1
体验大语言模型对话
通过与大语言模型对话，理解 NLP 与生成式 AI 的能力与局限。
实验步骤
- 选择一个主流大语言模型平台（如 ChatGPT、文心一言等）
- 尝试用不同 Prompt 提问同一问题，观察回答差异
- 测试模型的边界：数学推理、事实查询、创意写作
- 记录并分析 3 组 Prompt 对比结果
推荐工具
ChatGPT文心一言通义千问
实验实践
本模块包含 4 个实践项目，可在信息科大沙河校区实验室或自行在线完成。实验强调动手体验，在勤以为学，信以立身的校训指引下诚信使用 AI 工具。
2
图像分类小实验
使用在线工具或 Colab 完成简单的图像分类任务，体验计算机视觉。
实验步骤
- 访问 Google Colab 或 Teachable Machine
- 上传 10-20 张不同类别的图片
- 训练一个简单的分类模型
- 测试模型并分析误分类原因
推荐工具
Google ColabTeachable MachinePyTorch 教程
3
Prompt 工程练习
系统学习 Prompt 设计技巧，提升与大模型协作的效率。
实验步骤
- 学习 Zero-shot、Few-shot、Chain-of-Thought 等技巧
- 为"课程论文大纲生成"设计 3 版 Prompt
- 为"代码解释"设计结构化 Prompt
- 总结最有效的 Prompt 设计原则
推荐工具
Prompt Engineering GuideOpenAI Cookbook
4
AI 伦理案例分析
通过真实案例讨论 AI 伦理问题，培养Responsible AI 意识。
实验步骤
- 选择一个 AI 伦理案例（如算法偏见、深度伪造、隐私泄露）
- 分析案例中的利益相关方与风险点
- 提出 2-3 条改进建议或治理措施
- 结合"信以立身"校训撰写反思短文（300 字）
推荐工具
AI Ethics Case Studies学校图书馆资源
实验环境
沙河校区高教园区拥有完善的计算机实验条件。学生也可使用 Google Colab 等云平台，在个人电脑完成全部实验。
「勤以为学，信以立身」
北京信息科技大学 · 校庆日 5月18日