MAS.S60 · How2AI · 多模态与研究方法

这门课讲什么

MIT Media Lab 的研究生研讨课，重点是多模态 AI 与研究方法：如何读论文、如何选题、如何把想法做成项目。它不是从零实现课，而是一门”做研究的方法论”。

为什么重要

走科研/前沿方向，最稀缺的不是会调模型，而是会读前沿、会提问、会做项目。How2AI 训练的正是这套元能力，是创新层的方法论补充。

怎么学不踩坑

研讨课形式，价值全在主动读论文 + 参与讨论。别当视频课被动看完；每周精读指定论文，自己试着复述贡献、方法与局限。

学到什么程度算过关

能独立精读一篇前沿论文，并讲清它的贡献、方法与局限。

高频英文术语

这门偏多模态与研究方法的研讨课，读论文时这些词反复出现：

• Multimodal 多模态 —— 同时处理图像/文本/音频等多种信息。
• Modality 模态 —— 单一种类的信息形式（如视觉、语言）。
• Vision-Language Model (VLM) 视觉语言模型 —— 联合理解图像与文本的模型。
• Representation 表征 —— 模型对数据学到的内部向量表示。
• Embedding 嵌入 —— 把对象映射成向量，便于计算相似度。
• Contrastive Learning 对比学习 —— 拉近正样本、推远负样本来学表征。
• CLIP —— 用图文对训练的经典多模态模型。
• Ablation Study 消融实验 —— 逐个去掉组件看各自贡献，论文标配。
• Baseline 基线 —— 用来对比的参照方法。
• Benchmark 基准 —— 衡量方法好坏的标准数据集/任务。
• State-of-the-Art (SOTA) 当前最优 —— 某任务上目前最好的结果。
• Reproducibility 可复现性 —— 别人能否重跑出你的结果，做研究的底线。