下载文档原格式
unity layer原理-概述说明以及解释1.引言1.1 概述在Unity开发中，Layer（图层）是一种组织游戏对象的重要方法。
通过将游戏对象分配到不同的Layer中，我们可以对它们进行有效的控制和管理。
Layer可以用于实现碰撞检测、渲染顺序以及物体可见性等功能。
Unity中的Layer使用整数值来表示，每个整数值代表着一组游戏对象。
通过为游戏对象分配特定的Layer，可以使它们在逻辑上归类到一起，方便进行统一的处理操作。
例如，我们可以将所有的敌人设为一个Layer，将玩家设为另一个Layer，这样可以轻松地实现敌人与玩家之间的碰撞检测。
除了逻辑上的分类，Layer还与物理引擎密切相关。
Unity的物理引擎可以通过设置碰撞矩阵，控制不同Layer之间的碰撞触发情况。
这意味着我们可以灵活地控制碰撞事件的发生，提高游戏性能和效果。
在渲染方面，Layer也扮演着重要的角色。
我们可以设置不同Layer 的渲染顺序，使某些对象在其他对象的前面或后面进行绘制。
这样可以实现诸如建筑物遮挡角色、特效在人物上方显示等效果。
总之，Unity Layer是一个功能强大且灵活的工具，可以在游戏开发中发挥重要作用。
通过合理地使用Layer，我们可以更好地组织和控制游戏对象，实现碰撞检测、物体可见性和渲染等功能。
在接下来的文章中，我们将深入探讨Unity Layer的实现原理，以及它在游戏开发中的具体应用。
1.2 文章结构文章结构：本文将围绕Unity Layer展开探讨，主要分为引言、正文和结论三个部分。
在引言部分，将对文章的主题进行概述，解释Unity Layer的定义和作用，同时介绍文章的结构和目的，让读者对整篇文章有一个整体的了解。
正文部分将重点讲解Unity Layer的定义和作用。
首先将对Unity Layer进行简要的介绍，包括其基本概念和用途。
然后将深入探讨Unity Layer的实现原理，包括Unity中如何创建、管理和使用Layer，以及Layer 在游戏开发中的具体应用场景。
UML的三层结构UML（Unified Modeling Language，统一建模语言）是一种用于建模软件系统的标准化语言，它具有丰富的图形表示符号和语义。
它通常用于软件开发、系统分析、建模等领域。
而这个标准化语言又分为三层结构，分别是：业务层、逻辑层、物理层。
这三层结构是非常重要的，下面将分别介绍一下。
业务层（Business Layer）业务层是UML的第一层，也是最上层的层。
它主要关注的是业务对象和业务规则的抽象描述。
它是整个系统的最高层，承载着软件系统的通用性和未来的可扩展性。
这一层中的类可以分为三类：1. 控制类控制类是业务层中的一个重要元素，它是系统的核心。
控制类封装了系统的业务逻辑，负责将输入数据转换成业务规则并产生输出。
控制类与界面类、数据持久化类等其他类共同协作，来实现整个系统的业务流程。
它相当于MVC中的控制器。
2. 实体类实体类是应用程序中非常常见的一种类，它通常表示了业务对象、数据实体等。
它是在业务层中数据的流动依赖。
在一个实体类中封装了业务对象需要的数据属性和对应操作的方法。
它相当于MVC中的模型。
3. 辅助类辅助类是一个支持类，它用于增强系统的可复用性、可维护性等。
辅助类通常与实体类、控制类等其他类协作，实现特定的业务功能。
它相当于MVC中的辅助类。
逻辑层（Logic Layer）逻辑层是UML的第二层，它负责逻辑的抽象和处理。
它是整个系统的核心，负责实现逻辑的控制和处理。
这一层中的类可以分为两类：1. 服务类服务类是逻辑层中的一个重要元素，它是系统的核心。
服务类封装了业务逻辑的处理，负责接收从业务层传递进来的数据，并通过操作实现业务逻辑处理。
它相当于MVC中的服务类。
2. 工具类工具类是一个支持类，它用于增强系统的可复用性、可维护性等。
工具类通常与服务类协作，实现特定的业务逻辑。
它相当于MVC中的辅助类。
物理层（Physical Layer）物理层是UML的第三层，它是最底层的层，负责实际的数据操作。
