一、一次不收敛的训练
大三上学期，我做一个多模态情感分类的实验，模型训了三天，loss 一直在抖，验证集准确率卡在基线以下。我以为是学习率的问题，调了七八组参数都没用。最后发现是数据泄漏：训练集和验证集来自同一批视频的相邻帧，特征几乎一样。
那次之后我养成了一个习惯：任何实验先做三件事 —— 查数据划分、查标签来源、跑一个最简单的 baseline。这三件事做完再谈模型。也是在那段时间，我确认了自己想走人工智能方向：我喜欢这种 "错在哪儿必须找出来" 的工作方式。
二、绩点：把数学当成工具课
我的绩点是 3.88，排名第二。AI 方向的课，机器学习、深度学习、最优化、概率图模型、矩阵分析这几门是地基，我的处理方式是不追求刷题量，追求 "能推一遍"：每个算法手推一次梯度、写一次损失函数、画一次计算图。做不动的地方回去补数学，补完再推。这样学一遍慢，但面试被问到 "为什么用这个损失函数"" 这个正则项在做什么 "，能直接答原理而不是背结论。
三、英语：读论文的速度决定进度
六级 560。AI 方向读论文是日常，我的训练方式是 "三遍读法"：第一遍只看标题、摘要、图，判断要不要读；第二遍读方法和实验设置，抄数据集、指标、baseline；第三遍只读局限和未来工作。每周精读一篇、泛读三篇，坚持了三个学期。英文面试我准备的是讲自己的一个项目，四句话：解决什么问题、用了什么结构、结果如何、哪里还不够。
四、竞赛、项目与科研
竞赛参加过数据类竞赛，拿到过一次前 5% 的成绩，另有一次数学建模省级奖项。竞赛给我的最大收获不是名次，是学会了在有限时间里做特征工程和错误分析。项目上我做过两件事：一个是多模态情感分析，负责数据清洗和融合模块；一个是小样本条件下的模型微调，用低秩适配的方式降低训练成本，把显存占用压下来一半。科研方面我在实验室待了一年半，做的是多模态表征学习，一作投稿一篇会议论文，另有一篇在投。实验里印象最深的是消融：把融合模块去掉之后指标只掉了 0.6 个点，说明我原来的设计并不像想象中那么关键，这个结论后来被我写进了论文的局限部分。
各院系的推免安排差异较大，是否设笔试、机试考什么、面试偏项目还是偏基础，都以当年通知为准。
五、五个 offer 与最后的决定
夏令营投了八家、进四家，预推免又进一家，最后五个：北师大人工智能、两所高校的人工智能、一所高校的计算机科学与技术、一所高校的电子信息。选北师大，一是交叉场景明确，我想做的是教育场景下的大模型应用，这里有真实数据和真实问题；二是组里算力稳定，能支撑我做微调和对比实验；三是导师组不只看指标，也看问题本身有没有价值。放弃另外四个，主要原因是方向偏通用算法或偏工程部署，与我想做的场景化研究距离较远。
六、辅导能补上什么
AI 申请者的材料常见两个问题：一是堆模型名，二是把调参写成成果。我第一版材料就是这样。知点保研的定制辅导帮我做了三件事：把项目按 "问题 — 数据 — 方法 — 验证 — 局限" 重排，删掉没有验证的结论；模拟面试追问 "你的提升是不是数据带来的"，逼我补了控制变量的对照实验；院校信息整理成表，把每个节点的材料要求列清楚。这类服务给的是结构和演练，不承诺录取，也不涉及内部信息。
七、写在最后
AI 这条路，跑通一个模型很快，讲清一个结论很慢。把错误分析做扎实，比多训几个模型更值钱。
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。
