文本分析与大模型 · 修读回执档案

我也是不懂，我方向键按烂了、Ctrl+S都摁出火星子了，各种地方白纸黑字写了3遍，最后一节课还当面跟老师提过，小组大作业论贡献我就是那个把全组KPI扛在肩上做深蹲的人，课堂展示里能看得见的项目内容基本全是我搓出来的。结果呢，依然精准触发"我比组内某个人低"的隐藏成就。另外，本组还有全勤+全作业拿到的最低仅80分的选手，你管这叫给分好？如好~~点踩随意，反正至少我是被狠狠伤害了。

wx老师，好人，备课像开了认真buff，关心学生也是真的，不是营业式微笑。 但这学期课程内容，科普味浓到像在喝一碗AI养生粥，想冲互联网或者量化的同学，可能真吃不出什么增量，嚼半天发现是代餐。不过反过来讲，它确实也是水学分的好选择，水得明明白白。对非互联网非量化的同学，我反而挺推荐，这种科普课至少能帮你给当前AI发展搭一个基础理解的脚手架。 尤其是老师早期提的那个思想：90%时间去找资料、学底层逻辑、完成思路构建，10%时间去实际执行操作——大意是这样，细节我有点忘了但差不多这个意思。这个加上其它一些思想，我觉得才是真正精华，属于是把课里的舍利子抠出来了。 同时也能感觉到，这个时代想设计一门好课真的难到离谱。连wx老师这么认真备课，都很难满足同学们的要求。先声明我不是阴阳怪气啊！我只是纯感叹。 然后三次hw质量很高！如果不是拿AI速通，而是自己真去思考、看代码，是真的能学到东西。第一次hw的特征设计、第三次hw的harness构建，我到现在印象都很深，受益匪浅。

课程内容：课程名就是剧透，全程nlp思想加大模型和agent科普，听名字等于看完预告片。 上课自由度：高到你在教室支个摊儿都行，大三了嘛，谁还管你灵魂出没出窍。 考核标准：第一节课会把分数构成念一遍——10分课堂表现和点名（几乎不扣分，就算点名的课没来也影响不大），40分平时作业，50分小组项目。 后面那两项评分完全不透明，属于你认真做了一学期，最后发现自己被扣分的地方可能在平行宇宙。这学期可能老师比较忙，平时作业出完题连评分标准都没挂，每项作业具体几分看不见；小组作业的具体几分也看不见，打分透明度和薛定谔的猫一个级别。给分也相当不理想，冲着提分来的同学注意一下，尤其下一届这门课挪到大三上，这分数是要跟保研排名手拉手的。 授课质量：前半截nlp讲得其实非常一般，想认真学nlp的建议自学或者去计算机学院的自然语言处理，安泰这门完全就是人家的子集。（当然想水学分的话还是很不错的，学过计算机学院nlp的话这课可以直接闭眼，完全不用担心错过什么）。后半学期大模型倒是很不错很前沿，但说白了平时自己玩大模型或者agent也都能接触到，安泰这课基本科普性质，不会给你带来什么实质性提升。 一学期听下来，weixuan真的是好老师，备课认真看得出来，例子和知识点都是动过脑子的。但不知道为什么，对我来说从各个角度都没什么用，完全没达到选课时的预期。可能就是因为这课第一次改名改内容，塞了太多新东西，还需要仔细打磨吧。

课程内容：非常前沿有用的东西，这本来是我大学最想学的，可惜可惜我实习里已经学到了，所以真心希望这门课能早点开，大一大二上会更有帮助。 上课自由度：挺高，去不去都行，有个签到也是扫码，不点名的。 考核标准：签到、作业、大作业，给分还是挺好的。 授课质量：高，我一直觉得老师用心准备的课，授课质量不会低。

是一门追热点且偏应用的课，热度追得比热搜还勤。 课程的内容都非常新，可能没有特别硬核的内容，但魏老师会一直更新课程，每一年和前一年的课的很多内容都不一样，感觉还是下了很大功夫的。 给分可能没有想象中的高预期，但依然是门给分不错且内容实用的好课。 听课也不会很累，听魏老师讲他实操中的一些小技巧，感觉是很有意思且有用的，属于不知不觉就听完的那种。 同时有些看似理解了的内容，一到做大作业和小作业就露馅，发现自己其实也没懂多少，优化的时候有种开智了的感觉，还是很有帮助的。 总结：是门好课！

就是…感觉似乎没有传言的那么好。

我错了魏神 这给得也太多溢出来了吧orz