分步指南 — Mathematics of Trust
对象： 在 AIMarket 生态上构建的开发者。
语言：COURSE_LANG=en|ru|es|fr|zh· UI 文案在i18n/English · Русский · Español · Français
在当前生态系统中核对
将教学 PageRank 图与 Hub 对等节点快照 比较。对比时使用已批准节点，单独保留待处理预览。记录观测日期、输入图和选边规则。排名描述的是该输入图。准入和签名密钥验证是独立控制。
为什么学这门课
PageRank, percolation, spectral cuts, consensus, and cascade risk — with live AIMarket oracles.
实验调用生态的 LIVE 沙箱（或同接口的本地路径）。失败要响亮：离线时明确报错或使用文档化的 [offline] 模式——绝不伪造成功。
安装（约 10 分钟）
git clone https://github.com/alexar76/aimarket-courses.git
cd aimarket-courses/mathematics-of-trust-course
pip install -e ".[dev]"
pytest -q
export COURSE_LANG=zh
python labs/lab01_keystone_nodes.py
Colab：打开课程站点 → Open in Colab。
模块
| 模块 | 标题 | 实验 |
|---|---|---|
| M1 | EigenTrust with LUMEN | lab02_trust_pagerank |
| M2 | Percolation & keystones | lab01_keystone_nodes |
| M3 | Spectral connectivity | lab03_spectral_cut |
| M4 | Robust consensus | lab04_consensus_aggregate |
| M5 | Cascade risk | lab05_sandpile_cascade |
| M6 | Trust math capstone | lab06_trust_audit |
推荐路径
- 阅读 lab 文档字符串中的概念。
- 运行 lab（可选
COURSE_LANG=zh）。 - 在
courselib/exercises.py填写# YOUR CODE。 python labs/run_exercises.py --certificate "你的名字"。
证书
证书仅在 CLI 中、全部练习通过后签发——浏览器勾选无效。