Layer Normalization的原理和作用一、引言在深度学习领域，为了提高神经网络的性能和训练效果，研究者们一直在不断提出新的优化算法和方法。
其中，Normalization是一种常用的技术，在许多领域，如自然语言处理和计算机视觉中，得到了广泛应用。
本文将重点介绍一种常见的Normalization方法——Layer Normalization，包括其原理和作用。
二、Layer Normalization的概述Layer Normalization是一种用于神经网络的Normalization方法，可以用于提高模型的泛化能力和训练速度。
与Batch Normalization不同，LayerNormalization是对每个样本的数据进行归一化处理，而不是对整个Batch进行处理。
具体来说，Layer Normalization是对每个神经网络层的输入进行归一化，使其均值为0，方差为1。
这样处理后的输入能更好地满足模型的假设。
三、Layer Normalization的原理Layer Normalization的原理比较简单，主要通过以下几个步骤来实现： 1. 首先，对于给定的神经网络层的输入x，计算其均值μ和方差σ2； 2. 然后，利用计算得，其中ϵ是一个很小的常到的均值和方差，对输入x进行标准化处理，即x′=√σ2+ϵ数以避免除0错误； 3. 最后，对标准化后的输入x′进行线性变换和平移，得到最终的输出y=γ⋅x′+β。
其中，γ和β是可学习参数，用于调整标准化后的输入。
四、Layer Normalization的作用Layer Normalization带来了许多好处，下面将分别从以下几个角度来介绍Layer Normalization的作用：1. 提高模型的泛化能力Layer Normalization可以降低神经网络层输入的分布差异，使得模型更容易捕捉到数据集中的模式和规律。
大多数情况下，输入的分布差异会导致模型学习过程中的不稳定性，使得模型更容易陷入局部最优解。
眼图形成原理在数位通讯系统的实体层（Physical Layer）中，资料的定义是以逻辑位准的1与0来做判断，但在一般示波器上，撷取到的信号是一段相当短的时间，例如示波器的整个显示幕宽度为100ns，则表示在示波器的有效频宽、取样率及记忆体配合下，得到了100ns下的波形资料，但在这么短的时间中，所分析的资料并不具有代表性，例如信号在每一百万位元会出现一次突波（Spike），在此时间内，出现的机率很小，因此会错过某些重要的讯息。
若可以以重复叠加的方式，将新的信号不断的加入显示幕中，但却仍然记录着前次的波形，只要累积的时间够久，就可以形成一个眼形的图案，如(图一)所示，它就好像把一组讯号切成三位元的二进位逻辑叠在一起一般。
其中要注意的是，一个完整的眼图应该包含所有的八组状态（即000至111），且每一个状态发生的次数要尽量一致，否则，将有某些讯息无法呈现在显示幕中，如(图二)所示。
为了达到量测结果的有效性，一般会采用随机编码（Pseudo Random Bit Sequence；PRBS）的方式，这种编码的好处是当操作完一个回路后，所有的状态将会平均分配，使得眼图的形状是对称的，其中又因不同的位元组长度而分成2^7、2^15、2^23、2^31数种规格，而编码产生的方式，可以由硬体或软体来达成，硬体的方式是采用数位逻辑电路达成，软体则是在先将资料存在编码器内部的记忆体中，经由时脉触发记忆体中的字串讯号，随机编码的另一用途，是量测待测物在各种条件下的误码率（Bit Error Ratio；BER），此时需要有同样编码行为的错误分析仪（Error Analyzer）搭配才可以达到此量测目的。
《图一由八个状态所形成的眼图示意图》《图二因缺乏某组状态将无法形成完整的眼图》硬体介绍最简单且直接能分析出眼图的仪器非示波器莫属，而在取样的方法上，又分成即时（Real time）及重复性（Repetition）两大类，而一般的示波器，大抵都是以前者为主，后者主要是因应Gigabit速度以上的测试，如Infiniband、光纤通讯等，其分类上大致可以从操作的频宽来作区隔，即时取样主要在DC至6GHz范围内，而重复取样则针对100MHz以上至65Ghz为主。
