当课堂里的算法推导、实验调试和模型训练，最终化作一张张学术海报，站上真实的交流现场，一门课程也完成了从知识学习到科研实践的闭环。6月25日，《决策与机器行为学》课程大作业学术海报展览与交流活动顺利举行。近80组课程项目参加现场展示与评审，同学们围绕强化学习、大语言模型智能体、具身智能、代码智能等多个前沿方向展开成果汇报与深入交流，在一次接近真实学术会议的展示中，为本学期课程画上圆满句号。

Learning by Doing：让课堂成为科研的起点

作为上海创智学院特色课程，《决策与机器行为学》始终坚持“Learning by Doing”的教学理念，在去年的基础上进一步拓展教学规模与科研实践深度。

本学期共有约150名学生参与课程学习，其中不仅包括学院学生，还有30名校外先修班学生，其中包括大一、大二的本科生。不同背景、不同基础的同学汇聚在同一课堂，共同探索强化学习与智能决策领域的前沿问题。课程以强化学习为主线，将决策智能、强化学习基础、深度强化学习、多智能体博弈、大模型智能体、决策大模型、虚实迭代与机器意识等前沿主题贯穿整个教学过程。

课程团队兼具深厚的学术积累与国际化研究视野，课程由上海创智学院、上海交通大学四位老师联合授课，包括张伟楠教授、温颖副教授、李帅副教授和温睦宁助理研究员；博士生白碧哲、宋维晞、刘凯歌、苏浩阳组成助教团队，全程陪伴学生完成课程学习与科研实践。

为了让课堂更加贴近真实科研，课程实践依托腾讯开悟平台、大模型基座、NVIDIA模拟器等科研环境开展实验，同时引入AI辅助学习平台“灵课本”（http://119.13.102.230/），通过更加个性化、交互式的学习支持，帮助不同基础的学生逐步建立科研能力，让更多同学能够真正进入强化学习与智能决策的研究世界。

从完成作业，到探索问题

今年课程实践环节进一步提升了开放性与自主性。课程大作业采用“给定题目四选一或自主命题”的形式，鼓励同学们结合自身兴趣开展创新探索。从对抗博弈环境中的强化学习，到具身智能环境中的智能体学习；从面向代码修复Agent的自进化后训练，到大语言模型中的强化学习优化，同学们围绕多个前沿方向开展研究，并最终以Mini Paper、Poster以及完整代码包的形式完成成果提交。对于很多同学而言，这不仅是一门课程，更是第一次经历完整的科研流程——阅读文献、设计方案、搭建实验、反复调参、分析结果，再将研究整理成规范的学术表达。

上图： 课程大作业插图

一场Poster展，也是一场小型学术会议

展览当天，近80组Poster依次陈列。站在自己的海报前，同学们向老师、助教和同伴介绍研究问题、算法设计、实验结果以及项目过程中遇到的挑战。“这个Baseline是否公平？”、“奖励函数为什么这样设计？”、“如果更换环境，还能保持泛化能力吗？”随着讨论不断深入，原本几分钟的展示常常延伸成十几分钟的交流。有人围绕强化学习算法展开推导，有人展示智能体在游戏、机器人、代码修复、大语言模型等任务中的实验结果，也有人坦诚分享模型复现、参数调优和工程实现过程中一次次“踩坑”后的经验。相比展示最终结果，这些关于失败、尝试与改进的讨论，同样成为现场最有价值的内容。整个Poster展，更像是一场浓缩版的学术会议。同学们在展示中回应质询，在交流中完善思路，也第一次体会到科研不仅是完成实验，更是在不断交流与碰撞中推动问题向前发展。

让优秀成果被看见

本次Poster展同步设置匿名评审环节，对所有课程项目进行综合评价。最终，2025级博士生淮泽正凭借项目《Roselia: Robot Code Policy RFT Is Sensitive to Trajectory Quality》获得最佳Poster一等奖。

二等奖由文茗、宋士祥、王穆泽团队获得，他们带来的项目《SII-RLVE: Shaping Inter-task Imbalance with Gradient-equilibration for RLVE》聚焦大语言模型中的强化学习优化问题。

三等奖由吴金阳、刘洋团队获得，他们围绕人形机器人动作模仿研究，完成项目《多层次奖励与自适应采样的人形机器人动作模仿》。

四位授课教师分别为获奖团队颁发证书，并向所有参与课程展示的同学表示祝贺。每一份Poster背后，都凝聚着数周甚至数月的探索与尝试；每一次展示，也都是一次科研能力的成长。

一门课程，一次科研启程

从课堂学习，到项目实践；从代码实现，到学术表达；从个人探索，到公开交流，《决策与机器行为学》希望带给学生的不仅是一门课程的知识，更是一种面向真实科研的问题意识与研究能力。Learning by Doing，不只是课程理念，更贯穿于整个学习过程。当同学们站在Poster前，讲述自己的研究、回应现场提问、分享成功与失败时，他们完成的不只是一次课程展示，更完成了一次从“学习者”向“研究者”的成长体验。未来，《决策与机器行为学》课程也将持续完善课程体系与科研实践平台，让更多学生在真实的问题中学习，在开放的探索中成长，在一次次实践中迈出属于自己的科研第一步。