我本科就读于一所理工科院校的计算机科学与技术专业，对大模型领域的痴迷始于大三时参与的一项关于“基于Transformer的文本生成模型优化”的科研项目。当我在传统自然语言处理任务中看着模型仅仅被作为黑盒工具，又通过引入分布式训练技术重构模型的推理效率时，我突然意识到，大模型科学与工程不仅仅是算法的简单调用，更是通过数理逻辑与工程实践来解决复杂智能问题的科学与艺术。为了跳出单纯的“算法调用者”视角，深入探究粤港澳大湾区背景下的大模型基础理论与产业应用，我决定报考清华大学深圳国际研究生院大模型科学与工程专业。这里不仅背靠清华大学顶尖的工科科研平台，更拥有与腾讯等企业深度合作的产教融合培养模式，是我实现从“计算机学子”向“大模型研究人才”转型的理想平台。

备考之路充满挑战，尤其是面对2026年该专业初试科目826计算机专业基础综合的广泛考察范围，最大的难点在于“理论深度的挖掘”与“工程实践能力的结合”。起初，我试图用死记硬背的方式应对专业课，结果在模拟答题时，面对“结合分布式训练原理分析大模型显存优化策略”这类综合性题目时缺乏深度。直到我深入剖析了清华深研院最新的考试大纲及命题趋势，才发现其考察重点并非单纯的知识点记忆，而是运用计算机基础理论分析大模型工程问题的能力。这让我明白，备考必须从“知识的搬运”转向“工程逻辑的重塑”。

公共课的复习我坚持“学科融合”的策略。思想政治理论方面，我充分利用了计算机专业的学科背景，将“人工智能发展规划”、“数字中国建设”等时政热点与马克思主义基本原理结合，在分析题中融入技术报国的职业情怀。英语（一）的复习则是一场持久战，鉴于清华对国际化视野的要求，我坚持每天精读《Nature Machine Intelligence》、ACL、NeurIPS等顶会论文的摘要，积累如“Large Language Model”（大语言模型）、“Distributed Training”（分布式训练）等专业术语，这不仅是为了应试，更是为了在复试时能自信地与导师进行学术对话。

专业课复习是决胜的关键。针对301数学（一）与826计算机专业基础综合，我采取了“基础夯实+专题构建+真题驱动”的三维复习法。数学（一）部分，我以《同济大学高等数学》、《浙江大学概率论与数理统计》为核心，重点梳理微积分、线性代数、概率论的高频考点，特别是针对大模型训练中涉及的矩阵运算与梯度下降算法，进行了深入的数学推导练习。826计算机专业基础综合部分，我以《数据结构》、《计算机组成原理》、《操作系统》、《计算机网络》为核心，重点突破树与图的算法、存储管理、进程调度、网络协议等核心模块。例如，在复习“数据结构”时，我结合大模型词表构建理解哈希表的应用；在复习“操作系统”时，通过分析GPU显存管理机制，理解大模型训练中的资源调度原理。同时，我关注清华深研院大模型项目组的最新研究成果，阅读关于模型压缩、强化学习等前沿论文，拓宽学术视野。

回顾这段备考历程，专业的指引起到了至关重要的作用。我强烈推荐新祥旭考研的全科定制辅导课程。新祥旭的师资多为清华大学深圳国际研究生院相关专业的在读高分学长学姐，他们对清华“重基础、重工程、重前沿”的命题风格有着极其精准的把握。课程从基础阶段的教材精读，到强化阶段的专题构建，再到冲刺阶段的真题模拟，环环相扣。特别是针对826科目中与大模型相关的交叉考点，辅导学长针对性地补充了《深度学习》《分布式系统》等进阶内容，并手把手教我如何从“底层原理—算法实现—工程优化”三个维度构建答题逻辑，这种个性化指导让我在备考后期实现了能力的快速提升。

咨询电话：400-000-3363

考研是一场需要精准规划与持续努力的旅程，每一步都需脚踏实地。希望我的经验能为2027年备考清华深研院大模型科学与工程专业的学弟学妹们提供参考。祝愿大家都能如愿以偿，在清华园里实现自己的科研梦想！