arcgis layer字段ArcGIS Layer 字段ArcGIS 是一种强大的地理信息系统（GIS）软件，用于分析、管理和可视化地理数据。
在ArcGIS 中，图层（Layer）是地理数据的基本单元，它包含一组特定主题或类型的地理数据。
在每个图层中，数据按照属性字段的形式进行组织和存储。
字段（Field）是图层中用于存储和表示不同特征和属性的数据组成部分。
每个字段都具有一个名称和特定的数据类型。
字段以及其值的组合描述了地理要素的不同方面。
在这篇文章中，我们将探讨ArcGIS Layer 的字段，以及如何使用它们来分析和理解地理数据。
第一步：理解字段的类型和属性在ArcGIS 中，字段有多种不同的类型和属性。
以下是一些常见的字段类型：1. 文本字段（Text Field）：用于存储文本数据，如名称、描述等。
2. 数值字段（Numeric Field）：用于存储数值数据，如温度、人口数量等。
3. 日期字段（Date Field）：用于存储日期和时间数据。
4. 布尔字段（Boolean Field）：用于存储True 或False 值的逻辑数据。
此外，每个字段还具有一些属性，可以定义其行为和约束条件。
例如，字段可以具有最小值和最大值约束，用于限制数值字段的取值范围。
字段还可以具有必填属性，以确保在创建要素时必须输入某些字段值。
第二步：添加和编辑字段在ArcGIS 中，可以在图层中添加新字段或编辑现有字段。
下面是如何执行这些操作的步骤：1. 添加新字段：选择要添加字段的图层，右键单击图层名称，在弹出菜单中选择“属性表”选项。
在属性表中，点击“添加字段”按钮，输入字段名称、类型和其他属性。
点击“确定”按钮以添加新字段。
2. 编辑现有字段：在属性表中，选择要编辑的字段所在的列。
右键单击列标题，在弹出菜单中选择“字段属性”选项。
在字段属性对话框中，可以编辑字段的名称、类型和其他属性。
点击“确定”按钮以保存更改。
layer 方法Layer 方法是一种常用的神经网络模型构建方法，它可以有效地将网络的层次结构组织起来，从而更好地实现神经网络的训练和优化。
在本文中，我们将详细介绍 Layer 方法的原理和应用。
一、Layer 方法的原理Layer 方法是一种基于层次结构思想的网络构建方法。
它将神经网络分解为多个层次的组件，每个组件负责实现特定的功能。
这种分解可以帮助我们更好地理解和管理网络的结构，同时也方便了网络的训练和优化。
在Layer 方法中，每个层次的组件被称为一个Layer。
一个Layer 可以包含一个或多个神经元（Neuron），每个神经元负责进行特定的计算操作。
通过将多个Layer 连接起来，我们可以构建出复杂的神经网络模型。
二、Layer 方法的应用Layer 方法在神经网络领域有着广泛的应用。
下面我们将从以下几个方面介绍其具体应用。
1. 图像识别：在图像识别任务中，我们可以使用Layer 方法构建卷积神经网络（Convolutional Neural Network, CNN）。
CNN 由多个卷积层（Convolutional Layer）和池化层（Pooling Layer）组成，每个层次的组件负责不同的特征提取和特征融合操作，最终实现对图像的准确分类。
2. 自然语言处理：在自然语言处理任务中，我们可以使用Layer 方法构建循环神经网络（Recurrent Neural Network, RNN）。
RNN 由多个循环层（Recurrent Layer）组成，每个层次的组件可以对输入序列进行逐个元素的处理，并通过前一时刻的隐藏状态传递信息，从而实现对序列数据的建模和处理。
3. 强化学习：在强化学习任务中，我们可以使用Layer 方法构建深度强化学习网络（Deep Reinforcement Learning Network, DRLN）。
DRLN 由多个全连接层（Fully Connected Layer）和动作选择层（Action Selection Layer）组成，每个层次的组件负责对状态和动作进行建模和选择，从而实现智能体的决策和学习。
