本页是课程首页、网站与 syllabus 的共同评分口径。Unit1 满分 100；Unit2 已发布批次分别验收，不混入 Unit1 分母。自动测试只验证行为，书面推导、实验与解释由你按证据自评。
2026-10-23 发布 Unit2 第 5 周批次：Lab4 20 分、HW5 30 分、Project2 Phase1 50 分。2026-10-24 发布第 6 周批次：Lab5 20 分、HW6 30 分、Project2 Phase2 50 分。每批的 100 分只表示该周验收，不代表整个 Unit2 成绩；Unit1 与两个批次的记录保持独立。第 7–15 周和 Project2 后续阶段尚未发布。
1. 先通过入口，再开始计分
Python 起步与调试预备不计分，可反复练习。进入 Lab0 前，应能独立写一个带循环的函数，说明它的输入、返回值和空输入行为，读懂一条测试失败，并手算二维列表的一格。仍不熟的部分回到 教材索引 找先修。
建议按六个阶段前进，允许一个阶段用几周。教材重整不重置已完成代码、题号、评分或网页进度；新的案例用于复查理解，不强制重复抄写：
| 阶段 | 产物 | 下一步的条件 |
|---|---|---|
| A：Python 与地址 | foundations、prep、Lab0 | 解释一次边界修复和输入/输出的所有权 |
| B：数值与复用 | Lab1、L4、Project1 Phase1/2 | 通过数值测试，并手算一次 tile 的读写次数 |
| C：Attention 与 KV | Lab2、Lab3 | 解释 shape、causal、分页和失败后的状态 |
| D：独立迁移与实验 | HW1/2、Quiz1/2、Project1 报告 | 换输入仍能推导；别人可按命令复现实验 |
| E：共享资源与准入 | L9/L10、Lab4、HW5、Project2 Phase1 | 手算引用、容量与失败无修改，解释等待队列 |
| F：迭代调度与指标 | L11/L12、Lab5、HW6、Project2 Phase2 | 独立画时间线、解释首输出、核对指标和模型边界 |
2. Unit1 的 100 分如何计算
| 项目 | 分值 | 可观察的依据 |
|---|---|---|
| Lab0–3 | 40 | 每个 10 分，按下面 Lab rubric |
| HW1–2 | 20 | 每个 10 分，按下面 HW rubric |
| Project1 | 30 | 按项目 README 内部 100 分 rubric 自评，再乘 0.3 |
| Quiz1–2 | 10 | 两份各 10 分原始成绩，合计乘 0.5 |
| 总计 | 100 | 不包含未发布材料，不排名 |
网站的“完成”勾选只记录个人进度，不读取测试、不生成成绩。不要把浏览器进度百分比当成绩或通过证明。
3. Lab rubric：每个 10 分
- 正确性 6 分：按题检查公开测试；每个必做编码题等权，得分为
6 × 已通过题数 / 必做题数，预先完成的 Q0 与选做题不计分母。一题内部有失败就先记待修复，保留其他题得分。 - 解释 2 分：说清输入域/shape/单位 1 分，用具体输入解释一个关键中间状态 1 分。
- 调试 1 分：留下输入、期望、实际、原因、修复依据和回归测试的一次记录。
- 迁移 1 分：关掉参考解，用一个新输入或小变式解释结果。
不按代码行数评分，也不因使用提示扣分。题目通过后，应能说明提示为什么适用。
4. Homework rubric：每个 10 分
- 代码 4 分：必做编码题等权，以单题通过数折算；选做迁移题是否计入以作业 README 标注为准。
- 推导 3 分：明确假设与单位 1 分，从计数过程得到公式 1 分，代入一个例子核对 1 分。
- 反例 2 分：构造能击穿一个错误解的测试 1 分；给出独立期望及理由 1 分。
- checkoff 1 分：不看答案解释一种条件变化后的结果。
自动测试中的一个失败可能来自数个原因。先修最小反例，再运行整份作业；不要为了分数给固定输入特判。
5. 10 分钟 checkoff
章内自测用于形成性反馈，不新增考试分值。第一次先不看折叠解析，写下预测，再逐步对照；若看解析才会，给自己记“需要提示”，换一组数复查，而不是立刻勾选“完全掌握”。
每次随机选一个已做问题，用自己的新输入回答：它承诺什么？最关键的中间状态是什么？如果长度/精度/页大小变了，结果为什么改变？最后指出代码和模型各自的一条局限。
给每项知识标记“能独立解释 / 需要提示 / 需要重做”。测验低于 8/10 时先复习错题涉及的概念，隔一两天用变式复查；这只是建议，不会删除已有学习记录。
不要只问“代码 PASS 了吗”。还要问：图里的每根箭头是否能解释？例子里的每个数是否知道来源？输入变化后能否预测结果？本例的结论是否被错误推广到真实 GPU 或无限在线负载？只有这些证据齐全，才说明掌握度提高。
6. 对 AI 助教的请求模板
我在做：作业/题号
规格与我的预测：
最小输入、期望、实际：
我已经尝试：
请先问我一个定位问题，或给第一级提示，不要先给完整实现。
我完成后，请换一组输入检查我能否独立解释。维护教材和参考答案时可以请 AI 协助；自己练习时要保留独立尝试与说明。课程的 AI 使用约定用于保护学习过程，不妨碍修复测试和教材本身。