入门诊断测试
入门诊断测试
一句话定位
这个测试不是考试，而是用 60-90 分钟判断你学习深度学习时最可能卡在哪里：概念、数学、代码、论文阅读，还是口头表达。
使用方法
- 不查资料，先独立完成第一遍。
- 每题只写自己真实会说的话，不要写 AI 风格答案。
- 完成后按“评分方式”标出 A/B/C/D 四个维度。
- 把不会的题转入
错题与薄弱点复盘.md。
A. 概念直觉
请用自己的话回答，每题 2-4 句话。
- 什么是 tensor？它和普通表格数据有什么关系？
- 什么是 loss？为什么模型训练需要 loss？
- gradient 在训练中起什么作用？
- overfitting 是什么？为什么训练集表现好不代表模型好？
- embedding 解决了什么问题？
- attention 为什么可以理解为“按相关性取信息”？
合格标准：不是背定义，而是能举一个例子。例如“词向量把词变成可以计算距离和相似度的向量”。
B. 数学与公式
不要求严格证明，只要求能解释符号含义。
- 对公式
y = Wx + b，说明x、W、b、y分别是什么。 - softmax 的输入和输出分别表示什么？
- 为什么 attention 里会出现
QK^T？ - 为什么训练时要做反向传播？
- 什么叫参数量？什么叫 token 数？什么叫计算量？
合格标准：能说出每个符号代表的对象和 shape 的大致含义。
C. 代码能力
请写出或口头说明最小代码思路。
- 用 Python 创建一个二维数组，并说明它的 shape。
- 在 PyTorch 中，
nn.Module大概负责什么？ - 为什么训练代码通常有 forward、loss、backward、optimizer.step 这几个步骤？
- 如果一个 notebook 跑不通，你会先检查哪 3 件事？
- 看到
RuntimeError: mat1 and mat2 shapes cannot be multiplied，你会怎么定位？
合格标准：能把报错和 tensor shape 联系起来，而不是只复制报错给 AI。
D. 论文阅读能力
选择任意一篇推荐论文，先只看标题、摘要、引言，回答：
- 这篇论文想解决什么问题？
- 它的方法是改模型结构、训练目标、数据规模，还是适配方式？
- 它最想证明什么？
- 它的局限可能在哪里？
- 如果在组会上介绍，你会用哪一句话开头？
合格标准：能抓住“研究问题 -> 方法 -> 证据 -> 局限”，而不是只翻译摘要。
E. 表达能力
请录音或写稿，完成 2 分钟说明：
我为什么要按 word2vec、ResNet、Attention、Transformer、GPT/BERT、Scaling Law、RLHF/LoRA/Diffusion 这个顺序学习？
合格标准：能说出“表示学习 -> 深层网络 -> 序列建模 -> 预训练 -> 规模规律 -> 对齐和适配 -> 生成模型”的主线。
评分方式
每个维度按 0-2 分打分：
| 分数 | 含义 |
|---|---|
| 0 | 只能照抄解释，不能用自己的话说 |
| 1 | 大概知道，但表达不稳定，例子或 shape 不清楚 |
| 2 | 能用自己的话解释，并能举例或连接代码/论文 |
总分解释：
| 总分 | 当前状态 | 第一周策略 |
|---|---|---|
| 0-3 | 先补概念和代码基础 | Day 1-Day 3 放慢，每天只完成一个概念和一个最小代码块 |
| 4-6 | 可以进入论文主线，但要强制写 shape 和例子 | 按 8 周表执行，每天保留 25 分钟 notebook |
| 7-10 | 可以加快论文阅读 | 每周多做一次 3 分钟口头汇报 |
给 AI 的诊断提示词
下面是我的深度学习入门诊断答案。请不要鼓励式评价，只根据证据判断。
任务：
1. 判断我在概念、数学、代码、论文阅读、表达五个维度分别是 0/1/2 分
2. 找出最影响我继续学习的一个短板
3. 给出明天 90 分钟的具体任务
4. 每个任务都必须有可检查产出
我的答案：
【粘贴答案】