#主题

记录一次博客搬家：为什么离开 Quartz，怎样用 Astro 保留 Obsidian 的双链体验，以及重新掌握博客编译过程的取舍

为什么选择 chezmoi 管配置、mpm 登记软件，以及这套仓库的使用方式与自动化搭建过程

[!attention] 免责声明此文章由 Claude Code 阅读生成，本人仅作为搬运，有错误的地方与本人无关（ [!tldr]文章链接本文提出了一种基于**转移子句（Transition Clause）与递归模型旋转（Recursive Model Rotation, rmr）**的 MCS 枚举加速技术。

动机 前言 介绍文章前，首先需要说明对于经典的 SMT(QF_NIA)，基于 bit-blasting 做法，简而言之主要是以下三步： 先给整数变量一个有限位宽（bit-width）把整数运算翻译成位向量电路再交给 SAT solver 对于第一步而言，一个整数变量 x 其位向量可以表示为位宽为 w 的向量 \bar{x}: <\bar{x}_{w-1}, \cdots, \bar{x}_1, \bar{x}_0>，其中 \bar{x}_{w-1} 为符号位 。

[!tip]一篇综述，请教师兄关于 MC 内容的时候师兄给的，主要说的是偏应用的 MC为了面试的时候对 MC 有个大概的了解，临时抱的佛脚 问题介绍 Propositional Model Counting (MC) 即命题模型计数（\sharpSAT）是计算一个 CNF 公式 \mathcal{F} 中有多少个解（即 model） [!note] 与 AllSAT 的区别AllSAT 要求 枚举 (Enumerate) 所有满足公式的变量赋值MC 只要求找到有多少组满足公式

一个一开始完全不知道怎么做的实验

报告 文再文 介绍的两份 LLM + OR 工作：OptMATH: ICML '25LMask林冰凯 介绍的关于 PCP 的工作金燕 介绍的两篇 ML 在 TSP 领域的应用（由于 TSP 这个问题十分契合 NLP 的各类方法，参考生物信息学）一篇强化学习做 TTP 问题一篇结合传统启发式与机器学习求解 TSP 问题，这里由于是大规模的 TSP 问题，因此我感觉文章中很多的方法其实是并行与分布式算法中常用的金耀楠 的 基于局部搜索的近线性时间图聚类算法，很早就看见这篇文章了，

前情提要 由于在 Obsidian 中，虽然我有不被 git 追踪的文件夹（私有文件夹），但是这也限制了我 的需求（因为 Windows 上的 iCloud 十分难用） 因此，我们期望工作流程如下： 在私有仓库中更新博客在公开仓库中拉取博客内容并自动构建 本质上，我们将公开仓库作为了一个博客生成器，专门用来触发 CI GitHub 与本地设置 GitHub 首先，需要申请一个 个人 Token，名字自由命名，例如 BLOGS，但是记得复制这个 Token，例如 <TOKEN>

问题记录 [!attention] 前置知识注意，这里我们使用的是 Gin 这个 web 框架开发的后端，我们使用了 gomail.v2 来发送文件，template 来渲染我们的 html 文件（也就是要发送的邮件内容），函数如下所示 // In package model type MailInfo struct { Subject string Code string ToWho string } func sendEmailVerificationCode(data

[!note] 已归档本笔记记录旧站（Quartz）的构建与配置，现已归档。

[!important]这份调研阅读了很多份论文，这里会使用一个 biblatex 来给出引用，调研有一份 Typst 版，可以参考 NAE-SAT Definition 首先，我们重申 SAT 的定义： Definition 1：对于一个给定的 CNF 公式 c_1 \wedge \dots \wedge c_m，其中 c_i = \bigvee^t_j x_t 且 t \geq 1, t \in \mathbb{Z}，是否存在一组赋值 \phi = (x_1, \dots

现有的 SAT 并行求解策略主要分为两类：分治法以及基于组合策略的并行。

事情的起因是我在对 SAT Solver 进行优化测试时，发现了我的求解器测不准时间，具体表现为，我在代码中测试的时间与 gprof 得到的时间不相符，后者的时间要比前者少将近 20\%，实在是让人匪夷所思。

