sync(latex): 从 Word 同步第二章和附录内容

- ch02: 第5节重写为"环境-智能体框架"，新增表2.1/2.2和图2.1
- ch01: 补充 Garrity 引用来源
- 全部附录(ap01-ap09)从 Word 重新转换，修复 \sub 等转换错误
- 新增 ch13 结语占位、上下篇分隔页

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

officefile/latex/appendices/ap08-glossary.tex

@@ -1,14 +1,14 @@
-\chapter{附录8：关键术语表}
+\chapter{关键术语表}
 
 本附录按章节整理书中涉及的关键中英文术语。
 
-\subsection{第二章}
+\section{第二章}
 
 {\def\LTcaptype{none} % do not increment counter
 \begin{longtable}[]{@{}
-  >{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1635}}
-  >{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2921}}
-  >{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.5444}}@{}}
+  >{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1597}}
+  >{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2605}}
+  >{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.5630}}@{}}
 \toprule\noalign{}
 \begin{minipage}[b]{\linewidth}\raggedright
 中文
@@ -23,7 +23,8 @@
 \endlastfoot
 数据模态 & Data Modality & 信息的存在形式，如文本、图像、三维等 \\
 线性回归 & Linear Regression & \(y = ax + b\) 形式的函数拟合 \\
-多元回归 & Multiple Regression & 多输入变量的线性模型 \(y = \sum a_{i}x_{i} + b\) \\
+多元回归 & Multiple Regression & 多输入变量的线性模型
+\(y = \sum a_{i}x_{i} + b\) \\
 多层感知机 & Multi-Layer Perceptron (MLP) & 最基础的前馈神经网络结构 \\
 前向传播 & Forward Propagation & 数据从输入层到输出层的计算过程 \\
 激活函数 & Activation Function & 引入非线性的函数，如ReLU、Sigmoid \\
@@ -37,12 +38,15 @@
 迁移学习 & Transfer Learning & 将一个任务学到的知识迁移到新任务 \\
 基础模型 & Foundation Model & 在大规模数据上预训练的大型通用模型 \\
 涌现能力 & Emergent Abilities & 模型规模大到一定程度后出现的新能力 \\
-缩放定律 & Scaling Law & 模型性能与规模（数据量、参数量、计算量）之间的关系规律 \\
-环境-智能体-任务 & Environment-Agent-Task & AI实践的三元框架：环境提供操作空间，智能体执行任务，任务定义目标 \\
-Vibe Coding & Vibe Coding & 感觉驱动编程，用自然语言描述需求让AI生成代码的编程范式 \\
-全连接层 & Fully Connected Layer & 每个神经元与上一层所有神经元相连的网络层 \\
+缩放定律 & Scaling Law &
+模型性能与规模（数据量、参数量、计算量）之间的关系规律 \\
+环境-智能体-任务 & Environment-Agent-Task &
+AI实践的三元框架：环境提供操作空间，智能体执行任务，任务定义目标 \\
+Vibe Coding & Vibe Coding &
+感觉驱动编程，用自然语言描述需求让AI生成代码的编程范式 \\
+全连接层 & Fully Connected Layer &
+每个神经元与上一层所有神经元相连的网络层 \\
 预训练 & Pre-training & 在大规模数据上的初始训练阶段 \\
 微调 & Fine-tuning & 在特定任务数据上对预训练模型进行适配训练 \\
 \end{longtable}
 }
-