# HANDOFF — L23203v2 第四波重生（1 張）

> 日期：2026-05-07（午後第二輪）
> 派工人：Heiter
> 目標：補 P11a 漏掉的「優點」區塊（v3 設計疏漏）
> 圖檔規格：16:9 / 2048x1152 / 繁體中文清楚可讀
> 風格：手寫講義筆記

## 鎖死規則

1. **絕對不要刪除或覆蓋任何既有 PNG**。原 v1 / v2 / v3 全部保留。
2. 新檔名 `_v4`。
3. 三個共通負向約束（反 L23302 / 反過頁鉤子 / 反右上頁碼）。

---

# P11a 重生 v4 — 補「優點」區塊（替換右上既有框內容，不增加版面密度）

**舊檔保留**：
- `L23203_p11a_sec3_3_rnn_structure.png`（v1）
- `L23203_p11a_sec3_3_rnn_structure_v2.png`
- `L23203_p11a_sec3_3_rnn_structure_v3.png`

**新檔名**：`L23203_p11a_sec3_3_rnn_structure_v4.png`

**動因**：v3 圖漏了「優點」獨立區塊（教材行 638 起明確列出 3 項優點：① 處理序列數據 ② 權重共享 ③ 處理可變長度序列）。修法是把 v3 圖右上「RNN 的角色」框（v3 自行加的補充框，不是教材原文標題）**直接替換為「優點」框**並重寫內容對應教材原文 3 項，版面密度不增加。

