掌握度追踪表
掌握度追踪表
一句话定义
这张表用来判断你是“看过材料”，还是已经达到“能解释、能读论文、能跑代码、能被追问”的程度。
使用规则
每学完一篇论文，只填一行。不要追求好看，重点是留下证据。
评分采用 0-2 分：
| 分数 | 含义 |
|---|---|
| 0 | 没有证据，或只能复述 AI/教材 |
| 1 | 能大致解释，但代码、实验或局限不稳定 |
| 2 | 能用自己的话解释，并能连接论文、代码和追问 |
12 篇论文掌握度表
| 论文 | 问题定位 | 方法直觉 | 关键公式/结构 | notebook 证据 | 口头表达 | 局限边界 | 总分 | 下一步 |
|---|---|---|---|---|---|---|---|---|
| word2vec | ||||||||
| ResNet | ||||||||
| Attention | ||||||||
| Transformer | ||||||||
| GPT | ||||||||
| BERT | ||||||||
| GPT-3 | ||||||||
| Scaling Law | ||||||||
| Chinchilla | ||||||||
| RLHF | ||||||||
| LoRA | ||||||||
| Diffusion |
每个维度怎么判定
问题定位
- 能说清这篇论文之前有什么困难。
- 能说出这篇论文不是在解决什么。
2 分表现：
例句：
word2vec 不是完整语言模型，它主要解决的是如何从上下文中学习词的向量表示。
方法直觉
- 能用一个 toy example 说明方法。
- 不依赖复杂公式也能讲清核心机制。
2 分表现：
关键公式/结构
- 能指出公式里的变量代表什么。
- 能解释输入输出 shape 或结构流向。
2 分表现：
notebook 证据
- notebook 至少跑通或静态检查通过。
- 自己记录了关键 tensor shape、loss 或输出解释。
2 分表现：
注意：如果只是文件存在，但你没有运行或解释输出，只能给 0 或 1 分。
口头表达
- 能讲 3 分钟。
- 能回答至少 2 个追问。
- 不照读 AI 生成稿。
2 分表现：
局限边界
- 能说清 toy demo 没覆盖论文的哪些部分。
- 能把“不懂”拆成公式、实验、工程、数据或评价指标。
2 分表现：
总分解释
每篇论文满分 12 分：
| 总分 | 状态 | 处理方式 |
|---|---|---|
| 0-4 | 只是接触过 | 回到摘要、引言、核心图和 notebook |
| 5-8 | 有基本理解 | 补 shape、实验设置和 3 个追问 |
| 9-12 | 可以用于汇报 | 放入间隔复习，准备和其他论文比较 |
每周更新动作
每周只做三件事：
- 把本周学过的论文打分。
- 选择总分最低的一篇补救。
- 把最高分的一篇讲成 3 分钟口头表达。
给 AI 的掌握度评估提示词
请根据我的论文笔记、notebook 输出和口头稿，帮我给这篇论文打掌握度分。
论文：
【论文名】
材料：
【粘贴一页笔记、关键代码输出、口头稿或追问回答】
评分维度：
1. 问题定位 0-2
2. 方法直觉 0-2
3. 关键公式/结构 0-2
4. notebook 证据 0-2
5. 口头表达 0-2
6. 局限边界 0-2
要求：
- 只根据证据打分
- 每个低于 2 分的维度给一个具体补救任务
- 不要泛泛鼓励