我已经大三了。一天同学拦住我，他说很久没在课上看见我了。不出意外的，我的排名只有40+%，在妮可的保研生里只能算是最差的一批了。上周去和老师聊天，他第一句就问我，你觉不觉得自己的成绩很低。我真的不想上课了。过完5月我就21岁了。我父亲在这个年纪已经坐上去他幻想的大城市的长途大巴了，我奶奶的母亲在21岁的时候正在用小推车给战士们运粮食。我不想我的21岁是在金寨路96号冒雨前往第五教学楼5202听台上的大佬展示自己只为了总评加2分。

但是我不能说我不想上学，这样有点对不起小推车和长途大巴。你坐过长途大巴吗？棉质的坐垫套上面印着不孕不育的广告，左前方的小小的电视机里放着十年前的春晚，车上混杂着脚臭味和小孩子的哭声。

但是我真的不想上学了。特别不想上数学建模。我不知道在报告里写哪些东西才能拿到一个好看的分数，虽然分数对我的影响已经不大了。我也不知道到底应该在检查的时候讲什么，把报告再念一次吗。我还有很多个疑问，比如为什么交了报告还要检查，比如为什么要填一个腾讯文档，但是检查的时候又不按照腾讯文档的顺序，比如为什么有的人没填文档就来检查了。这难免让我觉得有些事情没意义，不过LLM时代又有谁敢说自己做的事情有意义呢？

今天翘了组会，鸽了约饭，来了检查教室看见人那么多又走了，水群的时候发现好几家都推出了新模型，更新的速度比我长胖的速度还快。后AI时代，人的价值需要重塑，比如不努力也是可以的，比如要接受无意义，比如人可以落后于时代，比如比如。

1️⃣楼苏某你申请助教，难为学生真是冯飞了，傻福玩意儿

苏某第9条原本写着将会对使用AI coding的同学重拳出击,所以才发布评论,现在说的倒好听了(我也当过助教,老师说那些也只是形式罢了,对这些没必要上纲上线),你可以设置区分度,但不要直接给使用AI coding的同学重拳出击(打0分),学生都是大三要牵涉保研,你给别人必修课重拳出击搞挂了是等着被冲吗?

我没有上过这门课. 这篇评课是我发在自己qq空间的对当前高赞评课 (https://icourse.club/course/25073/#review-102420) 的讨论, 转载到这里. 对占用了正常评课的空间我表示抱歉.

最近看好几个空友转发了这篇文章, 讨论的重点基本都集中在40%的绩点到底需不需要自卑上. 我觉得这种去优绩主义的指教虽然是倾向人文关怀的, 但对于这篇文章来说反而忽视了其中有人文关怀价值的一部分. 原文实际上很明显也是在传播去优绩主义的观念, 只不过是以一种描述害处的温和的姿态而非一种非常自信的宣扬式的姿态, 而很可能就存在一类受优绩主义影响有抑郁或虚无情绪的同学能从中受益, 看到关键词就急于开导反而 (在科大本科生有很浓的自我嘲讽和自我揶揄的病态氛围下) 对处在虚无情绪中的同学帮助不大 (当然对巩固自己的心态肯定是很有益处的) .
我自己就曾经在大二的一整年里处于一种焦躁抑郁又自我否定的心态, 甚至还为此去看过四院的心理医生. 根据我自己的经验来看, 很难让心理正常的人理解处于抑郁心理的人理解这种抑郁与自我否定从何而来. 我们在归因时往往归结到自己产生抑郁情绪前后生活中发生的具体事情上: 一门课考差了, 一次实验检查成绩不够好, 感冒又不得不去上一次课, 被老师或家长等长辈平静地以负面用语评价, 甚至可能是买了一份早餐想吃结果掉在地上这种小事. 如果将这样一个导火索告诉心理健康的同学, 对方很容易觉得这么一件小事对生活的影响, 从而试图论证客观上并不值得为这么一件事动情绪, 或者以自己为例展示不为此动情绪是 "可以做到的". 但导火索只是导火索, 决定不同人在相近的处境下情绪反应不同的根本原因是每个人自身精神产生和处理情绪的机制不同; 这种机制又可能是由人青春期时所处的环境, 与周围人的相处模式, 从周围人长期得到的评价长期潜移默化地形成的, 并不会因为在大学里听到了一个观点而改变. 对于心理容易受波动或已经处于抑郁情绪的人来说, 如果想要脱离一件事引发的抑郁情绪, 听一些大心论文式的老生常谈的论点大概不会有什么用, 甚至在现实世界中挽回这件事可能也不会有用, 最好的方法并不是一板一眼学习一个心理强大的人逼自己 "不去在乎它" , 反而是尽可能详细, 形象, 符合自己感情地去描述这件事情以及它对自己造成的冲击, 不用去在乎 "客观" 怎么评价自己对一件事居然有多大的反应又该有多小的反应. 有一张梗图描述的同样是这种开导方式的无效性:

