F3F 落地与专业方向拓展选学
专项应用、前沿与论文复现
通过虚构的微型创作实验室，认识语言、视觉、语音、推荐、时间序列、强化学习、机器人和科学AI的任务差异。学习把前沿演示拆成输入、目标、数据、指标和边界，最后设计低成本论文复现，明确哪些结果可比较、哪些只能算趋势观察，不把流畅展示当作科学结论。
学完你将能够
- 为不同模态与任务匹配数据及评价方法
- 识别推荐、时间序列和强化学习的特殊评估陷阱
- 解释机器人与科学AI的额外验证要求
- 完成有范围、有对照、有失败分析的微型论文复现计划
课节目录
综合项目：微型创作实验室前沿研究复查包
从图片分类、材料语音链路、教程推荐、数量预测或网格策略中选择一个安全虚构任务，交付任务卡、基线、隔离评估与微型复现报告。
步骤
- 选择一种任务并说明输入、输出、支持范围与非目标
- 制作或描述许可的虚构数据，说明来源和分组规则
- 建立简单且透明的基线
- 提出一个单因素改进假设及主要和边界指标
- 安排三次重复或多个预测时点，并保留失败样本
- 记录条件差异、复现层次、限制和下一步验证
交付物
- 任务与数据隔离卡
- 基线、候选和消融实验计划
- 含重复结果或时点误差的模拟记录
- 结论、失败分析和证据边界说明
自查标准
- 任务数据不涉及真实个人、物理危险或专业判断
- 分组考虑作品、来源或时间而非随意随机
- 指标能反映任务重要错误而非只看流畅度
- 比较固定主要条件且保留基线
- 结论说明模拟或缩小实验性质，不声称普遍规律
查看参考方案
参考复查报告
选择自制积木图片分类，目标是判断是否看见红积木，支持明亮桌面与无遮挡作品，不处理真实身份或设备控制。按作品分组划分，同一积木塔的不同照片不跨训练和测试。先建立一个简单颜色规则基线，再比较增加形状信息的候选，固定图片处理与评价规则。主要指标关注分类表现，另外分别检查红积木漏检、误报和遮挡时的未知处理。
模拟三次候选结果有小幅波动，报告全部记录，不挑最高分。去掉形状信息做消融，检查新增部分是否真的改善未见作品，而不是利用拍摄背景。资源与数据远小于任何完整研究，所以本项目只做机制理解与趋势观察，不声称复现真实论文原始成绩。
失败样本显示遮挡导致数量判断困难，建议补拍或限制任务，不用流畅描述掩盖不确定。若转成语音、推荐或网格策略，也应分别核验数量传播、曝光与时间顺序、奖励漏洞。最后给出输入、目标、基线、数据、限制与下一步问题，让其他学习者可以复查并独立验证，而不是只观看一个成功演示。