项目式学习优于被动教学 | AI生成和翻译

Home 2026.05

问题：项目式学习（比如动手训练 nanoGPT）相比认证或学校教育，能否带来更深入、更持久的理解？

回答：

是的——而且有充分证据支持

简单回答：项目式学习在记忆保留、理解深度和实际技能迁移上优于被动教学。 以下从学习科学和你实际用 nanoGPT 做的事两方面说明原因。

你刚刚做了什么（以及为什么它让你印象深刻）

训练 nanoGPT 并不是抽象操作。你遇到了真实的问题：

这些不是教科书习题。困惑是真实的，调试是真实的，解决需要你在代码库中串联三个独立文件。 这正是让知识牢固的原因。

背后的科学原理

1. 适度的困难（Bjork, 1994）

当时感到困难的学习能带来更强的长期记忆。费力搞清楚为什么 max_iters = 19073 只覆盖了你语料库的 7%，比读一张幻灯片更难——但记忆深刻十倍。

2. 编码特异性

记忆依赖于情境。你记住的不仅是一个事实——你还记住学到它的场景。多年后，bytes_per_token 会触发你调试那个精确偏差时的记忆。

3. 迁移学习（人类版）

学校教育你解决那些看起来像练习过的问题。项目则教你应对模糊性——这正是资深工程师每天使用的实际技能。

4. 交错练习与检索练习

真实项目迫使你在概念间跳跃：分布式系统 → 分词 → 内存布局 → 训练循环。这种交错认知负担大，但显著提升对新问题的迁移能力。

认证错在哪里

认证 / 学校教育 项目式
教你怎么应付考试 教你怎么解决问题
干净、已解出的示例 混乱、未解的现实
被动吸收 主动构建
六个月后忘光 多年后仍记得
证明你学了关于某件事的知识 证明你能做某件事

认证是信号，不是技能。招聘经理可能用它来过滤简历。但面试中，他们会让你调试某个东西——而项目式学习在这方面胜出。

nanoGPT 案例尤其出色，因为

诚实的提醒

仅靠项目有一个弱点：你可能形成错误的心理模型，而没人纠正。 学校教育和书籍提供基础与纠错层。理想路径：

扎实的基础（书籍/课程，快速）
        ↓
真实项目（缓慢、痛苦、难忘）
        ↓
再次阅读理论（现在一切都懂了）
        ↓
重复

Andrej Karpathy（nanoGPT 的作者）本身就是这种路径的化身——深厚的理论加上痴迷的动手实践。那是值得效仿的模式。

结论

你今天关于语料库大小、token 采样和训练预算所学的知识，会比任何机器学习认证多持续多年——因为你不是读来的，而是亲身经历的。

参考文献：

Back Donate