leaflet heatlayer参数gradient 逻辑1. 引言1.1 概述本文将就leaflet heatlayer参数gradient的逻辑进行探讨和分析。
Leaflet是一个开源的JavaScript库，用于创建交互式地图应用程序。
Heatlayer是Leaflet 的一个插件，用于在地图上展示热力图。
而gradient参数则是Heatlayer插件中的一个重要设置，其作用是定义热力图的颜色渐变规则。
1.2 文章结构本文主要分为五个部分：引言、leaflet heatlayer参数gradient 逻辑、示例与应用场景、结论和讨论以及结语。
在引言部分，我们将介绍文章的主题和目标，并对文章结构做简要说明。
1.3 目的本文旨在深入理解和探讨leaflet heatlayer参数gradient的逻辑，帮助读者更加准确地设置和使用gradient参数。
通过详细介绍gradient参数的定义、作用以及使用方法，读者将能够有效地利用这一功能来自定义热力图的颜色渐变效果。
同时，通过示例展示和实际案例分析，读者还可以了解到gradient参数在不同应用场景中的具体应用方法和效果。
以上是“1. 引言”部分内容，请根据需要进行修改和补充。
2. leaflet heatlayer参数gradient 逻辑:2.1 简介:在Leaflet中，HeatLayer是一个用于渲染热力图的插件。
gradient参数是HeatLayer插件中的一个选项，用于指定热力图颜色渐变效果的逻辑。
通过设置不同的gradient值，可以改变热力图的颜色样式，并根据数据密集度以不同的强度展示热点。
2.2 gradient参数的定义和作用:gradient参数是一个数组，用于指定颜色渐变效果。
数组中每个元素代表一种颜色，并按从低到高的顺序排列。
HeatLayer会根据数据点所处位置的权重值，匹配相应的颜色进行渲染。
权重值越高，则对应梯度数组中更高位置的颜色。
深度解析3个底层逻辑在计算机领域中，底层逻辑是非常重要的概念。
它是指计算机硬件层面上的逻辑，包括数字电路中的门电路、寄存器、内存等等。
底层逻辑的正确性直接决定了计算机的稳定性和性能。
本文将深入探讨三个底层逻辑，分别是布尔逻辑、时序逻辑和组合逻辑。
一、布尔逻辑布尔逻辑是指基于布尔代数的逻辑运算。
布尔代数是一种由英国数学家George Boole在19世纪提出的代数系统，其基本思想是将逻辑运算转化为代数运算。
布尔逻辑包括与、或、非等基本逻辑运算，它们的运算规则如下：与运算（AND）：当且仅当两个输入都为1时，输出才为1。
或运算（OR）：当任意一个输入为1时，输出就为1。
非运算（NOT）：输出为输入的反码。
布尔逻辑常用于数字电路中，例如门电路的设计。
门电路是数字电路中最基本的构建单元，它由几个输入和一个输出组成。
门电路的输出取决于输入的状态和门电路的类型。
例如，与门电路的输出只有当所有输入都为1时才为1，否则为0。
或门电路的输出只要有一个输入为1就为1，否则为0。
二、时序逻辑时序逻辑是指基于时序信号的逻辑运算。
时序信号是指在一定时间范围内变化的信号，例如时钟信号。
时序逻辑的特点是它的输出不仅与输入有关，还与时间有关。
时序逻辑包括触发器、计数器、状态机等基本逻辑运算。
触发器是时序逻辑中最基本的构建单元，它是一种存储元件，用于存储一个二进制值。
触发器的输出只有在时钟信号上升沿或下降沿发生时才会改变。
触发器的输出可以作为其他时序逻辑的输入，从而实现复杂的逻辑运算。
计数器是一种能够计数的时序逻辑，它可以实现从0开始的递增或递减计数。
计数器通常由多个触发器级联组成，每个触发器代表一个二进制位。
计数器的输入是时钟信号，每个时钟周期计数器的值会加1或减1。
状态机是一种能够根据输入信号和当前状态输出下一个状态的时序逻辑。
状态机通常由状态寄存器和组合逻辑电路组成。
状态寄存器用于存储当前状态，组合逻辑电路用于根据输入信号和当前状态计算下一个状态。
Layer 用法什么是 LayerLayer 是一个常用的计算机术语，它可以指代不同的概念和用法。
在计算机科学领域，Layer 是指在软件开发中将系统或应用程序的不同功能模块分层组织的一种方式。