安装系统问题 服务器是 VMware vSphere 的一个虚拟机，开始本质上是一个 bare metal，我们需要通过 VMware 提供的工具（需要注册才能够下载）Remote Console 的文档进行下载（没有文档甚至根本不知道下载地址在哪里，太夸张了） 下载了这个之后，需要下载一个服务器 iso 文件，这里以 ubuntu-20.04.6-live-server-amd64.iso 为例。

Problem Partitioning via Proof Prefixes [!tip]前置知识：Cube & ConquerClause Proof 这里简要解释： Cube & Conquer 是一种并行方法，本质上是对解空间的一次静态划分，选择一个良好的变量序列作为假设（cube），将解空间划分为多个不相交的子集，然后每个解空间都通过一个线程独立求解子句证明（以 LRAT 为例）：本质上是 CNF 的证明序列，用于说明 UNSAT 为什么 UNSAT，通过不断对这个

[!tldr]文章链接 From Clauses to Klauses [!abstract]Satisfiability (SAT) solvers have been using the same input format for decades: a formula in conjunctive normal form.

起因 由于组内服务器先前 CPU 坏了（难以见到的事情但是被我们遇上了），导致重装了两次系统： 第一次装在了 /dev/sdb 这个机械硬盘内（6.5T）且开了 LVM 第二次装在了 /dev/sda 这个 SSD 里（900G），但没有开 LVM 在第二次装的时候，没有把 /dev/sdb 这个机械硬盘加入到系统内，导致整个系统可用磁盘空间只有不到 900 G 运行 lsblk 如下图所示： 而现在这个 SSD 的空间完全不够用了，因此需要把原本没挂载的机械硬盘挂上，并启用

[!tldr]文章链接在本工作中，我们重点关注提高 SLS 求解 PBO 的性能。

起因 我们有以下代码： void remove_leading_zeros(char *str) { int i = 0; while (str[i] == '0' && str[i + 1] != '\0') { i++; } if (i > 0) { strcpy(str, str + i); } } 在运行这个函数时，假设我们的代码如下： char* s = "0077160493132716049313271604931327160493"; remove_leadi

[!warning]本文不是教程，只是一个模板，方便本人复制粘贴而已部分内容参考自博客 GTest / GMock 单元测试实践手册，详细的可以进博客学习 项目架构 假定项目的结构为： . ├── build ├── CMakeLists.txt ├── Makefile ├── README.md ├── scripts ├── src │ └── main.cpp └── tests ├── CMakeLists.txt └── tree.cpp 我们在 tests 中写

这里放一些我学习 SAT 求解器的文章，应该会是卡片式的，阅读的书籍为： TAOCP 4BHandbook of SatisfiabilityHandbook of Parallel Constraint Reasoning 以及各种论文还有比较有代表性的的 CDCL 求解器 在 SAT 问题中有需要专业名词（膨胀出来的），对于这些专业名词，我们会在文章中进行解释，不做统一的名词表 SAT 问题基本定义 精确算法 分支启发式策略 其他拓展

[!tldr]文章链接这篇文章的前置版本可以查看 ，本文拓展了 IPASIR，加入了外部传播或者用户传播（UP）的拓展 Overview 我们所提出的扩展允许用户： 在搜索过程中检查 trail 的变更并接收相关通知在求解过程中无需重启搜索即可向问题中添加子句基于外部知识直接传播文字，而无需显式添加原因子句（即采用延迟的按需解释机制）。

前言 当 完成后，如果在这个过程中发现了冲突（有一个子句的文字全部为假），那么我们认为发生了冲突，需要撤销赋值并回溯。

复习一些数学知识 [!note]在最开始，我们复习一些基础的离散数学，主要是一元逻辑部分，我们默认读者有基本的位运算基础，如果没有的话，可以查看下面进行学习[!hint] 位运算 位运算主要为与，或，非三种，表示为 \&, |, \neg，其中，前面两种为二元运算，非运算为一元运算，其真值表的变化为：y&x01000101y|x01001111\negx0110 我们首先引入一个记号 \mathbb{B} = \{0, 1\}，这是一元逻辑中所有变量的定义域 我们称 \for

前言 在 中，我们引入了命题逻辑（Propositional Logic）来编码与表达现实问题，但我们知道，Propositional Logic 的表达能力本质上并不是很强，对于一些复杂的问题，我们需要拐着弯通过各种 encoding trick/tweak 用纯粹的命题逻辑 "强行" 表达/抽象 arithmetic 有关的问题。

