精准LaTeX代码生成

下面给出一个可直接编译的 article 类最小示例，包含 booktabs、siunitx、threeparttable，使用 S 列对齐数值并四舍五入保留两位小数。每个数据集内各指标的最优值已加粗，表注说明了评价指标的意义，并通过 threeparttable 添加了脚注（评测划分与硬件信息）。

% 编译：xelatex 或 pdflatex 均可 \documentclass[12pt]{article}

% 专业表格线 \usepackage{booktabs}

% 数值对齐与格式控制 \usepackage{siunitx} \sisetup{ round-mode=places, round-precision=2, detect-weight=true, % 检测加粗等字重变化，保证对齐 detect-family=true % 检测字体族变化 }

% 表格三段式（标题、主体、注释） \usepackage{threeparttable}

\usepackage[a4paper,margin=1in]{geometry}

\begin{document}

\begin{table}[t] \centering \begin{threeparttable} % 说明类目与标签 \caption{实验结果对比} \label{tab:results}

% 使用 S 列对齐数字；为不同指标设置合适的 table-format 宽度
% - Accuracy/F1 取值常在 [0,100]，用 3.2（最多 3 位整数 + 2 位小数）
% - Params(M) 通常 <100，用 2.2
% - Time(ms) 用 3.2
\begin{tabular}{
  l l
  S[table-format=3.2]
  S[table-format=3.2]
  S[table-format=2.2]
  S[table-format=3.2]
}
  \toprule
  Dataset & Model &
  \multicolumn{1}{c}{Accuracy(\%)} &
  \multicolumn{1}{c}{F1(\%)} &
  \multicolumn{1}{c}{Params(M)} &
  \multicolumn{1}{c}{Time(ms)} \\
  \midrule

  % D-Text：每列最优加粗（使用 \bfseries，siunitx 可检测字重；也可写 \textbf{...}）
  D-Text   & Baseline & 88.23 & 85.90 & {\bfseries 14.20} & 6.80 \\
           & Improved & 90.12 & 88.45 & 16.70             & 7.10 \\
           & Ours     & {\bfseries 92.35} & {\bfseries 90.58} & 15.90 & {\bfseries 6.50} \\
  \midrule

  % D-Vision
  D-Vision & Baseline & 75.45 & 73.22 & 28.70             & 12.40 \\
           & Improved & 78.90 & 76.05 & {\bfseries 26.30} & 11.80 \\
           & Ours     & {\bfseries 81.26} & {\bfseries 79.40} & 27.50 & {\bfseries 10.90} \\
  \midrule

  % D-Audio
  D-Audio  & Baseline & 82.10 & 80.48 & 12.00             & 4.20 \\
           & Improved & 84.05 & 82.90 & {\bfseries 10.80} & 4.00 \\
           & Ours     & {\bfseries 86.72} & {\bfseries 85.33} & 11.10 & {\bfseries 3.70} \\
  \bottomrule
\end{tabular}

% 表注：说明评价指标与实验环境
\begin{tablenotes}
  \footnotesize
  \item Accuracy/F1↑ 越大越好，Params/Time↓ 越小越好。
  \item 评测在各数据集的官方验证/测试划分上进行；硬件环境为单卡 GPU，batch=32。
\end{tablenotes}

\end{threeparttable} \end{table}

\end{document}

关键设置说明：

• 通过 \sisetup 指定 round-mode=places 与 round-precision=2，所有 S 列自动保留两位小数并四舍五入。
• detect-weight=true, detect-family=true 让 S 列在加粗（\bfseries 或 \textbf）时仍保持对齐；示例中用 {\bfseries ...} 直接包裹数值实现加粗。
• 表头为文本，使用 \multicolumn 将其居中并避免 S 列解析文本造成报错。
• 使用 booktabs 的 \toprule、\midrule、\bottomrule，避免竖线，提高技术报告的排版质量。
• threeparttable 的 tablenotes 提供脚注，便于写明评测设置与硬件信息。

下面给出一份可直接用 XeLaTeX 编译的中文书籍章节文档骨架（ctexbook 类），满足你提出的排版与结构要求。已尽量使用最少必要宏包，并用中文注释说明便于复用与扩展。

% !TEX program = xelatex
\documentclass[UTF8]{ctexbook} % 中文书籍类，XeLaTeX 编译

% ========== 版式与基础设置 ==========
\usepackage[a4paper, left=3cm, right=3cm, top=2.5cm, bottom=2.5cm]{geometry} % A4 边距
\usepackage{setspace}    % 行距控制
\setstretch{1.2}         % 行距 1.2

% 数学与定理环境
\usepackage{amsmath, amsthm} % 公式与定理
\numberwithin{equation}{section} % 方程按节编号

% 页眉页脚
\usepackage{fancyhdr}
\pagestyle{fancy}
\fancyhf{} % 清空默认
% 页眉：奇偶页分别在外侧显示页码，内侧显示章标题
\fancyhead[LE,RO]{\thepage}
\fancyhead[LO,RE]{\nouppercase{\leftmark}} % 显示章标题，不全大写
\setlength{\headheight}{14pt} % 防止页眉高度不足的警告