每一层都有其特定的功能和职责，通过层与层之间的交互，实现系统的整体功能。
Layer 的优势使用 Layer 的方式可以带来许多优势，包括：1.模块化：通过将系统拆分为多个层，可以使每个层都只关注自己的功能，降低了系统的复杂性，提高了代码的可维护性和可扩展性。
2.解耦：不同的层之间通过定义清晰的接口进行交互，层与层之间的依赖关系被明确划分，从而实现了模块之间的解耦，降低了系统中各个模块的耦合度。
3.可重用性：每个层都可以被设计成独立的组件，可以在不同的系统或应用程序中进行重复使用，提高了代码的复用性。
4.易于测试：每个层都可以被独立地进行单元测试，通过模拟其他层的行为进行测试，可以更容易地发现和修复问题。
Layer 的应用场景Layer 的用法在各个领域都有广泛的应用，以下是一些常见的应用场景：网络协议栈网络协议栈是一个典型的使用 Layer 的例子。
网络协议栈通常由多个层组成，每个层负责不同的功能，例如物理层、数据链路层、网络层和应用层等。
每个层都有自己的协议和接口定义，通过层与层之间的交互，实现了网络通信的功能。
操作系统操作系统也是一个常见的使用 Layer 的例子。
操作系统通常由多个层组成，例如内核层、文件系统层、网络层和应用程序层等。
每个层都有自己的功能和职责，通过层与层之间的交互，实现了操作系统的各种功能，例如进程管理、文件管理和网络通信等。
软件开发在软件开发中，Layer 也被广泛应用。
开发人员可以将系统或应用程序的不同功能模块划分为多个层，每个层都有自己的功能和职责。
通过层与层之间的交互，实现了系统的整体功能。
这种方式可以提高代码的可维护性和可扩展性，降低系统的复杂性。
如何使用 Layer使用 Layer 的方式可以根据具体的需求和场景进行灵活的设计和实现。
【实战方法】GMAT逻辑解题方法by lawyer携隐：lawyer的这篇文章，详细阐述了考试时采取何种解题步骤、如何读原文、GMAT逻辑包括哪些类型、以及各种题型的特点和具体解答方法，在实战中非常的有用。
其与XDF有所不同的分类，从某种程度上来说更贴近ETS的出题意图，给我们提供了另外一种分类总结的方式。
建议大家详细阅读，反复体会，争取在实战中取得更好的成绩。
--------------------------------------------------------------------------------曾经有人问，考试时是按平时分析题的思路去做题吗，答案是NO，时间不允许，考试时做题很大程度上是靠感觉，这种感觉主要靠平时分析题的思路形成。
为此，下文对这种感觉进行探讨，分析考试时实际是如何做题的。
解题步骤一．看问题问题分为：MUST BE TRUE（包括SUPPORT THE FOLLOWING）/MIAN POINT（包括FILL IN BLANK）/WEAKEN/SUPPORT/JUSTIFY THE CONCLUSION/ASSUMPTION/RESOLVE THE PARADOX/METHOD OF REASONING（包括ROLE）/FLAW IN THE REASONING/PARALLEL REASONING/EVALUATION THE ARGUMENT/CANNOT BE TRUE（包括WEAKEN选项）/POINT AT ISSUE/PRINCIPLE二。
分析原文1．原文有结论：分清前提，反前提，附加前提，中间结论和总结论，特别是推出结论的直接前提。
在脑中形成因为（直接前提）所以（结论）推理结构。
注意结论的特殊性和具体性2．原文没结论的：主要有三类MUST BE TRUE/CANNOT BE TRUE/RESOLVE THE DESCREPANCY。
对前两类，有共同结合点的，将其结合起来，看能推出什麽。
如果没有结合点，记住信息。
对于第三类，记住矛盾三．排除选项或找出答案1．如果有些问题类型和原文特点结合产生能预测答案的，则直奔答案，2．如果如果只能预测答案大体情况，则结合有关无关排除选项3．剩下的用有关无关，排除选项，剩下有关的。
各类题有关无关概念不完全相同，但总体上是和谈论的话题有关就是有关。
