1过拟合与正则化
各举一个自己学习中「死记硬背」（过拟合）和「理解规律」（泛化）的例子。
第 1 页 · 正面（题目）
2损失函数与优化器
用蒙眼下山的类比，分别描述 SGD、带动量的 SGD、Adam 三种下山走法。
3数据增强：一份数据吃出十份效果
拿一张照片，列出三种改完还是本人的增强方式，和一种改完就不算本人的过度改动。
4让深网络练得动：梯度消失与批量归一化
心算 0.5 连乘 10 次的结果，并解释它对深层网络训练的启发。
5ResNet：残差连接让网络深到 152 层
用改作文的类比向家长解释残差连接，说明它为什么让深网络训得动。
6迁移学习：站在巨人的肩膀上
举一个自己用旧技能快速学会新技能的例子，指出被迁移的底层能力是什么。
7生成模型与GAN：AI 学会了创作
和家长讨论辨别 AI 生成人脸照片的方法，列出至少三个检查点。
8预训练与大模型时代
用一个你确知答案的冷门问题测试 AI 助手，记录它答对还是编造，并说明什么是幻觉。
9从训练到上线：模型部署
找出手机里两个 AI 功能，判断各自跑在云端还是本地，并说明判断依据。
第 1 页 · 背面（答案）
参考答案（家长）：SGD 每步都只凭脚下探路；加动量像带惯性的小球，顺势滚过小坑；Adam 像会自己调节步幅的走法，不同脚用不同步长。
参考答案（家长）：过拟合如只背某几道原题答案、按套路套作文；学规律如理解公式由来、总结题型通法。重点在「新题上见真章」。
参考答案（家长）：约为 0.001，即千分之一。意味着梯度传到浅层时几乎为零，前面的层学不到东西——这就是梯度消失。
参考答案（家长）：翻转、微调亮度、轻微旋转、裁剪边缘都行；裁掉整张脸、严重拉伸变形就改变了主体。能说出「不能改变标签」即可。
参考答案（家长）：会钢琴学吉他（乐理和手指灵活迁移）、会羽毛球学网球（步法和预判迁移）、会 Python 学 JavaScript（编程思维迁移）。
参考答案（家长）：每层只在原文基础上做批注式修改（学残差），原文直接往下传；信号顺旁路直通浅层，梯度不再消失，层数再多也练得动。
参考答案（家长）：幻觉指模型生成看似合理但与事实不符的内容，如编造不存在的人名、论文。关键是让孩子意识到「说得顺≠说得对」。
参考答案（家长）：看牙齿和手指等细节是否异常、背景文字是否乱码、光影方向是否一致、耳饰眼镜是否对称、反向搜图查来源。答出三条即可。
参考答案（家长）：断网测试最直接——人脸解锁、相册分类断网可用，是端侧；AI 聊天助手断网即失效，在云端。延迟和隐私也能当依据。