C-013-001
支持supports
Gallager 的后见同行回顾支撑人物位置和研究动作；不能据此把 differential analyzer 或 Boolean switching 写成信息论、语言模型或 LLM 的直接起源。
C-013-002
背景context
来源共同支撑论文身份与 Gallager 对 Shannon 研究方式的后见概括；正文把两者编辑为人物动作，不声称 switching research 直接导致 1948 理论。
C-013-003
支持supports
支撑通信问题环境、论文明确前驱与致谢、以及消息选择的工程表述；Nyquist / Hartley 当前正文不足，不能扩写私下影响或共同机制。
C-013-004
背景context
支撑语义边界、选择概率和以二为底的信息量；请求链只解释主动缩小模型的动作，不能把软件机制与通信数学等同。
C-013-005
纠正corrects
支撑熵作为给定概率分布下平均不确定性的最小解释；正文明确排除日常混乱、意义、质量和理解等替换。
C-013-006
支持supports
支撑从等概率字符到字符 / 词转移的有限阶英文近似；样本外形不能证明意义、语法完备或现代神经语言模型已经出现。
C-013-007
背景context
支撑查书生成动作；筛子类比只解释条件压窄候选，正文明确排除参数学习、长距离上下文和现代语言模型等同。
C-013-008
支持supports
支撑有限阶近似随阶数增长而劳动膨胀；正文把它编辑为长上下文测量压力，不声称 Shannon 当时提出神经表示或预见后续路线。
C-013-009
支持supports
支撑 Weaver 的问题位置、对 Shannon 通信理论的直接点名，以及统计 / 密码分析 / 上下文进入翻译议程；不证明当时已有可运行系统。
C-013-010
背景context
支撑 micro-context 对词义歧义的研究设想；代码补全类比只解释上下文压窄候选，不能把翻译、类型系统或语义机制等同。
C-013-011
纠正corrects
支撑备忘录作为带自限的研究倡议；不能据此说 Shannon 参与机器翻译项目、密码破解已经提供完整翻译机制或系统已经运行。
C-013-012
支持supports
支撑遮住、猜测、揭示和保留前文的实验动作；正文保留 the subject 未具名边界，不把实验改写成机器训练。
C-013-013
支持supports
支撑多次猜测过程和 102 符号样本分布；该样本不能推广为全部英语、体裁、语言或读者的固定准确率。
C-013-014
背景context
支撑从猜中名次到熵边界的机制；搜索排名类比只解释名次不等于完整概率，不能替代论文证明或把受试者等同算法。
C-013-015
支持supports
支撑 N=100 的约 0.6-1.3 bits/character、约 1 bit/character、约 75 percent redundancy 及采样 / 预测者限制；不能表述为精确普遍定律。
C-013-016
纠正corrects
支撑 Mary E. Shannon / B. M. Oliver 的实验帮助、建议和理论批评，以及实验只记录人类预测；不能分配具体受试者、样本或公式作者身份。
C-013-017
支持supports
支撑 IBM 作者组直接从 Shannon 1951 起算及其规模化测量问题；不把整个 IBM / Jelinek 语言模型史归给五位作者。
C-013-018
支持supports
支撑训练 / 测试规模、词三元模型、交叉熵和 1.75 上界；不能把上界说成英语熵精确值或全部统计语言模型质量。
C-013-019
背景context
三个来源共同支撑误差用途变化和 n-gram 稀疏压力；这是编辑比较，不证明三个团队形成直接合作或单线引用链。
C-013-020
支持supports
支撑维度灾难、未见组合和分布式表示选择；不把词向量、神经语言模型或全部贡献归给单一作者。
C-013-021
背景context
支撑连续词表示、相似词泛化和神经条件概率；地图类比明确排除人类式理解、固定语义和跨模型不变坐标。
C-013-022
支持supports
支撑预测损失更新表示与网络参数、以及方法 / 指标继承；论文未直接引用 Shannon，不能写成直接影响或单人发明。
C-013-023
支持supports
支撑四位作者、问题压力和两阶段路线；GPT-1 是后见名称，不能改写论文原题或压成单作者故事。
C-013-024
支持supports
支撑条件语言模型预训练与多任务微调；token 的最小口播解释不声称固定切分方式，也不把该论文写成当前 LLM 全部训练流程。
C-013-025
背景四阶段责任转移是有来源边界的编辑综合；论文之间不存在本文可证明的逐篇直接引用链，也不取代 Episode 020 的完整 GPT-1 谱系。
C-013-026
支持supports
支撑 Transformer-style next-token pretraining、RLHF 和未披露范围；只代表 GPT-4 报告自述，不代表全部 LLM 或未公开机制。
C-013-027
支持supports
支撑 151,669 词表、36T tokens、119 languages / dialects、三阶段预训练与四阶段后训练；Qwen3 只是具体实例，thinking mode 名称不证明人类式思维。
