目前常規的PC游戲顯示模式有幾種模式如下，

一、視窗模式（FullScreenMode.Windowed）

二、獨占模式（FullScreenMode.ExclusiveFullScreen）

FPS游戲多數使用獨占模式，也是最早的全屏幕模式，性能較好，但使用 Alt+Tab時切換會出現閃頻

三、無邊框模式 （FullScreenMode.FullScreenWindow）

目前游戲多數使用這個模式，開啓後切換不會出現閃屏

- 閱讀剩餘部分 -

查看雲端存檔

輸入網址 https://store.steampowered.com/account/remotestorage

然後滾動到想查看的游戲，點擊顯示檔案

可以看到目前游戲下的所有雲端存檔

强制同步雲端存檔做法

使用 WIN+R 輸入指令開啓 steam 主控臺

- 閱讀剩餘部分 -

延續上一篇的話題，關於 λ 的修正計算，如何更準確的預估或是計算出 λ 呢？

理論上 λ 應由「外部基準」決定，以下是三條可行的校準路徑：

PATH 1：對照官方建照數據

最直接的方法——以政府公布的「年度核發建照數」作為 ground truth，反推 λ：

λ* = log(N_t/N_0 / G_real) / log(C_t/C_0)

其中 G_real 為官方建照累計增長率。台中建管處（CPA）有公開資料，可據此反算出城市特定的 λ 值。

PATH 2：跨城市穩定性檢驗

若同一個 λ 值應用於台北、高雄、台中均能與官方數據對齊，則可視其為 OSM 系統性偏差的穩健估計，與個別城市無關。

- 閱讀剩餘部分 -

三門問題的資訊熵解釋

核心思路

三門問題（Monty Hall）的關鍵在於：主持人的動作不是隨機的，而是攜帶訊息的。用資訊熵來看，整個過程是一次「熵減少」的過程──你獲得了訊息，不確定性就下降了。

初始熵

三扇門，獎品等機率藏在其中一扇後面：

$$
H_0 = -\sum_{i=1}^{3} \frac{1}{3}\log_2\frac{1}{3} = \log_2 3 \approx 1.58 \ bits
$$

- 閱讀剩餘部分 -

本章節要實作滑動視窗與摘要壓縮兩種記憶，並用事實問答量化「省 token vs 記得住」的取捨

一、滑動視窗記憶

實作只保留最近 N 輪的 SlidingWindowMemory，並驗證在 Context Window 中「忘掉久遠的事」

- 閱讀剩餘部分 -