关于 theory-formalism-translator
面向研究者的数学推理技能,用于在不同形式体系间转换概念。它映射结构对象,区分等价与类比,并分析转换保留、丢失或带来的新工具。
主要功能
- 01精确描述源形式体系
- 02映射结构对象
- 03区分等价与类比
- 04分析保留与丢失的结构
- 05识别转换带来的新工具
适用场景
- 01将模型转换到另一数学框架
- 02判断两个概念是否共享真实结构
- 03寻找转换后可用的分析工具
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ jurgendn/ agent-skills --skill theory-formalism-translator安装后在 Claude Code 中输入/theory-formalism-translator确认已加载。
详细介绍
形式体系转换器
寻找结构等价,而非表面类比。
目标不是给概念重新命名。
目标是判断:
- 两种形式体系是否编码了相同的不变结构;
- 一种形式体系是否提供了更强的工具;
- 或者这种相似性是否仅停留在比喻层面。
流程
1. 说明原形式体系
用其原生语言描述这一概念。
请明确:
- 对象;
- 算子;
- 约束;
- 动力学;
- 优化目标;
- 适用时的概率解释。
示例:
Original formalism:
Random walk on a graph with transition matrix P,
analyzed through mixing time and spectral gap.
避免使用以下这类含糊的概述:
Diffusion process on networks.
2. 识别核心结构对象
提取符号记法背后的数学结构。
请查找:
- 状态空间;
- 能量或目标函数;
- 守恒律;
- 不变测度;
- 转移算子;
- 几何;
- 对称性;
- 平衡条件;
- 熵;
- 曲率;
- 流;
- 距离度量。
示例:
Core objects:
- Markov operator P
- stationary distribution π
- spectral gap γ
- diffusion dynamics
- local-to-global information propagation
这一步比术语更重要。
3. 定义转换目标
明确说明目标形式体系。
可能的目标包括:
- 优化;
- 概率;
- 信息论;
- 统计物理;
- 动力系统;
- 控制理论;
- 图信号处理;
- 变分推断;
- 最优传输;
- 谱理论。
示例:
Target formalism:
Optimal transport interpretation of graph diffusion.
4. 映射不同形式体系中的对象
建立明确的对应关系。
示例:
| 原形式体系 | 目标形式体系 |
|---|---|
| 随机游走转移 | 传输核 |
| 平稳分布 | 平衡测度 |
| 谱隙 | 收缩率/混合速率 |
| 扩散距离 | 类 Wasserstein 几何 |
| 社区边界 | 传输瓶颈 |
不要略过不匹配之处。
如果映射仅为部分映射,请明确说明。
5. 确认保留的结构
说明转换后保留了什么。
示例:
Preserved:
- equilibrium structure
- diffusion locality
- entropy decay
- conservation of probability mass
区分:
- 精确等价;
- 渐近等价;
- 启发式相似。
6. 确认丢失的内容
每次转换都会丢弃信息。
示例:
Lost:
- discrete graph combinatorics
- exact path interpretation
- local neighborhood semantics
- node-level interpretability
不要把目标形式体系说成绝对更优。
7. 确认哪些内容变得更容易
判断新形式体系是否提供:
- 更强的定理;
- 更简洁的优化;
- 更好的几何;
- 更精确的集中界;
- 稳定性分析;
- 计算优势;
- 不同的直觉。
示例:
Optimal transport formalism may provide:
- metric geometry tools;
- contraction analysis;
- curvature interpretation;
- continuous relaxation methods.
8. 检查这种转换是否真实有效
区分:
- 结构等价;
- 可复用的理论工具;
- 仅仅改变记号。
错误的转换:
Graph diffusion is basically attention.
更好的做法:
Both can be interpreted as weighted information propagation operators,
but attention is data-adaptive and non-Markovian,
while graph diffusion is typically fixed and stochastic.
9. 提出转换后可用的新工具
如果这种转换有用,请指出现在可以使用的具体工具。
示例:
| 新形式体系 | 潜在工具 |
|---|---|
| 最优传输 | Wasserstein 几何、Sinkhorn |
| 动力系统 | 稳定性分析、Lyapunov 函数 |
| 信息论 | 熵界、互信息 |
| 谱理论 | 特征值扰动 |
| 控制理论 | 可控性、可观测性 |
如果没有真正出现新的工具,请明确说明。
规则
- 除非映射明确,否则不要声称两者等价。
- 指出不匹配之处,不要只谈类比。
- 区分:
- 精确等价;
- 渐近相似;
- 启发式相似。
- 转换时保留原有假设。
- 不要把记号相同误认为结构相同。
- 如果转换只是给概念重新命名,请明确说明。
- 优先明确映射算子/对象,而非使用叙述性类比。
输出格式
# Original Formalism
State the original framing precisely.
# Core Structural Objects
List the key operators, invariants, constraints, and dynamics.
# Target Formalism
State the destination framework.
# Structural Mapping
| Original | Target | Notes |
|---|---|---|
| ... | ... | ... |
# Preserved Structure
- ...
# Lost Structure
- ...
# What Becomes Easier
- ...
# Mismatches / Non-Equivalences
- ...
# New Tools Enabled
- ...
# Verdict
Choose one:
- Deep structural equivalence
- Useful reframing
- Partial analogy
- Mostly notation change
Reason:
...
评论
支持 Markdown