给校园社团做一份AI机会与风险地图
选择一个真实但不含个人信息的校园任务,画出数据、模型、界面、人工判断和风险边界。
必须交付
- 问题与边界说明
- 可运行最小实现
- 实验记录与失败分析
- 来源与许可清单
- 风险、隐私与人工闸门
- 复现README
所有案例使用公开、合成或虚构数据。项目不要求真实个人资料;涉及高风险领域时只做低风险教学模拟。
选择一个真实但不含个人信息的校园任务,画出数据、模型、界面、人工判断和风险边界。
用虚构课程数据写命令行程序,支持输入校验、函数拆分、测试和错误提示。
保存数据字典、清洗脚本、SQL查询、环境说明、随机种子和实验日志,不保存个人信息。
用向量和矩阵实现缩放、旋转、投影与组合,并解释几何意义和数值误差。
使用公开或教学模拟数据,输出概率、校准图、置信区间和限制,而不是只给单点答案。
从损失函数、梯度、学习率到稳定性完整记录训练,比较至少三种设置。
分别用图搜索和约束求解处理路径与排课,比较正确性、代价和扩展节点数。
使用公开植物规则与教学模拟概率,展示规则链、冲突、不确定性和无法判断的情况。
使用虚构标签或公开数据,完成问题定义、基线、训练/验证/测试、错误分析和模型卡。
完成聚类、降维、异常检查和自监督表示实验,并说明结果不是天然真实类别。
对同一模型做指标、校准、群体切片、数据漂移、因果假设和对抗测试,记录不确定性。
从张量、数据加载、模型、优化、检查点到推理脚本形成可复现实验包。
完成数据许可检查、增强、分类、混淆分析、显著性审查和CPU部署。
只使用公开校规或虚构资料,完成分词、检索、回答、引用、拒答和错误分析。
使用公开音频或合成波形,完成采样、频谱、分类、噪声测试和隐私说明。
比较VAE、GAN、扩散或流的玩具实现,记录模式覆盖、质量、成本、许可和滥用风险。
用教学模拟环境记录奖励、策略、探索、种子、学习曲线和失败轨迹,不把单次成功当结论。
实现坐标、传感噪声、定位、路径规划、控制和急停逻辑;所有实验停留在模拟环境。
用公开项目或合成事件做图、推荐和时序分析,提供多样性、冷启动和退出机制。
在CPU小语料上实现词元器、因果注意力、训练、采样和评估;记录数据许可与算力边界。
限制工具白名单,记录每次检索和引用,遇到发布、写入或高风险判断必须停下等待人工确认。
建立数据版本、训练记录、离线评估、CPU推理、延迟预算、漂移告警和回滚说明。
用虚构系统建立资产、威胁、风险、隐私、解释、法规映射、事件响应和残余风险清单。
选择低风险问题,完成文献图谱、基线、复现、消融、失败分析、部署、模型卡、演示和下一步研究问题。