唐杰清华大模型课作业多，学生打开GLM-5.3

唐杰教授在清华大学开了一门课，试图用作业劝退学生：这课作业会挺多！结果学生看完作业，第一反应不是退课，是打开GLM-5.3。 唐老师对学生的要求，基本是把大模型全链路亲手走一遍：从零写Tokenizer + Transformer，端到端训一个0.1B；手写Triton attention kernel，自己测多卡训练和推理增益；从raw dump洗语料，拟合scaling law再外推；同一基座上把SFT、DPO、RLVR做对照；最后搭可验证环境 + harness，训长程Agent，还鼓励self-judge loop。 2-3人组队，英文NeurIPS格式，W16现场demo。作业40%，大项目60%。问题、动机、方法、结果，一项都不能糊。 劝退逻辑很清楚：不会动手、只会调API的，先下去。反转也很清楚：布置作业的人，正是GLM系列背后的唐杰。学生一边爬梯子，一边默默把GLM开到最大，老师要你从零造轮子，模型在旁边说：报告可以先帮你起草一版。 这个课程设计挺有意思的。现在很多大模型课程都是教你怎么调API，怎么用现成的工具。但唐老师反其道而行之，要求学生从零开始，把每个环节都亲手做一遍。 这样做虽然痛苦，但确实能让人真正理解大模型的原理。特别是Agent训练和RLVR这部分，现在很多团队都在做，但真正理解原理的人不多。 有在做大模型开发的朋友可以关注一下这个课程，看看唐老师是怎么设计课程的。特别是Agent训练和RLVR这部分，有很多值得借鉴的地方。