相位 [!info] 相位（Phase）在 SAT 求解器中，相位通常指变量在搜索过程中的初始赋值偏好或历史状态或者简单来说： 我们需要对变量的决策赋值，这个赋值的选择我们叫作相位（赋值为真/假） CaDiCaL 中如何选择相位进行赋值 值得注意的是，相位的选择本质上就是二叉树先搜索哪一边，因此在理论上相位的选择对求解速度应该没有那么大的影响，赋真/假都是只有 50% 的概率猜对。

前言 在 SAT 的精确算法中，其框架都是基于分支限界算法，其主体框架如下： while True: conf = propagation() if conf is None: decide() else: resolve() 其中，resolve 用于回溯以撤销冲突的赋值，decide 用于决策变量的赋值，并继续探索树的下一层级，所有被决策的变量都会被记录到 trail 中，用于冲突时撤销赋值 如果我们想要求解的更快，那么决策的变量顺序是十分重要的 [!tip]在树搜索中，

[!info] 写在前面只是心血来潮，想要更换一下 Quartz 的包管理器以及打包工具，之前一直听说 Bun 运行时的速度快，想着在本地预览的话应该会比 Node 更快，所以替换一下 本地更改 首先需要安装一下 bun ，我是用的是 MacOS （根据官网给出的命令安装即可） 然后，我们需要更改 quartz 的几个文件： package.json 这里主要是更改 scripts 中的内容： "scripts": { "quartz": "./quartz/bootstra

概述 [!info]更详细的内容可以访问 官网本文大部分也只是做了一部分官网内容的翻译而言（搬运工） MCP(Model Context Protocol) 是 Anthropic 在 2024 年 11 月推出的开源协议，用于将 AI 连接到外部的应用程序上，本质上是一个标准，规定了应用程序应该如何向 LLM 提供上下文。

SparseTIR 与 SparTA 的实验复现

[!attention] 免责声明本文的内容非原创，只是转载与记录，防止自己老是忘记命令还得去查 前期提要 这篇文章主要记录使用 OrbStack 后， 时导致的磁盘空间消耗过多的解决方法 [!hint]说是解决方法，其实只是一次搬运而已 这个问题在 Github 上有人提到，并且在评论的最下方给了一个暂时的解决方法 解决方法 容器、镜像与卷的清理，都可以通过 OrbStack 的图形化界面来进行删除，但构建时的缓存只能通过命令来删除： docker builder prun

如何从 X11 转向 Wayland 下的配置

由于在 Windows 下开WSL和IDE导致电脑内存已经吃不消了，所以我直接把电脑系统刷成了 Linux （彻底疯狂了），这里记录一下我的配置过程

[!tldr]文章链接主要也只需要阅读 IPASIR 接口，一个 User-Friendly 的接口，通过重写这些接口来更好的调用 CaDiCaL 这个求解器 API Overview [!note] 求解器的状态我们假定求解器会返回以下几种状态：UNKNOWNSOLVINGSATUNSAT 主要给出了九个函数接口： const char *ipasir_signature (void); void *ipasir_init (void); void ipasir_relea

[!tldr]文章链接 The Impact of Literal Sorting on Cardinality Constraint Encodings [!summary]The effectiveness of satisfiability solvers strongly depends on the quality of the encoding of a given problem into conjunctive normal form.

从布尔约束传播出发，介绍观察字和双观察字的维护与传播流程。

2023 NENU夏令营机试 Tutorial

[!important]想要完全理解量子算法，还是得去阅读量子力学的内容，但在这里，主要讲解一些能够帮助快速入门量子算法的相关概念在这里，我们抛去太理论的数学公式，仅仅只是从感性上介绍相关的概念 量子计算的物理基础 [!cite]量子（Quantum）是物理学中的一个基本概念，指的是物理量的最小不可分割的基本单位，例如电子就属于量子。

[!tldr]文章链接在 SAT 问题的全局约束中，如果将约束编码为 SAT，会导致变量与子句的急速膨胀，造成求解困难。

课程简介 所属大学MIT先修课程要求良好英语水平 + 计算机系统 + 少量体系结构编程语言要求C + 少量 RISC-V 汇编课程网站MIT 6.S081 Course Website 世界上大名鼎鼎的系统实验室 PDOS 开设的课程，教授这门课的教授包括： Robert MorrisFrans Kaashoek 两名教授在操作系统方向造诣深厚，Prof.