**送 codex 的完整 prompt**：

```
【共通負向約束】
1. 嚴禁畫成 L23302「模型選擇與架構設計」章節 — 本章是 L23203，左上 L-code 寫「L23203」。
2. 嚴禁出現任何過頁鉤子文字（「見 P11b」「→ 衍伸模型」「LSTM/GRU/Bi-RNN/Deep RNN 見」全部刪除）。
3. 嚴禁出現右上角頁碼。

請生成一張 16:9、2048x1152 的高解析手寫講義筆記風格投影片，繁體中文必須清楚可讀。背景使用淡米白色方格筆記紙與細方格線。左上角只將 L-code 以淡灰色小字標示，不要加任何框框或底線。不要加入任何右上角頁碼。右下角浮水印「AIOnDaily × 咖啡AI學」，透明度約 35%，像印在紙上並保留安全邊距。整體要活潑、像手寫講義筆記，不要卡片式資訊圖。使用黑色粗手寫標題、青綠底線、暖黃色重點框、紅橘標註、多色手繪圓圈編號與小 icon。所有英文縮寫保留清楚字距。

教材原詞必須清楚出現：遞迴神經網路（Recurrent Neural Network, RNN）、可變長度序列輸入數據（Sequential Data）、前饋神經網路、MLP、CNN、內部「記憶」機制、時間依賴性、上下文資訊、循環連接（Recurrent Connections）、時間步、輸入（Xt）、隱藏狀態（Ht）、上一個時間步的隱藏狀態（Ht-1）、Tanh、ReLU、輸出（Ot）、關鍵特性、權重共享（Weight Sharing）、任意長度的序列、「展開」視角（Unrolled View）、深度前饋網路、反向傳播、時間上的反向傳播（Backpropagation Through Time, BPTT）、鏈式法則、優點、處理序列數據、權重共享、處理可變長度序列、減少參數數量、捕捉時間依賴、上下文資訊、缺點與限制、長期依賴問題、梯度消失（Vanishing Gradient Problem）、梯度爆炸（Exploding Gradient Problem）、訓練速度慢、串行、平行計算、難以捕捉超長距離依賴。

【TERMS_RULE 覆寫 — v4 修復】
不要改寫為其他英文術語，不要省略教材括號中的英文詞。
- 版面頂部必須留出主標題列「3.（3）遞迴神經網路（Recurrent Neural Network, RNN）」與左上 L-code「L23203」。
- 版面中段必須有獨立大區塊「關鍵特性」，下分三個並排子區塊（教材原文行 618 起）：① 權重共享 ② 「展開」視角 ③ 反向傳播。
- 「記憶」概念必須在頁面上以特殊色（紅橘或暖黃重點框）強調至少 3 處：頁首導論「內部『記憶』機制」用紅橘星號標出 / 主視覺隱藏狀態 Ht 用暖黃色塊框 + 紅橘小字標「← RNN 的『記憶』所在」/ 缺點區塊「梯度消失」副敘加紅橘小字「= 『記憶』太短」（教材原文）。
- 右上必須有「優點」獨立區塊（v3 漏寫此獨立區塊為遺漏，本次必補）。標題寫「優點（Advantages）」並列教材原文 3 項：
  · ① 處理序列數據 — 捕捉時間依賴性與上下文資訊（MLP/CNN 難做到）
  · ② 權重共享（Weight Sharing）— 跨時間步共享，減少參數數量
  · ③ 處理可變長度序列 — 能處理不同長度的輸入序列
  嚴禁把右上框寫成「RNN 的角色」「RNN 的特點」這類自創標題（v3 用了「RNN 的角色」是 C 類腦補補充，本次必須改回教材原文「優點」）。
- 嚴禁出現「Sequence to Sequence (Seq2Seq)」（教材未提）。
- 嚴禁出現任何過頁鉤子文字 — 頁尾「→ 衍伸模型 LSTM/GRU/Bi-RNN/Deep RNN 見 P11b」整段刪除。
- 【版面密度約束】本頁要塞 5 個區塊（頁首導論 / 主視覺 / 優點 / 關鍵特性三區塊 / 缺點四項），版面已經偏密。請優先保留各區塊的可讀性 — 字體不可被擠到不可讀。「關鍵特性」三區塊內的視覺示意可適度簡化，騰空間給「優點」框。

左上角標示「L23203」。主標題寫「3.（3）遞迴神經網路（Recurrent Neural Network, RNN）」，副標寫「① 結構與運作 + BPTT 訓練」。

【頁首導論橫幅】（細條，占上方約 10%）
相較於 MLP/CNN 的前饋結構，RNN 引入循環連接（Recurrent Connections）建立內部「記憶」機制（★ 用紅橘星號標出「記憶」二字），能處理可變長度序列輸入數據（Sequential Data）並捕捉時間依賴性與上下文資訊。

【主視覺 — 占頁面上半左半 35%】
畫 RNN 基本單元（折疊形式）：
- 時間步 t 接收當前輸入 Xt + 上一個時間步隱藏狀態 Ht-1
- 透過權重加權求和 + 非線性激活函數（Tanh/ReLU）
- 產生新隱藏狀態 Ht（用暖黃色塊重點框，旁邊加紅橘小字「← RNN 的『記憶』所在」）
- 產生輸出 Ot
- 中央畫一個明顯的「自我循環」箭頭強調 Recurrent Connection

【優點 — 占頁面上半右半 30%（替換 v3 的「RNN 的角色」框）】
標題用粗手寫體寫「✨ 優點（Advantages）」配一個拇指 icon，下方列教材原文 3 項：
① 處理序列數據 — 捕捉時間依賴性與上下文資訊（MLP/CNN 難做到）
② 權重共享（Weight Sharing）— 跨時間步共享，減少參數數量
③ 處理可變長度序列 — 能處理不同長度的輸入序列

【關鍵特性 — 占頁面中段 35%，三大區塊橫排】
標題用粗手寫體寫「關鍵特性」（教材原文行 618），下分三個並排子卡：

① 權重共享（Weight Sharing）
- 跨時間步重複共享同一套權重參數
- 學習序列中通用模式 + 處理任意長度序列
- 視覺：5 個時間步的 RNN 單元連接成串，所有單元用同色標註權重相同（可適度簡化以節省空間）

② 「展開」視角（Unrolled View）
- 折疊形式的迴圈 → 想像為時間維度上「展開」的深度前饋網路
- 每個時間步 = 一個「層」，每層共享相同權重
- 視覺：左邊畫折疊形式 ↔ 右邊畫展開形式（可適度簡化）

③ 反向傳播（時間上的反向傳播 BPTT）
- 將整個序列在時間維度上展開 → 形成沒有循環的深層網路
- 利用鏈式法則（Chain Rule）沿時間軸反向傳播梯度
- 視覺：箭頭從最後時間步反向回傳，紅橘色標出梯度流動方向（可適度簡化）

【缺點與限制 — 占頁面下半 20%】
四個小卡橫排（保留現有）：
① 梯度消失（Vanishing Gradient Problem）— 紅橘小字加「即『記憶』太短」（教材原文）
② 梯度爆炸（Exploding Gradient Problem）
③ 訓練速度慢（串行難平行計算）
④ 難以捕捉超長距離依賴

【絕對不要畫】
- 頁尾任何過頁鉤子文字
- 字體被擠到不可讀的程度（寧可關鍵特性視覺示意簡化也不可讓主要文字看不清）

版面要有明確主視覺、清楚的區塊分界、少量關鍵詞與箭頭關係。
```

建議輸出檔名：`L23203_p11a_sec3_3_rnn_structure_v4.png`

---

# 自驗報告檢核點

1. **檔案到位**：`L23203_p11a_sec3_3_rnn_structure_v4.png` 在 images/
2. **原圖完全保留**：v1 / v2 / v3 全部沒被覆蓋
3. **三個關鍵 fix**：
   - (a) 右上有獨立「優點」區塊，列教材原文 3 項（不是「RNN 的角色」自創標題）
   - (b) 「記憶」概念紅橘色強調至少 3 處仍保留
   - (c) 「關鍵特性」三區塊（權重共享 / 展開視角 / 反向傳播）仍完整
   - (d) 版面密度可接受，主要文字清楚可讀
4. **風險點**：你覺得有風險的部分（特別是版面是否太擠）

---

**Heiter 派工 done。**