动手教程：从示例到可验证结果¶
这里提供可以跟着运行的 hands-on tutorials。每篇教程聚焦一个明确任务，帮助你在较短时间内完成一次运行、观察结果并做出有依据的修改。
它与 12 周课程、项目实战有什么区别？
- 12 周课程提供学习顺序、每周主线、自主探索方向与证据清单。
- 动手教程解决一个具体问题，适合边运行边理解。
- 项目实战串联数据、模型、评测与报告，形成完整作品。
关于页面中的时间
教程和项目页标注的是单个活动或最小路线所需时间，不是每周总投入。完整课程仍按每周约 24 小时规划，其余时间用于主线建设、评测、探索和复盘。
如何选择¶
| 入口 | 类型 | 适合周次 | 建议投入 | 你会带走什么 |
|---|---|---|---|---|
| OmniDocBench Markdown 文档评测 | 可运行案例 / Runnable lab | Week 6–7 | 1–2 小时 | 一次 Benchmark 运行、结果文件与误差观察 |
| Qwen3.5-VL：SFT 与 GRPO | 进阶路线 / Guided path | Week 8–10 以后 | 1 小时规划 + 后续实验 | 框架选择、训练路线与实践项目清单 |
教程模块学习卡
学什么：从唯一入口完成一次可复现运行，或形成一份可执行的后训练计划。
官方来源：OmniDocBench、Qwen、Hugging Face 及所选训练框架的官方文档。
做什么：先完成教程运行契约中的最小动作，再决定是否扩展实验。
提交什么：入口链接、版本与配置、预期文件、失败记录和结论。
如何自查：从头运行或逐项检查计划，确保他人不需要口头说明即可复现。
第一次进入建议
如果还没有跑通过 Document AI pipeline，先完成文档评测教程；如果已经有 baseline、固定数据划分和评测脚本，再进入 SFT/GRPO 路线。
教程 01｜OmniDocBench Markdown 文档评测¶
这个教程以 Kaggle Notebook 为入口，适合第一次接触 Document AI Benchmark 的学生。
你将完成：
- 打开并复现一个可运行 Notebook；
- 理解 prediction、ground truth 与 evaluation 的关系；
- 保存评测输出，而不只保留截图；
- 修改一个变量并解释结果变化。
最低产出：Notebook 链接、运行配置、结果文件、一个失败案例和 200 字结论。
教程 02｜模型后训练：Qwen3.5-VL SFT/GRPO 路线¶
这是一份进阶学习路线，帮助你判断何时选择 SFT、何时继续探索 GRPO，以及应该使用哪些官方框架。它不是“一键得到更好模型”的脚本。
你将完成：
- 区分 SFT 与 GRPO 的目标、数据和评测要求；
- 比较 LLaMA-Factory、TRL 与 OpenRLHF 的适用场景；
- 为一个小规模后训练实验定义 baseline、资源上限和停止条件；
- 把实验接入 W&B 记录与比较流程。
最低产出：一页实验计划，包含研究问题、数据、baseline、唯一变量、指标、预算与风险。
每篇教程的完成标准¶
- 从头运行，不依赖隐藏的 Notebook 状态；
- 记录模型、数据、代码 revision 和关键参数；
- 保存原始结果，并至少分析一个失败案例；
- 明确哪些内容来自 AI 建议，以及如何人工核验；
- 能用自己的话解释“改了什么、结果怎样、为什么可信”。