我安慰人的本领 belike:
别人: 好无聊哦
我: 你别无聊

自信或者说自我认同感强的心理状态, 与虚无情绪的心理状态就像一个函数的两个极小值点. 站在全局的角度看我们当然能一眼看出哪种转态更 "好" ; 但站在每个人自身所处的状态来看, 自己待的位置就是最必然的回归结果, 试图往周围哪个方向走动都是反自然趋势的, 很容易就滑回出发点, 除非有足够大的心理能量才有可能转移到另一种状态. 怎么提供这种心理能量对每个人来说很可能是特化的, 有的人可能认真投入去做一件具体的事就可以获得巨大的能量, 但是有的人可能终其一生也没有找到这样一件能够作为灵魂伴侣的活动, 或者对他来说一件事有效但再第二次做效果就衰变了很多. 寻找自己精神能量的来源是每个人自己的课题, 其它人的方法可以参考但并不会对自己必然有效.
我觉得这样一篇文章出现在当今的科大还是很有积极意义的, 如果你认为科大现在优绩主义当道且人文关怀缺失那么更是如此. 对于其它人来说, 没有经历过悲观情绪的同学可以从这样一种形象而非绝对客观的描述中稍微获得一点与悲观同学的相互了解 (当然你可以说它艺术加工成分太多了或者太顾影自怜, 但我觉得没必要这么苛求, 对沙漠来说如果没有一片绿洲那一场雨也是好的) , 经历过或当前处于类似悲观情绪的同学也可以意识到有人与自己情况类似从共鸣中获得一点精神能量, 作者本人也可以通过写作抒发一点情绪得到一些益处. 我不认为需要害怕这样一篇文章基调太负面负能量太多引发其它同学的什么不良反应, 只要我们以正确的态度去看待它.

1. 助教平时给的作业分很高（中位数差不多 90）
2. 老师没有向下调分，因此优秀率差不多有 80%，可以说给分非常好了
3. 适合计算数学方向提前选课，这门课可以看作是多个领域的介绍和入门课程
4. 正常做作业即可拿到3.7，稍微卷一卷即可拿到4.0，拿到4.3（或许）需要花费大量的时间去卷和写报告
5. 需要熟练掌握 C++/Matlab/Python 中的一门语言
6. 作业需要写 GUI
7. 课程主页：http://staff.ustc.edu.cn/~renjiec/mm2025/
8. Github作业文档：https://github.com/TheVaticanCameos/USTC_MM_25
9. 已申请 26 春助教
10. 25 年小作业（作业是多选一，这里把全部选项列出来了）：接缝裁剪 Seam Carving（hw1），基于矩阵 SVD 分解的图像压缩（hw2），基于矩阵低秩分解的图像修复（hw2），平面点列的曲线拟合（hw3），基于神经网络的昆虫分类（hw3），建立人口模型（hw4），建立传染病模型（hw4），Poisson 图像融合（hw4）；寒假有时间的同学可以尝试做一做（？但是今年作业可能会改题，本人应该会在微分方程那一次作业（hw4）换一下题目
11. 大作业是组队写一篇完整的数学建模论文，会有十几个题目可选择；组队为自由组队，两到三人一组，会参考平均任务量给分，队内每人分数相同
12. 课程比较轻松，每周一节课能有 3 学分，给分还非常好，总的来说是难以拒绝的神（水）课！但是只想卷 4.3 建议移步别处

关于 Vibe Coding：直接复制粘贴 AI 的代码然后交上来肯定是不被允许的，请阅读陈老师的作业要求。当然，用 AI 辅助是完全没问题的。图形用户界面（GUI）的制作没有任何限制，但 AI 给出的 GUI 框架往往不好进一步优化调整。这门课的四个小作业事实上并不困难，（完成基本要求的）代码量都在 150 行之内。如果有什么建议欢迎在评论区留言。

关于给分：课程原则上不限制优秀率，所以这门课并不是和其他同学卷，而是写好自己的作业。助教每次作业布置后都会在 Github 上发布作业文档，包含作业说明和可能的加分扣分点（会尽可能详细）。当然作业拿到 95+ 的高分可能任务量较大。

纯巨佬展示课，对能力不够的同学很不友好。
 

上课基本就是简单介绍一些内容，从不深入，作业要用到的知识都要靠自学，跟课堂没啥关系。

作业给分也很很无语，助教给的作业文档写了完成文档中的基本要求就能拿90分，实际情况是作业文档里只列2-3条要求，作业讲评时基本要求就变成了4-5条，按照作业文档的要求做了只能拿80多分。你加分项不事先说明没事，扣分项也不事先讲就很无语。

