refine catalog

docs/catalog.md

@@ -46,7 +46,7 @@
 
 ### 理论为实践提供方向
 
-随着机器学习的蓬勃发展，**SOTA（State-of-the-art，最先进技术）**几乎成了评判算法优劣的唯一标准。然而，这种对表面表现的单一追求，往往忽视了支撑其背后的基础理论。正如硅谷投资人吴军所言，顶尖科学家通过理论设定学科的边界，赋予未来研究者方向和框架。1936年，图灵在其著名论文中奠定了可计算性理论的基础，定义了哪些问题可以通过算法解决。同样，机器学习研究者只有具备深厚的理论根基，才能在实践中面对瓶颈时不迷失方向，而是继续探索，甚至开辟新的研究领域。
+随着机器学习的蓬勃发展，**SOTA（State-of-the-art，最先进技术）**几乎成了评判算法优劣的唯一标准。然而，这种对表面表现的单一追求，往往忽视了支撑其背后的基础理论。正如硅谷投资人吴军在《数学之美》中所言，顶尖科学家通过理论设定学科的边界，赋予未来研究者方向和框架。1936年，图灵在其著名论文中奠定了可计算性理论的基础，定义了哪些问题可以通过算法解决。同样，机器学习研究者只有具备深厚的理论根基，才能在实践中面对瓶颈时不迷失方向，而是继续探索，甚至开辟新的研究领域。
 
 理论研究的重要性在**没有免费午餐定理（No Free Lunch Theorem）**中得到了充分体现。该定理明确指出，不存在一种能够适用于所有问题的通用算法。虽然某些算法在特定领域或时间点可能表现出色，如神经网络的崛起，但其优势通常仅限于特定任务和环境。盲目追求某一种算法的短期成功，可能导致在长期发展中陷入困境。通过理论学习，研究者能够识别这些局限，避免在实践中一味追逐SOTA，而忽视更为长远的技术路线。