训练、学习与推理：神经系统的统一动力学

研究提出原子生成事实 f=(u,tau,omega,z;rho) 并编译为 Generation-Fact Graph（GFG），建立可递归的科学过程。基于 nanoGPT 的统一训练-学习动力学中，二阶预测器在留出运行的四类转换上达到 91.43% 准确率和 91.49% 宏平均召回率，并将推理确立为训练-学习动力学的冻结投影。