实验准备 只针对 Windows 系统 首先，需要安装 WSL2（Windows Subsystem for Linux 2），使用 Ubuntu，具体的教程可见微软官网打开 Ubuntu 命令行，运行如下两条命令： sudo apt-get update && sudo apt-get upgrade sudo apt-get install git build-essential gdb-multiarch qemu-system-misc gcc-riscv64-lin

Lab1 的内容是简单的熟悉 xv6 操作系统和怎么做实验，官网上对实验难度的描述是easy , easy, moderate/hard, moderate, moderate。

Lab2 熟悉一些系统调用，这个实验有一些小坑 😤 实验准备 运行Lab: System calls (mit.edu)上的命令 git fetch git checkout syscall make clean 即可得到该实验的实验环境了。

你说的 easy 不是 easy，我说的 hard 是什么 hard😭，实验难度 easy, easy, hard，结果第一题差点把我送走了……MIT，你坏事做尽 😭 实验准备 把第三章看懂（条件很简单，也很 tm 难，第三章应该是我目前为止没有把英文原本读完的一章了，实在是看不下去啊 😭），可以读中文版，也可以阅读*《现代操作系统：原理与实现》*（处理器架构有所不同但无伤大雅）。

2020 年的课和这个不太兼容（需要看完中断之后才能做这个实验），实验难度为 easy, moderate, hard。

实验早就做好了但是…… 思路借鉴了课程中 Prof.

[!tldr]文章链接串行的算法中，引入了动态评分策略后，在并行的策略结合了种群的概念，引入了解池，通过共享高质量解与变量的极性密度（更倾向是 0/1）提高了跳出局部最优的能力 ParLS-PBO: A Parallel Local Search Solver for Pseudo Boolean Optimization [!abstract]-As a broadly applied technique in numerous optimization problems,

[!tldr]文章链接RoundingSAT 的工作可以看作者自己的网站：RoundingSAT，实验室名字也很有意思：MIAOresearch Divide and Conquer: Towards Faster Pseudo-Boolean Solving [!abstract]The last 20 years have seen dramatic improvements in the performance of algorithms for Boolean sat

[!tldr]文章链接通过绝热定理，我们可以写出哈密顿量的一个形式：H = \sum_{i = 1}^NH_i又根据含时哈密顿量在薛定谔方程中的解，我们可以得出 U(H, t) = \exp{(\frac{-iHt}{\hbar})}根据 Trotter-Suzuki decomposition e^{A +B} \simeq (e^{\frac{A}{n}}e^{\frac{B}{n}})^n我们可以将系统最终演化酉变换写为：U(H, t, p) = \prod^p_{j=

[!tldr]文章链接 与 代码链接本文和 是同年的文章，因此没有对比，这篇文章的 看了一下是不如 的，尤其是 300s 中 MWCB 和 SAP，NuPBO 能够全部都比 好，但本文有一些还是不如 LS-PBO，甚至在 中直接注明了 DeciLS-PBO 被 NuPBO 和 DLS-PBO 支配了 DeciLS-PBO: an Effective Local Search Method for Pseudo-Boolean Optimization [!abstract]-

[!tldr]文章链接提出了一种局部搜索求解 PBO 的框架，主要的思路就是把优化转为判定，由此可以使用 SAT 局部搜索求解器的思路，通过对约束加权（惩罚值），并由此进行打分函数的设计，从而指导启发式算法工作本文后续的改进版有：， ， Efficient Local Search for Pseudo Boolean Optimization [!abstract]-Pseudo-Boolean Optimization (PBO) can be used to model

[!tldr]文章链接本文提出了一种针对 局部 基数约束的局部搜索算法 LS-ECNF ，通过 ECNF 的形式，可以避免将基数约束编码为 SAT，从而获取更好的求解性能本文的后续改进为 ，值得注意的是，本文提出的 基数约束 本质上是一种特殊 形式 Extended Conjunctive Normal Form and An Efficient Algorithm for Cardinality Constraints [!abstract]Satisfiability (S

