自主学习常见问题¶

快速定位¶

你现在遇到的问题	先做什么	相关入口
时间或基础不足	选择最小路径，只保留一个样例、一次运行和核心证据	12 周路线 · 证据清单
没有 GPU 或云端配额	缩小模型/数据，优先 CPU、免费 Kaggle/Colab 或短程实验	Kaggle Notebook
运行失败或指标没提升	保留配置、日志、失败原因和下一步假设	自主评估
不知道证据是否完整	对照唯一 Evidence Manifest 补齐缺项	证据清单
准备开始项目	先确认已有固定样例、baseline 与评测问题	项目实战
需要安全使用 AI/Secret	使用环境变量或平台 Secret，并记录人工核验	AI 辅助编程

本页用于快速恢复学习节奏；若问题涉及具体运行环境、模型或数据，优先回到对应专题的“常见失败与恢复”。

24 小时是用于规划课程深度的建议投入，不是考勤要求。先保证主线成果可运行、可复现和可解释，再使用剩余时间选择自主探索方向。不要为了记录时长而增加无目的阅读或重复运行。

可以。Week 1–7 可以在 CPU 或小规模云端环境完成；Week 8–10 可使用 Kaggle/Colab、小模型、小数据或更短训练。自主检查关注问题、实验设计、证据与解释，不比较模型规模和 GPU 时长。

负面结果仍然是研究证据。保留配置、日志、失败原因、排查过程和下一步假设，并判断失败是否改变了原来的研究问题。不要隐藏失败或只展示最好的一次运行。

可以，不需要导师批准。进入下一周后，先用主线时间补齐最关键的版本、命令、配置和原始结果，再开始新的探索。必要时缩小数据、模型或任务范围。

可以，而且 Week 3 会建立正式的验证闭环。必须披露使用范围，保留关键交互摘要，并用测试、官方文档和人工审查验证输出。最终代码必须能由学生本人解释。

不需要。每周只选择一个最能帮助当前项目的问题。主线尚未稳定时，可以把探索时间用于补齐复现证据和失败分析。

准备五项内容：完成的成果、最重要证据、最大失败、当前探索方向和下周首先解决的问题。例会用于交流和提问，不评分、不验收。

使用环境变量、W&B 登录命令或平台 Secret 管理，不要写进 Notebook、配置、截图或 Git 历史。若意外提交，应立即撤销并轮换 key。

不必须。私有项目可以保留脱敏图表、配置 diff、run ID 和 report 导出；不得为了展示进度而上传敏感数据。

选择能在现有资源上稳定复现的最小模型。先验证 Pipeline 和评测，再扩大规模。Model card、license、资源需求和任务适配度比参数数量更重要。

常见原因包括依赖未固定、模型 revision 未记录、依赖本地绝对路径、隐藏 cell 状态或数据来源不明。应从空环境执行“Restart & Run All”，并邀请同学按 README 尝试一次。

优先在同一项目的官方域名或官方组织中寻找新地址，再提交 issue 或 PR。不要用未经核验的转载页替代原始来源。