在课程项目中比较不同群体上的误差，并撰写模型使用边界说明。
把课堂问题带到人工智能课程项目
对罗星澜来说，人工智能课程项目不是完成作业的背景，而是检验课堂知识是否真正有用的地方。在课程项目中比较不同群体上的误差，并撰写模型使用边界说明。
她主动把总体准确率拆到不同样本群体中比较，并把模型不适用的场景写进展示页。
在协作中看见更大的问题
这段经历让罗星澜更清楚自己愿意长期投入的方向。接下来，罗星澜希望深入学习可信人工智能，让公平性检查成为建模的正常步骤。
在同学眼中，罗星澜愿意听取不同意见，也愿意把自己踩过的坑讲给后来者。比起一张完成得漂亮的成果图，这种能够被团队延续的工作方式，更能说明成长发生在哪里。