[!tldr]文章链接 TLSF: a new dynamic memory allocator for real-time systems [!abstract]-Dynamic storage allocation (DSA) algorithms play an important role in the modern software engineering paradigms and techniques (such as object oriented progr

[!tldr]文章链接主要的贡献为：将 PBO 问题编码为 QAOA 的形式将 QAOA 分割为子问题进行分布式求解 Local to Global: A Distributed Quantum Approximate Optimization Algorithm for Pseudo-Boolean Optimization Problems [!abstract]-With the rapid advancement of quantum computing, Quant

起因 购买了一个阿里云的服务器，选择的是通过 Ubuntu-24.04 镜像生成的 买完之后没给我密码，只有这样一个界面 没有账号和密码，只能通过这里的远程连接，用浏览器暂时配置一下 打开后，我们进入 admin 这个账户，其 sudo 不需要输入密码，可以直接 sudo su 切换到 root 第一步，我们先创建账号： sudo su adduser virgil adduser virgil sudo 其中，第二步我们还需要输入密码和一些配置，配置可以一直回车，让其保持缺

环境搭建 建议在 docker 环境下搭建，构建的 Dockerfile 如下，如果对这部分有疑问，可以参考 [!bug]如果你的位置在南方（例如香港，深圳，广州等），也就是局域网的 IP 地址为 172 或者 175 开头的，可以参考 进行解决。

这里记录了我在 ICT 的实习历程，实习的时间为 2023-06-01 到 2023-07-10 实习的内容包括两部分： 稀疏矩阵在 AI 编译器中的应用 这里，主要调研了几篇文章： 然后简单复现了一下后面两篇文章，可以参考 项目制 项目的内容需要保密，所以只能说说学习的内容，主要是学习了 的编译流程，包括如何映射到 Triton 算子的部分（但这部分本质上还不是很清晰，包括 Loop-Level IR 的 Loop 体现在什么地方）

[!tip]考虑到代码基本都在服务器上跑，为了兼容性，在本地开发的时候最好也使用 Linux 或 MacOS环境进行开发 一些文档帮助 关于 WSL 的下载，安装和使用，在微软的 官方文档 中有详细的介绍。

省赛配置流程，当做遗产留下来

一个传统的线性回归讲义

Set the envrionment and boot the machine

内存管理，伙伴系统（Buddy System）与页表配置（Page Table） 重回中文写作

熟悉现代 C++17 的一个小型实验，由于条约限制，所以在这里不会把代码放出来Primer

Stanford CS143 实验环境安装与配置

Assignment 1 实现词法分析器

CS144 的一些准备工作

实现一个 best effort 的字节传输流

实现重组字节流

写出完整的 TCP Receiver

Stanford CS144 Spring 2023 实验环境与 Lab0

很有意思的实验，至少在我做过的里面这个带来的正反馈是最多的

这个实验倒是比较简单，没什么可说的

一个做了很久，做完之后其实还挺有收获的实验（我愿称之为最难🥺）

一些搭建环境的远古方法

​不如我自己写的 `shell` 难度大（不过关于信号处理的部分还是很有意思的）

实现 chrt 系统调用（简易版）

HttpServer

为什么MINIX你是微内核！我不理解！

实现一个简易版的Shell，可以识别一些简单到不能再简单的命令（bushi

MINIX3 内存管理

一个模拟多线程的实验，应该算是比较简单的实验，可以仿照原有的实现来做。

使用 E1000 网卡写一个驱动程序

优化 xv6 中的锁结构

实现 MapReduce 框架，虽然都说很简单，但是比较菜的我还是写了好几天，因为一开始不会Go，所以不知道从何下手

ICS PA 的实验环境准备

ICS PA1 sdb

实现一个 pstree 的 shell 小工具（实际是 pstree 的一个阉割版本）

Project Setup & Simple Test

SparseTIR 解读（论文、源码 ） Introduction 以Halide/TVM为代表的张量运算编译器，引入了计算与调度分离的概念，使得大家可以只用写一套计算描述(Tensor Expression，只与计算的数学形式有关)，用不同的调度原语(Schedule Primitive)来描述如何去优化程序(如何做矩阵分块，绑定线程，利用缓存，设计流水线，利用硬件的加速单元)，这个过程可以手动，也可以利用自动化的调度模板生成（例如 AutoTVM）并搜索，从而为不同的硬件

