Strategy/projects/files/mipt/mipt_d1_assistant_guide.md
+

mipt_d1_assistant_guide

МФТИ: Руководство ассистента по проверке D1

Подготовлено Феанором — 2026-03-04 04:00 MSK
Дедлайн проверки: 17 марта 2026. Дедлайн сдачи студентами: 14 марта 23:59 MSK


Логистика

  • Каждый ассистент: 5-6 студентов/групп
  • Форма: GitHub PR или commit в репозитории студента
  • Ревью в виде GitHub Issue или комментария к PR
  • Срок: прочитать и ответить до 17 марта 23:59
  • Если нет репозитория к 15 марта → написать студенту в TG

Что проверять: критерии D1

1. Математическая формулировка (40 баллов)

Полный балл (35-40):
- Явно записана целевая функция: min_x f(x) [+ g(x)]
- Определены все переменные (что такое x, откуда данные)
- Указаны ограничения если есть
- Формулировка соответствует реальной задаче

Частичный балл (20-34):
- Задача понятна, но формула не выписана явно
- Формула есть, но переменные не определены
- Слишком общая формулировка (“минимизируем loss”)

Плохо (0-19):
- “Обучим нейросеть на данных X” — нет формулировки
- “Применим Adam к задаче” — не сказано к какой задаче
- Только слова, ноль математики

Подсказка: попросить студента за 2 минуты объяснить что оптимизируется


2. Baseline (30 баллов)

Полный балл (27-30):
- Конкретная ссылка на статью или репозиторий
- Указан датасет/среда (что именно использовать)
- Реалистичный план воспроизведения за 1 неделю
- Есть критерий “воспроизведено”: конкретная цифра/метрика

Частичный балл (15-26):
- Baseline есть, но не ясно как воспроизвести
- Ссылка на статью без конкретного кода
- Датасет слишком большой для 1 недели

Плохо (0-14):
- “Реализуем SOTA из NeurIPS 2024” → нереалистично
- Нет базовой линии вообще
- “Сравним с нейросетью X” — не воспроизводимо


3. Связь с методами курса (20 баллов)

Полный балл (18-20):
- Указан класс методов из курса (GD, SGD, proximal, dual, splitting…)
- Объяснено почему именно эти методы подходят к задаче
- Видна связь: теорема курса ↔ алгоритм проекта

Частичный балл (10-17):
- Упомянуты методы, но без объяснения выбора
- Связь с курсом поверхностная

Плохо (0-9):
- Методы не указаны
- Только “используем PyTorch optimizer”


4. Оформление (10 баллов)

Полный балл (9-10):
- README.md есть с описанием проекта
- report.md есть с разделом “Постановка задачи” (~1-2 стр.)
- Есть список участников с GitHub handles

Частичный балл (5-8):
- Один из файлов есть, другой нет
- Структура не соответствует шаблону

Плохо (0-4):
- Нет ни README ни report
- Только один файл с минимальным содержанием


Шаблон фидбека (GitHub Issue)

## D1 Review — [Дата] — Ассистент: [Имя]

### Оценка
| Критерий | Балл | Макс |
|----------|------|------|
| Математическая формулировка | /40 | 40 |
| Baseline | /30 | 30 |
| Связь с курсом | /20 | 20 |
| Оформление | /10 | 10 |
| **Итого** | **/100** | **100** |

### Сильные стороны
- ...

### Что улучшить до D2 (дедлайн 28 марта)
1. **[КРИТИЧНО]**: ...
2. ...

### Вопросы к команде
- ...

Топ частых проблем и рекомендации

Проблема Как ответить
“Обучим модель X на датасете Y” Попросить выписать f(θ) явно. Подсказать: “потеря = что именно?”
“Baseline: реализуем GPT-4o” Переформулировать: “воспроизведи таблицу 1 из статьи 2023 за 1 неделю”
Нет ссылок Попросить добавить 1-2 статьи из которых взята постановка
Команда из 1 человека Ок, но отметить для Даниила
5 разных задач Попросить выбрать одну конкретную к D2
Датасет огромный (ImageNet, etc.) Предложить уменьшенную версию (CIFAR-10, 10% sample)

Сроки D2-D5 (инфо для студентов)

Дедлайн Что сдаётся
D1: 14 мар README + постановка задачи
D2: 28 мар Воспроизведённый baseline
D3: 11 апр Эксперименты с вашим методом
D4: 25 апр Анализ и выводы
D5: 09 мая Финальный отчёт + презентация

Эскалация к Даниилу

Сообщить лично если:
- Студент не сдал D1 и не отвечает
- Тема принципиально неподходящая (нет задачи оптимизации вообще)
- Группа хочет сменить тему после D1

Все вопросы → Артём Потарусов (координация ассистентов)

Choose icon