C-013-028
背景context
支撑 1951 测量与当前预训练 / 后训练实例的差异；巨型猜字机是有明确失效边界的编辑比较，不证明直接继承、机制同一或理解。
C-013-029
纠正corrects
来源支持可比较的问题与当代事实，不存在 Shannon 对 LLM 的实际评论；反事实必须保持第三人称条件语气。
C-013-030
背景context
支撑 Shannon 方法与语义边界的强推论；关于 LLM 的具体问题仍是节目条件推论，不是历史人物原话。
C-013-031
对照contrasts
规模、预测器和预训练 / 后训练分层由来源支撑；Shannon 会感兴趣或会怎样研究只属于中等强度条件推论。
C-013-032
背景context
支撑 Shannon 的跨域自限、开关人物回收和当前模型命名边界；最终意义判断是建立在已标注事实上的节目收束，不是 Shannon 对 LLM 的原话。
没有符合条件的证据关系。
全部来源
建立 Shannon 的人物位置、工程 / 数学双重训练、Boolean switching、Bell Labs / cryptography 背景，以及后见研究风格与影响评价；边界：2001 同行回顾不是 Shannon 自传；invented、genius 等评价须归给 Gallager，不替代团队与前驱证据
固定 Shannon 的 MIT 硕士论文身份、题名、导师和机构权利说明；边界：当前只保存元数据，不使用论文机制细节；不能证明 Vannevar Bush 对信息论的直接影响
固定工程问题与语义边界、离散来源、有限阶英文近似、查书生成过程、熵定义和协作致谢；边界：Reprinted with corrections，不是 1948 期刊原页字形；不能从相似动作推出现代语言模型继承
固定 Shannon 1948 引言所指 Nyquist 论文身份；边界：只有元数据和 Shannon 的明确致谢，不扩写直接影响细节
固定 Shannon 1948 引言和 1982 回忆所指 Hartley 论文的出版身份；边界：当前没有 Hartley 正文快照，不使用精确引语或把全部 Shannon 机制归给 Hartley
直接证明 Shannon 1948 理论如何在次年被 Weaver 引入机器翻译设想，并把上下文、统计、密码分析与可容忍错误连接起来；边界：Weaver 明称想法可能 naive；备忘录是研究倡议，不证明当时已有可工作的统计机器翻译系统，也不证明 Shannon 参与该项目
固定逐字符预测流程、27 符号字母表、样本、猜测次数、上下界、误差与 Mary E. Shannon / B. M. Oliver 致谢；边界：正文只写 the subject，不能据此给受试者具名；实验结果绑定样本、体裁、人类预测和估计方法
直接回到 Shannon 1951 问题：用 583M-word 训练文本、word trigram model 与 5.96M-character Brown Corpus，通过 cross-entropy 给出 1.75 bits / character 上界；明确对照过去人类实验；边界：上界是该模型与样本的结果，不是英语熵精确值；不能代表全部 IBM 语言模型史或全部 Jelinek 团队贡献
固定论文身份、作者组、期刊与页码；边界：不替代正文或 IBM 团队内部贡献分工
固定神经概率语言模型怎样同时学习词向量与条件概率，用分布式表示跨相似词组合泛化，并以 perplexity 比较 n-gram；边界：论文没有直接引用 Shannon 1948 / 1951；只能说它接续统计语言模型问题、指标与 Jelinek / Brown 路线，不能写成 Shannon 直接影响作者
固定论文身份、作者和摘要；边界：不替代正文或共同作者分工
固定后来被称为 GPT-1 的两阶段路线：先以条件语言模型目标和 Transformer decoder 在连续无标签文本上学习参数，再用有标签任务微调；BooksCorpus 与 long-range context 只按论文口径使用；边界：标题没有 GPT-1；论文没有直接引用 Shannon 或 Bengio 2003，不得写成单作者或单线继承，也不代表当前 LLM 的完整后训练
只固定 GPT-4 是 Transformer-style model、以文档下一 token 预测预训练并经 RLHF 后训练的自述；报告明确不披露模型规模、硬件、训练算力与数据构造细节，不能代表全部 LLM 或证明理解
固定一种 2025 开放模型的具体复杂度：dense / MoE、151,669 词表、36T tokens / 119 languages and dialects、三阶段预训练，以及包含冷启动微调、reasoning RL、thinking-mode fusion、general RL 的四阶段后训练；边界：不把 Qwen3 当成全部当前 LLM；不使用模型方 benchmark 比较证明普遍优越，也不把 thinking 标签等同人类思维过程
固定 Qwen3 报告身份、日期、作者组与公开 PDF 入口；边界：不替代正文，不独立证明模型方性能主张
Shannon 本人警告信息论不是跨领域万能钥匙，跨域应用需要假设与实验验证；边界：不能据此否认信息论在语言学、心理学或机器学习中的后来成果