再用各类体的TEST去最后确认或从混淆的最后一两个答案中找出正确答案。
4．至此多数题能找到答案。
有四类特殊的题型可用TEST去检验所选的是否正确或在剩下的几个混淆项中选出正确答案。
分别是Assumption-Negation Justify-Justify FormulaEvaluate-Variance TestPoint at Issue-Disagree/Agree四．几种特殊题型CONDITIONAL CONCLUSION/CONDITIONAL REASONING/CAUSE AND EFFECTCONCLUSION/NUMBERSAND PERCENTAGES（两者没必然关系，不能混淆）/FORMAL LOGIC（有指示词SOME，ALL，NONE，MOST是SUBJECT之间的包容关系，用画圈圈法解）五．各类题1．MUST BE TRUE看原文：共同结合点的，将其结合起来，看能推出什麽。
如果没有结合点，记住信息。
对原文有充分必要推理有的，找推理起点（或在原文，或在问题，或在选项），由起点列出推理链。
用该推理链选项找答案。
常考NUMBERS AND PERCENTAGES和充分必要。
答案：是原文某句话的重写或逆否命题或某几句话的结合，特别是原文有充分必要推理的。
特别注意数量上和可能性上的词的差别TEST：FACT TEST。
即选项的内容全部来之原文。
2．MAIN CONCLUSION：看原文：找出主结论答案：原文主结论的重写。
必须概括全文并且是MUST BE TRUE。
TEST：原文找结论时，对没有指示词的，假设某个为结论，看看是其他句子是它的前提，直到找到主结论。
3．WEAKEN看原文：找出结论和推出该结论的前提。
特别注意结论的特殊性和具体性。
找答案：用结论的具体性去区分有关无关，并结合TEST。
对于特殊类，先预测出答案，用此预测去找答案TEST：问自己，是否该答案使作者再考虑他的观点或迫使作者做出反应或原文该前提能证明该结论吗。
几种特殊类型：原文前提和结论关系不密切：正确选项直接WEAKEN结论因果型结论：即原文给出两件事，然后得出结论说是一件事（因）导致另一件事（果）。
WEAKEN该结论的方法包括：A。
是其他原因或可能导致该结果。
B。
割断因果：或有因无果或有果无因。
C。
因果颠倒了。
D显示因果关系的资料不准确。
条件型结论：结论带条件（即为充分必要）。
WEAKEN的方法显示充分条件成立，必要条件可以不成立。
或举反例，或提供有关信息。
原文是类比：WEAKEN方式为两者本质不同调查：有效性受怀疑（被调查的没代表性等）4．SUPPORT看原文即找答案：同WEAKENTEST：问自己，选项是否在某方面帮助了作者几种特殊类型原文前提和结论关系不密切：正确选项直接支持结论因果型结论：即原文给出两件事，然后得出结论说是一件事（因）导致另一件事（果）。
SOPPORT该结论的方法包括：A。
没有其他原因或可能导致该结果。
B。
结合因果：或有因有果或无果无因。
C。
因果不颠倒了。
D显示因果关系的资料是准确。
原文是类比：SUPPORT方式为两者本质相同调查：有效性不受怀疑（被调查的有代表性等）假设类支持：将原文的推理中的GAP填补。
消除原文的推理缺陷。
因果型结论。
条件型结论常以假设的形式出现5．ASSUMPTION看原文：同WEAKEN。
对于充分必要的，列出推理链。
找答案：答案分两类型：SUPPORT（填补推理上的概念GAP），DEFENDER（排除WEAKEN结论的可能性，即排除他因）。
读原文，推理中有概念GAP（特别是答案出现新元素），则答案填补这个GAP（通常新元素必出现），否则找他因，排除推理中的WEAKNESS。
最后用TEST检验或排除易混的答案。
对于后一类用有关无关有时比较好，用结论的具体性和特殊性去分有关无关，排出剩下的用TESTDENIAL TEST：将选项取非，原文结论不成立，则为正确选项。
几种特殊类型：因果型结论：ASSUMPTION的方法包括：A。
不是其他原因或可能导致该结果。
B。
结合因果：或有因有果或无果无因。
C。
因果没颠倒。
