随着秋季学期结束，信息与智能工程学院《人工智能应用开发》课程期末答辩工作圆满完成。本课程持续推进项目制教学改革，引导学生突破课堂边界，通过自主文献研读与小组深度交流，探索个人感兴趣的人工智能前沿领域，最终以学术答辩形式进行课程考核汇报。这一模式有效培养了学生的文献综述能力、学术表达素养与领域知识迁移能力，获得师生一致好评。
自主选题：从被动接受到主动探索
与传统课程指定课题不同，本次改革赋予学生充分的选题自主权。学生可依据个人兴趣，在计算机视觉、自然语言处理、强化学习、多模态学习、AI for Science等广阔领域中自主锁定研究方向。
我们鼓励学生去发现自己真正感兴趣的问题，而不是完成一个标准答案式的作业。，课程负责贾东霖老师表示，兴趣是最好的导师，当学生为了搞清楚一个概念而主动查阅十几篇论文时，深度学习才真正发生。
文献研读：构建领域知识图谱
课程将文献研读设为项目核心环节。学生需系统检索并精读该领域的经典论文与前沿成果，完成从读一篇到读一域的知识积累：（1）溯源经典：研读领域奠基性工作，理解技术演进脉络 （2）追踪前沿：关注顶级会议（NeurIPS、ICML、CVPR等）最新发表成果 （3）批判思考：对比不同技术路线的优劣，形成独立见解 为辅助学生入门，课程组提供了文献检索技巧培训与学术论文阅读方法论指导，帮助学生跨越从读不懂到读得通的门槛。
小组交流：思维碰撞激发深度理解
项目推进过程中，小组交流机制贯穿始终。学生以3-4人为单位组建学习小组，定期开展研讨：轮值主讲，组员轮流分享近期研读心得，锻炼学术表达能力；疑难会诊，针对文献中的技术难点与数学推导进行集体攻关；方向校准，相互评议选题价值与研究可行性，避免闭门造车。
小组讨论时经常发现自己理解的偏差，同伴的一个提问可能让我意识到忽略了某个关键假设。一位参与学生表示，这种交流比独自看书效率高得多，也加深了对领域整体格局的认识。
学生汇报作品
学生答辩场景
答辩汇报：PPT呈现与学术表达
课程考核以PPT答辩汇报作为最终呈现形式。学生需将数周的文献积累与思考沉淀，转化为结构清晰、逻辑严谨的学术报告：
汇报内容要求：
（1）领域概览：该方向的研究背景、核心问题与发展现状；
（2）技术解析：重点论文的方法论剖析与创新点解读；
（3）趋势研判：领域面临的挑战与未来可能的技术路线；
（4）个人思考：批判性观点与技术见解；
能力分层评价：
（1）基础要求：通过文献研读准确掌握领域核心知识，完成高质量综述汇报；
（2）进阶挑战：鼓励学有余力的同学基于文献理解，动手实现该领域的简单代码（如复现基础模型或完成小规模实验），在答辩中展示初步实践成果；
答辩评委由课程教师与研究生助教组成，从知识准确性、逻辑清晰度、表达感染力与批判性思维四个维度进行综合评价。对于完成代码实践的学生，额外考察其工程实现能力与问题转化能力。
学生汇报作品
学生答辩场景
本次改革显著提升了学生的学术自主性与表达能力，让学生从从知识消费者到知识生产者。答辩现场，学生们展现出对Transformer架构、扩散模型、大语言模型微调等前沿话题的深入理解，部分小组的代码实践甚至达到了课程设计水平。“看到学生站在讲台上自信地讲解复杂技术原理，引用最新论文支撑自己的观点，这种成长比任何考试成绩都更有说服力。”答辩评委评价道。
课程未来将进一步完善文献-交流-实践-表达的培养链条，引入更多元的企业真实场景数据，推动学生从领域知识的理解者向技术问题的初步解决者进阶，为人工智能领域输送具备自主学习能力与学术素养的应用型人才。
一审一校 | 贾东霖
二审二校 | 闫吉府
三审三校 | 李成名 尹 娜
