问题：全注意力在长序列上时间与显存都是 $O(T^2)$。 做法：实现一种稀疏/滑窗/分块注意力，在同一长序列基准上与全注意力对比「质量—速度—显存」三角权衡；固定 FLOPs 预算做公平对照。 依赖：2.6 长序列与高效注意力、第 9 讲。

问题：扩散/流匹配在 1–4 步采样时质量与多样性如何权衡，缺少系统对照。 做法：固定同一数据与骨干，对比 DDIM / 一致性模型 / 整流流在不同步数下的 FID 与召回率；报告「质量—多样性—步数」三维曲线。 依赖：4.5–4.6、评测口径。

问题：非结构化环境抓取泛化差、示教昂贵。 做法：基于扩散策略 + VLA 主链，用 LoRA 在每类 5–20 条示教上微调，评估新物体与新光照下的成功率；与行为克隆基线对照。 依赖：4.5、6.5 VLA、9.5 LoRA。

问题：全参微调昂贵，但 LoRA 一类的容量上限不清楚。 做法：固定基座，扫描 LoRA 秩 $r$ 与目标模块组合，画「可训参数量—任务指标」曲线，定位性价比拐点；加入 DoRA/AdaLoRA 对照。 依赖：9.5 PEFT、Lab 3。

问题：测试时计算（长 CoT / 多采样 / 验证器重排）怎么分配最划算，缺少统一口径。 做法：在固定总 token 预算下，对比「更长的单条链」与「更多短链 + 投票 / 重排」在数学与代码任务上的准确率；给出「预算—准确率」曲线与最优分配规则。 依赖：6.3 推理模型、5.6 偏好优化。

问题：模型拒绝回答时，内部到底「看到」了什么特征？ 做法：在某开源模型上训练/使用 SAE 提取特征，找出与拒答强相关的特征方向，做激活引导实验（加/减该方向看行为变化），并报告反例。 依赖：7.3 可解释与可信。

问题：神经算子（FNO/DeepONet）跨分辨率泛化能力的真实边界在哪？ 做法：在多个 PDE 族（如 Burgers/波动/扩散）上系统测试「训练分辨率 → 测试分辨率」的泛化退化曲线，并与 PINN、传统求解器对照。 依赖：8.4 偏微分方程与仿真。

问题：如何在不拥有训练数据的前提下，检测某模型是否被某基准污染？ 做法：构造「同义改写 / 顺序扰动 / 选项打乱」的对照题集，比较模型在原始与扰动版本上的分数落差，作为污染的间接证据；讨论该证据的局限。 依赖：6.7 评估与污染、7.5 风险框架。