每日复盘｜2026-10-13

今天是 10 月 13 日，星期二。

今天，我重新把量化学习路线梳理了一遍。其实之前我让 AI 帮我规划的量化学习路线，本质上并没有太大问题，只不过是由于我对这条学习路线信息不足，才导致最近有些松懈。

今天看了关于多因子选股的视频。如果按照我的理解，多因子其实是把不同类型的因子，用不同的权重组合出来，最终得到一个选股策略。

这就有点像机器学习里面的线性回归，特征代表因子，权重代表因子的重要程度，除此之外还有一个常数控制截距。当然，这是我在观看视频之后的一些粗略理解。

由此，我们可以把机器学习的基础内容和量化建立简单的关联。

首先是关于因子的构建和选择，这是我在量化学习中面临的一个基础问题。我需要不停尝试，什么因子是有效的，为什么这样有效。我现在在WorldQuant Brain 平台上提交了不少因子，但是被判定为 alpha 的寥寥无几。

我想，这应该是由于我接触的因子类型太少了，我了解的东西还不足以面对复杂多变的大盘。下一步，在日常的学习之外，应该拓宽一些知识渠道。

我之前设立的学习路线照常进行，这条路线没有什么问题，下面就是每天学习尽可能多的内容。

总结一下《乌合之众》的一部分阅读内容。

关于群体的意见和信念，可以分为两类。一类是持久、牢固且重要的信仰；一类是易变也非常短暂的意见。

一个文明的基础由这些信仰构成。例如对于中华文明，其本质上是儒家和法家为主导，其他思想虽有，但不占据主导地位。因此，在几乎所有中国人，乃至东亚人的潜意识中，人最终的目标便是出人头地，修身齐家治国平天下。为了达到这一条件，统治集团设立了一道又一道选拔标准，给群众一种只要努力就能出人头地的信念。唐太宗曾说，设立科举的目的，是将天下英才收入囊中，而设立一道道关卡，是让群众更加为了出人头地而乐此不疲、前赴后继踏上那一条拥挤的赛道。

而关于短期的意见、思想和观念，它们生存的时间很短。例如网络上的热梗，绝大部分在过两个月之后，便不再有所耳闻。但这些热梗易于传播，会在群众潜意识里留下一个印象，有时可能会突然从脑海里涌现出来。

我认为，这些短期的意见和长期的信仰之间有着千丝万缕的联系。这些所谓长期的信仰，是由短期群众意见拼凑而成的。就像拼图的一小块，短期来看，它们可能很快无人问津，但是它们源源不断在群众心中植入一种意识，这些意识一旦多了，便行程了长期的信念。各种各样的学说、艺术流派、科学研究其实也都是来源于此。

---

💬 今日对话摘要（AI 提炼）

🎯 今日主题：B站视频转写插件的问题排查与优化——精度提升方案落地 + hotwords 引发截断的故障修复。

✅ 完成的事

• 36 分钟视频转写全流程跑通（17 分钟完成），产出字幕 srt/md/图文版/精读、slides 截图、视频总结及 Notion 备份
• 完成成本核算：AI 精炼实测 ¥0.04/视频、68 秒；加一轮纠错后处理约 ¥0.08-0.1，30 个视频月成本约 ¥2.5-5
• 落地「1+2」方案：转写时注入 initial_prompt + hotwords 术语引导，并建立按标题分组匹配的术语表
• 抽查转写质量，抓出真实错误样本：悬谷→选股、交→教、试配→配置、下来→拷下来
• 定位 50 分钟视频只转 4 分钟的根因（hotwords 过长致 whisper 重复输出、提前终止解码），修复 3 处并重跑

💡 新想法

• 转写后处理应分三层：源头术语引导、hotwords 加权、LLM 上下文纠错；前两层零成本且优先
• LLM 后处理的真正风险不是钱，而是「把对的改错」（幻觉），需谨慎设计
• 通用同音字与漏字问题术语表管不了，必须靠第 3 步上下文纠错

📌 待办/计划

• 等待 50 分钟视频重跑结果（预计 11:20-11:25）
• 处理 Notion 上那份残缺页面（BV 号去重导致不会自动更新）
• 排期第 3 步 LLM 上下文纠错后处理

---

AI 总结

• 心情指数：7
• 关键标签：技术、学习、目标、工作
• 核心收获：
  1. 转写全流程打通，单视频成本极低
  2. 谐音错误有据可查，方案分层清晰
  3. 新参数引发截断，对照实验定位精准
  4. 改动须先做覆盖率校验再上生产
• 待解决问题：
  1. 重跑字幕是否完整尚未验证
  2. Notion 残缺页面需手动更新
• 明日建议：
  1. 先验证重跑视频字幕覆盖率达 100%，再清理 Notion 旧页面
  2. 把「覆盖率校验」写进所有转写任务的默认流程
  3. 抽出 30 分钟设计第 3 步纠错提示词，只改疑似错词并保留原句