出分了，给分雀氏不错。

苏和杨 和 王和李 是什么关系？

苏某应该是苏和杨（一个网红大佬），这个是网名，不是真名。话说评论区的BoyU是新号吗？

肯花时间，收获绝对超乎你的想象。

助教平时改作业给分很好，老师最后也没有反向调分，关于给分还能要求什么呢？

关于课程内容，每次作业都有要求GUI，可能和数学专业知识不太相关，但会写GUI对以后的科研裨益良多。算是给计算/ds的同学点技能点了

课程内容方面，可以参考陈老师主页上的课程页面 http://staff.ustc.edu.cn/~renjiec/mm2025/，主要是介绍一些常见的建模思想和典型模型，作为一门基础课程还是可以一学的。一周一节课，难度和量都不大，支持自学

成绩考核方面，有四次平时作业和一次大作业，占比一般为75%和25%，无期中期末考试，无点名（但到课率比较低，不排除后续增加点名的可能），会调分。

平时作业会根据同学的完成情况，后验的确定一些加分项和扣分项。加分项一般是鼓励自由探索（指多卷多得），可以考虑从广度和深度来拓展。扣分项除了作业没做对之外，主要是一些工程上的问题，比如没有提供依赖文件、缺少必要的GUI、实验报告对内容的展示不够完善等

大作业是从若干给定题目中挑选一个，给的时间比较充裕，建议选择前充分考虑难易程度和可扩展性。此外对于描述模糊的题目可以多问问老师和助教，确定能准确理解题目要求后再着手做。完成后可以多卷卷实验报告，尽量把结果展示得好一些，也算是练习论文写作了

给分方面，本人四次作业95 95 100 96，大作业94，总评98。平时作业的平均分经常在90上下，一般来说平时作业的均分90+，大作业不要太差，都能有优秀甚至以上，可以说给分非常好了，总之这波必须支持

为了大三避开高新区开课的神人，且据说数学建模这门课很水，水到只能用来练习 \(\LaTeX\)，故提前选了本部的陈老师班，现在看来是非常正确的选择（只去了 1 节课，作业和报告全 AI 写的，也能拿到优秀），不知道以后有没有这待遇了。

没有考勤（据说课堂互动可以加分），没有考试。4 次小作业（75%） + 1 次大作业（25%，最后有优秀作业展示），建议使用 Matlab，如果用 Python / C++ 需要给出必要的环境配置文件需要写 GUI，需要提交报告（提供 \(\LaTeX\) 模版），完成实验文档中的基本要求即可得到 90 分，且有反内卷评分规则。给分很好，四次作业中位数为 85、89、90、92，最终也没有下调，神中神（就是不知道以后给分会不会这么好了）。2025 春作业 如下：

作业1：接缝裁剪

• 实现 2007 年 ToG 论文 Seam Carving for Content-Aware Image Resizing 中的接缝裁剪算法，用以改变图像的长宽比例。

作业2：基于矩阵分解的图像处理，以下任务 2 选 1：

• 实现基于矩阵 SVD 分解的图像压缩；
• 实现基于矩阵低秩分解的图像修复。

作业3：数据拟合模型，以下任务 2 选 1：

• 平面点列的曲线拟合；
• 使用神经网络进行昆虫分类。

作业4：微分方程模型，以下任务 3 选 1：

• 人口模型；
• 传染病模型；
• Poisson 图像融合。

大作业：需要组队，一组 1~3 人，以下题目中任选 1 个：

• 数码相机定位；
• 音乐旋律线的几何相似性；
• 蛋白质折叠的路径规划；
• 大气污染物扩散的粒子追踪；
• 锂电池枝晶生长的蒙特卡洛模拟；
• 城市人口密度场的等值线分析；
• 社交媒体传播网络的力导向布局；
• 古典建筑柱式的比例还原；
• 昆虫翅膀振动的空气涡旋模拟；
• 5G基站天线阵列的波束成形；
• 山体内部空洞结构测量；
• 受灾巡视；
• 烟囱灰尘扩散问题；
• 洪水模型。

上学期选这门课的时候是真的想好好来学东西的，但是发现上了几周课之后并不能学到什么，于是成为了我本科中为数不多翘掉的课。

给分貌似挺好，但是没出我也不知道，不点名倒是挺好的。

或许是AI毁了我吧，我不知道。前几节课一大半都是看巨佬们分享作业，于是就没咋去过了。

看了最近很火的评论，来评课社区水一下。

课程收获远没有我想象中大，给六分吧。

至于意义什么的，我不知道，或许活一天算一天吧。

陈老师教学经验丰富，课堂讲解清晰透彻。他深入浅出地将复杂的数学建模知识分解，无论是晦涩难懂的理论还是纷繁复杂的案例，都能被他巧妙地剖析，让我们轻松理解并掌握。老师对学生的提问总是耐心解答，积极引导我们思考，鼓励大家提出不同的见解，极大地激发了我们探索数学建模世界的热情。

陈老师人也很nice，对学生很有耐心，作业也不多，挺简单的。

同时，课程的助教团队也表现卓越。作业文档写的很清楚，给分有理有据，很捞，但耐不住同学们太卷了，据说优秀率要压不住了。

总之，陈仁杰老师的数学建模课程无论是在教学内容、教学方法还是教学团队的配合上，都堪称典范，让我受益匪浅。强推！