D显示因果关系的资料是准确。
条件型结论：结论带条件（即为充分必要）。
ASSUMPTION的方法排除充分条件出现，必要条件不出现的情况。
或充分条件一定能推出必要条件，或排除充分条件推不出必要条件的可能原文是类比：ASSUMPTION方式为两者本质不是不同调查：肯定有效性（被调查的对象有代表性等）6．JUSTIFY THE CONCLUSIONH看原文：因为需要100 CERTAINTY，故原文类型多为充分必要类或NUMBERS AND PERCENTAGES。
画出推理链或找出结论的新元素找答案：用原文结论出现的新元素或推理链或NUMBERS ADNPERCENTAGES的计算结果去找答案，再结合TEST排除充分必要颠倒的混淆选项。
TEST：PREMISE + ANSWER CHOICE = CONCLUSION7。
RESOLVE THE PARADOX看原文：找出原文的矛盾或奇怪的现象找答案：用相关无关排除答案，和具体的矛盾的事有关无关，结合TEST。
TEST：答案必须使原文相矛盾的事物不矛盾或都是真，都成立8．METHOD OF REASONING（包括ROLE）看原文：找出原文的推理结构找答案：用排除法。
排除出现原文没说过的东西的选项，包括新元素，极端化或夸张的元素，相反的元素，颠倒的元素。
结合TESTTEST：选项描述了原文的结构，每个元素都必须在原文出现过。
ROLE：分析原文的结构即某句话在原文的作用，和答案对。
原文结构元素包括前提，反前提，附加前提，副结论，主结论。
对于两个结论的段子，很多主结论在第一句话，副结论（SUBSIDARY，SECONDATY，INTERMEDIATE，SUPPORTING CONCLUSION）在结尾并有指示词9．FLAW IN THE REASONING看原文：找出原文错误找答案：描述原文错误的为答案。
描述的因素原文没有的为错误答案TEST：描述原文的推理错误，每个元素都必须在原文出现过。
10．PARALLEL REASONING看原文：找出原文推理形式（因果推理，充分必要，类比，循环论证等），结论和前提的特点（CERTAINTY LEVEL），推理有效性（问题说有推理缺陷的，选项也应有相应的推理缺陷，没说则没有推理缺陷）找答案：将上面四个因素和答案MATCH（绝对配绝对，意见配意见，条件配条件，MUST，COULD，MANY，SOME，NEVER配相应词）11．EVALUATION THE ARGUMENT看原文：同WEAKEN。
找答案：用结论的具体性去区分有关无关，并结合TESTTEST：VARIANCE TEST。
对答案的相反的回答能对原文结论起WEAKEN和SUPPORT作用12．CANNOT BE TRUE看原文：同MUST BE TRUE。
共同结合点的，将其结合起来，看能推出什麽。
如果没有结合点，记住信息。
对原文有充分必要推理有的，找推理起点（或在原文，或在问题，或在选项），由起点列出推理链。
用该推理链选项找答案。
常考NUMBERS AND PERCENTAGES和充分必要。
找答案：和原文的某句话或某几句话的结合相矛盾。
特别注意数量上和可能性上的词的差别。
TEST：FACT TEST。
即选项的内容全部和原文矛盾。
存在原文没提的元素的选项错。
13．POINT AT ISSUE看原文：找出说话的人的结论和前提，特别是结论，多数不同的是观点，少数是前提。
找答案：用其中一个结论作为有关无关排除必错选项，再用另一个结论找出最综答案。
对于说话人的结论是MORA或ETHICAL，则关于FACTUAL SITUATION的答案必错，反之亦然。
结合TESTTEST：AGREE/DISAGREE。
其中一个人说“I AGREE，THE STATEMENT IS CORRECT”，另一个人必说“I DISAGREE，THE STATEMENT IS INCORRECT”。
14．PRINCIPLE看问题：原则在原文还是选项看原文：如果原则在原文，找出原则的条件。
如果原则在选项，找出结论和推出结论的直接前提。
找答案：对于原则在原文的，将条件和选项直接比，符合条件的为答案。