介绍如何在一台只有 docker 的环境的服务器下配置 tvm 运行环境

梳理 PBO 局部搜索求解器的打分函数、约束加权策略及算法之间的继承关系。

Docker 的一些好处 使用 docker 的好处有很多，最大的特点就是你可以拿到一个速度并不算很慢，而且能够随便乱玩的 Linux 系统，而不是在自己的生产环境上乱玩。

二分答案（不是二分搜索）（蓝旭算法课）

编译原理的一些简单复习

加密算法 (MD5, AES, RSA)（蓝旭算法课）

这部分是一个拓展，文中的图片来源于李宏毅老师的ppt

感知机 感知机(perceptron) 是一种二分类的线性分类模型，也就是说，输入数据通过模型运算后可以输出分类的类别，由于是二分类，所以类比只有 +1, -1 我们举个例子，如果我们的输入空间是一个二维空间的话，那么感知机实际上就是找到一条直线，这条直线能把我们输入的点完全分为两个部分，如图所示： 这条直线就是感知机做的事情，下面这些红色的点，感知机将其打上标签为 -1 ，上面这些蓝色的点，感知机打上标签为 +1 标签我们可以当做是这些点的颜色，不需要觉得这是另一个维度 在

课程简介 所属大学NJU先修课程要求良好英语水平 + NJU ICS编程语言要求C课程网站蒋炎岩老师的主页 NJU 十分知名的课程，不过在 21 年之前似乎还没有如今的名气。

课程简介 所属大学SJTU先修课程要求良好英语水平 + 计算机系统 + 少量体系结构编程语言要求C + ARM(aarch64) 汇编课程网站SJTU SE315 Course Website 国内第一操作系统实验室 IPADS 的作品， IPADS 的所长陈海波老师（Prof.

课程简介 作为 CMU 数据库的入门课，这门课由数据库领域的大牛 Andy Pavlo 讲授（“这个世界上我只在乎两件事，一是我的老婆，二就是数据库”）。

课程简介 斯坦福的编译原理课程，设计者开发了一个 Classroom-Object-Oriented-Language，简称 COOL 语言。

课程简介 这门课的主讲人之一是网络领域的巨擘 Nick McKeown 教授。

[!cite]从 csdiy 的简介中复制过来，并不是本人所写，下文中所有的 “本人” 均指代 Yinmin Zhong 课程简介 CMU 大名鼎鼎的镇系神课，以其内容庞杂，Project 巨难而闻名遐迩。

[!cite]从 csdiy 的简介中复制过来，并不是本人所写，下文中所有的 “本人” 均指代 Yinmin Zhong 课程简介 这门课和 一样，出品自 MIT 大名鼎鼎的 PDOS 实验室，授课老师 Robert Morris 教授曾是一位顶尖黑客，世界上第一个蠕虫病毒 Morris 病毒就是出自他之手。

课程简介 [!cite]理解"程序如何在计算机上运行"的根本途径是从"零"开始实现一个完整的计算机系统.

[!cite]从 UCB CS162 的简介中复制过来，并不是本人所写，下文中所有的 “本人” 均指代 Yinmin Zhong 课程简介 所属大学：UC Berkeley先修要求：CS61A, CS61B, CS61C编程语言：C, x86 汇编课程难度：🌟🌟🌟🌟🌟🌟预计学时：200 小时+，上不封顶 这门课让我记忆犹新的有两个部分： 首先是教材，这本书用的教材 Operating Systems: Principles and Practice (2nd Ed

SparTA 解读（论文、源码 与 复现 ） Introduction 明确论文发表的时间为 2022 年，在这个时间段，算力的提升使得 DNN 的层数能够越来越深，模型越来越复杂。

关于 PyTorch2.0 中对 Dynamo 的解析

基础计算几何与碰撞检测算法（蓝旭算法课）

不相交集合数据结构(disjoint-set data structure)，简称并查集（ACM培训）

用以解决二分图的最大匹配（蓝旭算法课）

介绍一些基础的网络流算法（蓝旭算法课）

这里介绍一些关于找素数的方法，可能是素数筛，也可能是快速判断一个数是不是素数

尾递归（还是递归）（蓝旭算法课）