% 超链接（彩色）
\usepackage{xcolor}
\definecolor{ThemeBlue}{RGB}{33,150,243} % 主题蓝（Material Blue 500）
\usepackage[colorlinks=true, linkcolor=ThemeBlue, anchorcolor=ThemeBlue, citecolor=ThemeBlue]{hyperref}

% 目录深度
\setcounter{tocdepth}{2} % 显示到小节

% ========== 定理环境（中文题头） ==========
\theoremstyle{plain}
\newtheorem{theorem}{定理}[section]
\newtheorem{lemma}[theorem]{引理}
\theoremstyle{definition}
\newtheorem{definition}[theorem]{定义}
\renewcommand{\proofname}{证明} % amsthm 的 proof 环境题头改为“证明”

% ========== 文档开始 ==========
\begin{document}

% 封面
\title{概率图模型基础与实践}
\author{张三}
\date{\today}
\maketitle

% 前言部分（页码用罗马数字）
\frontmatter
\tableofcontents

% 正文部分（页码用阿拉伯数字）
\mainmatter

\chapter{概率图模型导论}

\section{基本概念}
概率图模型（Probabilistic Graphical Models, PGM）通过图结构表达随机变量之间的条件独立关系，典型形式包括有向图的贝叶斯网络与无向图的马尔可夫随机场。更系统的阐述可参考文献\cite{Koller2009PGM, Murphy2012ML}。本章包含若干示例元素，便于交叉引用，如“见定理\ref{thm:consistency}”、图\ref{fig:pgm} 与表\ref{tab:example}。

\subsection{贝叶斯网络}
贝叶斯网络以有向无环图（DAG）建模联合分布，满足
\begin{equation}\label{eq:bn-factorization}
p(\mathbf{X}) = \prod_{i=1}^n p\bigl(X_i \mid \mathrm{Pa}(X_i)\bigr),
\end{equation}
其中 $\mathrm{Pa}(X_i)$ 表示结点 $X_i$ 的父结点集合。式\eqref{eq:bn-factorization}展示了基于图结构的分解。

\subsection{马尔可夫随机场}
马尔可夫随机场以无向图刻画变量之间的团势函数，通过归一化得到联合分布。其条件独立性可由图分离性质给出。

\section{推断与学习}
\subsection{精确推断}
在树形结构上，可用消息传递进行线性时间的精确推断。对于一般图，常需图分解或变量消除。

\subsection{近似推断}
近似方法包括变分推断与采样方法（如MCMC）。下面给出一个示例定理。

\begin{theorem}[一致性]\label{thm:consistency}
在模型可辨识、且数据独立同分布来源于真实分布的条件下，极大似然估计（MLE）随样本量增大收敛到真实参数（即具有一致性）。
\end{theorem}

\begin{proof}
证明思路基于大数定律与对数似然的极限性质，结合可辨识性给出极限点唯一性。严格证明可参考经典统计学习理论文献，本文略。
\end{proof}

定理\ref{thm:consistency}为学习方法提供了理论保证。

% ========== 图（占位方框） ==========
\begin{figure}[htbp]
  \centering
  % 简单占位框：高 60mm，宽 0.8\textwidth
  \fbox{\rule{0pt}{60mm}\rule{0.8\textwidth}{0pt}}
  \caption{概率图模型示意图（占位）}
  \label{fig:pgm}
\end{figure}

如图\ref{fig:pgm}所示，图结构刻画了变量之间的条件独立关系。

% ========== 表（2×2 示例） ==========
\begin{table}[htbp]
  \centering
  \caption{2×2 示例表（如二分类的混淆矩阵）}
  \label{tab:example}
  \begin{tabular}{c|cc}
    \hline
    & 正例 & 负例 \\
    \hline
    预测为正 & a & b \\
    预测为负 & c & d \\
    \hline
  \end{tabular}
\end{table}

表\ref{tab:example}给出了一个常用的2×2结构示例。

% ========== 参考文献（示例） ==========
\begin{thebibliography}{99}

\bibitem{Koller2009PGM}
Daphne Koller and Nir Friedman.
Probabilistic Graphical Models: Principles and Techniques.
MIT Press, 2009.

\bibitem{Murphy2012ML}
Kevin P. Murphy.
Machine Learning: A Probabilistic Perspective.
MIT Press, 2012.

\end{thebibliography}

\end{document}

说明与复用要点：

• ctexbook 已启用中文支持，XeLaTeX 直接编译即可。
• 几何与行距：通过 geometry 与 setspace 统一设置版心与行距，适合整书复用。
• 页眉：fancyhdr 使用章标题（\leftmark）与页码，且不强制大写；\headheight 已调整防止警告。
• 超链接：hyperref 使用 ThemeBlue 主题色，统一 linkcolor/anchorcolor/citecolor，适合扩展到 urlcolor 等。
• 目录与编号：\setcounter{tocdepth}{2} 控制目录深度；\numberwithin{equation}{section} 按节编号公式。
• 定理环境：中文题头“定理/定义/引理”并共享同一计数器（按节重置）。\proofname 改为“证明”。
• 图与表：占位方框无需额外宏包；均含 \caption 与 \label，便于交叉引用。
• 参考文献：thebibliography 给出两条示例，可替换为 BibTeX/Biber 方案时保留 \cite 用法一致。