本网讯（文/图 大数据与人工智能学院 慕江林）近日，大数据与人工智能学院组织开展2025-2026学年第一学期院级公开课观摩活动。本次观摩课由慕江林老师主讲，课程为《语言模型应用开发实训》，授课内容聚焦“意图识别模块的开发——Encoder-only模型选型与Hugging Face模型加载测试”，充分体现了“技术驱动、应用落地”的教学理念。
本次课程面向智能科学与技术专业大三学生，是《语言模型应用开发实训》系列课程的核心环节之一，标志着教学重心从基础模型理论向真实应用场景下的模块化开发能力培养转型。课堂上，慕江林老师以“智能对话系统的‘理解力’从何而来？”为切入点，引导学生从传统规则匹配方法过渡到基于深度学习的语义理解范式，并通过典型客服对话案例，融入“技术向善、精准服务”的课程思政元素，强调意图识别在提升人机交互体验与保障用户隐私中的关键作用。
在教学过程中，慕老师采用任务驱动与代码实操相结合的方式，带领学生完成意图识别模块的完整开发流程：首先对比分析BERT、RoBERTa、DistilBERT等主流Encoder-only架构的性能与适用场景，指导学生根据任务需求（准确率、推理速度、资源消耗）进行合理模型选型；随后，现场演示如何通过Hugging Face Transformers库加载预训练模型、构建文本预处理管道，并编写评估脚本对模型在自定义意图数据集上的表现进行量化测试。课堂节奏紧凑、逻辑清晰，既有小组协作调试，也有基于Jupyter Notebook的即时编码反馈，实现了“学—练—评”一体化。
特别是在模型加载与推理优化环节，慕老师细致讲解了tokenizer配置、device映射、batch推理等工程细节，并鼓励学生利用Hugging Face Model Hub探索社区优质模型，培养其开源协作与技术迁移能力。课程尾声，各小组现场展示所选模型在测试集上的准确率与推理耗时，教师通过引导性提问帮助学生反思模型选型与业务目标之间的匹配度，强化了“需求定义—技术选型—效果验证”的系统性工程思维。
整堂课既夯实了学生在大模型应用开发中的核心技术能力，又锤炼了其面向产业需求的工程素养，获得观摩教师一致好评。此次院级观摩课不仅展示了我院教师在AIGC时代下扎实的教学创新力与技术前瞻性，也为后续人工智能类课程建设提供了可复制、可推广的示范样本。学院将持续深化真实项目与教学内容的融合，培养更多具备模型理解力、工程实现力与社会责任感的高素质复合型AI人才。
智能科学与技术
数据科学与大数据技术