一、从跑通模型到追问为什么有效
我本科是自动化偏人工智能方向，大二第一次把卷积网络跑通时很兴奋，但真正让我改变的是大三的一次复现失败：论文里的方法在我的数据上掉点，我查了两周才发现是数据划分有泄漏。那次之后我不再满足于 “跑通”，开始关心方法在什么条件下成立。保研的念头也是那时定的 —— 我想做具身智能这一侧，让模型落到真实设备上，这需要更系统的训练。
二、绩点靠数学和代码两条腿
我们专业二百人，我最终排名第二。人工智能的绩点看似靠专业课，实际靠数学：线性代数、概率统计、最优化，这三门决定你能不能读懂论文。我的做法是把每门数学课都绑一个具体算法，学线代时手推 PCA，学概率时手推高斯混合，学最优化时手推梯度下降的收敛条件。专业课我用 “任务 — 数据 — 模型 — 指标” 四栏整理，考试前只看四栏。编程我不刷题量，而是把每个课程项目写完整：数据清洗、训练、验证、误差分析，一个都不能省。
三、英语靠读预印本论文
人工智能的进展几乎都在英文里，我的办法是每周精读一篇预印本论文，只做三件事：抄下它的设定（数据规模、任务、评测指标）、找出它的核心改动、写下我认为它没解决的问题。听力用公开的学术报告，专业词汇单独建表，像 ablation、baseline、generalization、latency 这些必须一眼认出。六级我考到 610 分，但面试时更管用的是能用英文讲清自己的一个实验：假设、设置、结果、局限。
四、竞赛练工程约束，科研练完整闭环
我参加过数学建模竞赛和一次公开数据竞赛，最好的一次进了前列。竞赛教我的不是调参技巧，而是在有限算力和时间里做取舍：先保证一个能提交的基线，再逐项改进，每次只改一个变量。科研上我进了实验室，做视觉与控制的交叉课题，独立完成数据采集、模型训练和真机部署，整理成一篇会议论文。这段经历让我明白，论文里的指标和真机上的延迟是两回事，能在设备上跑起来才算完成闭环。
五、四个 offer 与一次方向优先的选择
我一共拿到四个 offer，三个来自综合类高校的人工智能或计算机相关专业学位，一个是清华自动化系的人工智能专业学位。选清华的理由：一是这边的具身智能方向有真实设备和算力条件，我做的真机部署能接着往下走；二是硕士阶段以专业学位为主，课题偏应用，和我的取向一致；三是面试时老师问 “你的模型在真机上掉点，你归因到哪一层”，这个问题说明他们关心落地。放弃的一所高校条件也不错，但那边偏纯算法理论，我动手的部分用不上。
六、把实验讲成一条能追问的线
我的材料初版像实验日志：数据、模型、指标都有，但读的人不知道我为什么这么做。知点保研的定制辅导先帮我定主线 —— 从视觉感知到真机控制，然后把数据采集、模型改进、部署延迟按这条线重排，每段落到 “我发现了什么问题、用什么办法、验证到什么程度”；再改呈现，把一堆训练曲线换成三张关键对比图；最后两轮模拟面试，专问数据泄漏、消融实验、真机误差来源。他们不承诺结果，做的是让材料经得起追问。如果你也在准备，早点让人挑毛病比自己改十遍有效。如有保研问题可以咨询电话 4000003363 或者微信 shuoedu，知点保研咨询师将热情专业的解答您的考研问题。
