最準的那顆被淘汰了：三顆本機決策模型的繁中 133 題實測
在 macOS M4 Pro（48GB 統一記憶體）上，我們用 133 題繁中合成題比較 Clef-flash、d3 與 d3-flash 三顆決策模型。兩顆 d3 準確率並列 0.970，27B 的 d3 卻因延遲與記憶體兩道門檻被淘汰。本文說明三步篩選、校準、付款鈕安全題與看圖的極限，並在 Windows RTX 4060 Ti 上用 llama.cpp 重現 d3 系列的結果。
所有文章
讓 Agent 先問再做：用決策模型守門與選型
要用決策模型替 Agent 的工具呼叫守門或做路由，規則先判底線，模型只能收緊、不能放寬。本文用 2026-10-11 在一台 Mac 與一台 NVIDIA 工作站上的 20 筆合成測資，比較託管、開源權重與自己讀 logit，並分開標出廠商自報與我們的實測。
在 Mac 上跑決策模型：題目設計與本機部署
要在自己的機器上用決策模型，題目要一題只問一件事，選項互斥並留一個「其他」。本文說明九類研究類型怎麼寫，以及 2026-10-11 在一台 Mac 與一台 NVIDIA 工作站上跑 Clef-flash 的速度、一致性，與如何避免長輸入被靜默截斷。
從顏色讀出蛋白有多少：蛋白定量的方法與計算
蛋白定量從頭到尾：先分清原液、待測液與反應孔，再看 Lowry、Bradford 與 BCA 怎麼來、BCA 與 Bradford 怎麼分，接著是標準曲線、稀釋回推、超出範圍的重測，最後留下一份能重跑的報告。
機率能信嗎：用 77 篇 PubMed 論文檢驗決策模型
決策模型回傳的機率不能直接當成有多大把握。高分只代表分數如何分到選項上；校準要看被給到同一分數的案例裡，實際答對的比例是否接近那個分數。本文說明怎麼做這項檢查，以及門檻為什麼必須同時看覆蓋和作答準確率，而不能只靠單一篇摘要上的數字。讀者可以據此決定要不要採用。
一段 DNA，怎麼變成會發光的蛋白：中心法則
中心法則從頭到尾：DNA 結構與萃取定量、複製與 PCR、轉錄、RNA 加工與保存、遺傳密碼與突變、轉譯到蛋白摺疊。跟著 EGFP 一路捲動，看懂每一站的原理、操作重點與常見錯誤。
先讓蛋白排隊，再請抗體點名：SDS-PAGE 與 Western blot
SDS-PAGE 與 Western blot 從頭到尾：樣品變性、鑄膠、電泳、立體轉印三明治、封阻與抗體、化學發光影像系統，到電腦定量與故障圖鑑，跟著捲動的圖一步步看懂原理與操作重點。
衰老細胞越老越難清掉：巨噬細胞的 CMA 回收機制出了什麼問題
為什麼年紀越大衰老細胞越難被免疫系統清理？這項研究指出伴護蛋白媒介自噬下降會改變衰老細胞分泌物，同時削弱巨噬細胞的吞噬能力與細胞骨架重組。實驗透過化合物活化自噬回收線，能改善小鼠組織的衰老細胞累積與肺纖維化，但目前證據完全來自細胞與小鼠，不能推論為人體療法。
一次前向就給機率：決策模型的原理與訓練
決策模型不把答案逐 token 寫出來。讀完輸入後，它只取事先列好的選項 logit，用 softmax 一次變成各選項的機率，不必再解析文字。Jev 公開的訓練只到名稱 RLCD、自製資料與校準過的決策機率，架構與損失沒有公開。開源複製品則公開決策頭、LoRA 或正確計分規則的對照。
讓抗體替你數蛋白：ELISA 的原理
ELISA 怎麼用抗體從上千種蛋白裡量出某一種？從抗體認形狀、夾心法八個步驟、四種格式，到用 S 形標準曲線回推濃度，跟著捲動的圖一步步看懂。