类、训练新模型是三个不同步骤。因摘要短、缺失或语言而排除的文献，也未必与研究主题无关。应查看脚本与模型记录后命名，不能把“没有进入最终子集”直接作为可靠负标签。
② 今天即可执行：保存筛选漏斗与排除原因
从原始下载批次开始，为每一步记录输入、保留、剔除及无法判断的数量，说明规则执行顺序。用 OpenAlex ID｜DOI｜来源批次｜语言｜摘要状态｜分档｜命中规则｜排除原因｜最终用途 作为主表。OpenAlex 的 Work 标识、主题字段与摘要字段可以从 官方属性说明核对；摘要缺失本身不是低相关证据。跨库去重还需保留合并关系，不能删除唯一可回查的来源记录。
③ 给教学原型一个最小闭环
先做“输入一句话—展示分词—切换一种规则或词典—对比差异”的流程。直接可用设计卡：教学概念｜输入例句｜按钮动作｜输出｜解释提示｜错误输入反馈｜重置方式。如果原型使用本次讨论的 Luanti，可查 官方 Formspec 文档了解文本输入和按钮交互；先验证工具身份与实际版本，再实现界面，不凭相似名称安装其他插件。
④ 验收与分支
数据方面，各步骤计数能够衔接，抽取保留与排除样本均可回查规则，再交接给后续分析者；若排除原因混杂，就先拆分，不立即训练。教学方面，让未参与开发的人按说明完成一次操作，并能说清分词结果为何可能变化，再扩展房间、课程与实验。游戏中的演示只验证概念呈现，不等于用户电脑已安装真实分析环境。分词结果是否固定还取决于算法、词典、配置与随机性，应固定条件再讨论一致性。
⚠️ 风险预警
- 只保留长摘要或某种语言，可能系统性改变年份和技术领域分布。
- 导师会后已确认服务器建立；服务器可用与教学设计成熟是两个阶段，不能把单人交互原型写成已完成多人课程整合。
- 教学效果与界面复杂度不是同一个指标，先验证一个可理解的实验。
散会
本期的共同问题是：如何让处理过程、指标含义和论文主张彼此对应。数据更多、模型跑通、表格有星号，都还需要各自的核验步骤。下次组会日期未在录音中确定；开场关于两周一次的交流属于返场成员介绍其他团队节奏，不作为本组排期。
🎭 本周彩蛋
📢 本周金句
“但是我觉得我可能还是你先想一想他们仿真解决啥问题，在你们这儿有没有同样的过程。”
—— 林超然，讨论网络研究如何匹配投稿方向
方法名称可以很漂亮，但先说清解决什么问题，才知道需要改的是表达、实验，还是研究本身。
🧠 本周新词
- 非平衡面板：不同企业可以在不同年份进入记录，像一本允许新成员中途加入的连续观察册；缺席原因仍要交代。
- 主题表示：给一组相近文本做可比较的“坐标”或词项描述，所用空间和构造规则必须说清。
- c-TF-IDF：把一个主题的文本合在一起，寻找对该主题有代表性的词；权重不是词的生成概率。
- 筛选漏斗：记录数据每经过一道规则还剩多少、为什么离开，而不只展示最后一份干净表格。
本周模型们排队申请新工牌：预测想改名仿真，词项权重想升级概率，筛选结果想直接入职负样本。审核窗口最后统一回复：名字可以讨论，请先带上工作记录。只有散会的无花果不用填表，直接通过口感验收。
林超然 · 整理于 2026-10-24
