美赛注册后要干嘛

只要你会抄，那你就一定可以拿到一个好的奖。所有参加美赛的同学，如果说你现在还不知道论文要怎么写，模型要怎么建，甚至连队友都没有找齐的话，本期视频将告诉你如何零基础速充并拿下 h 奖， m 奖甚至 f 奖。 首先我自己在第一次参赛的时候是零基础，并且队友还跑路了，但最终我们还是拿到了 h 奖。第二次参赛的时候，我们带队拿到了 f 奖。去年我把我的经验总结成了一些文档，那么有一些同学根据我的文档第一次参赛就拿到了 m 奖甚至 f 奖。 接下来呢，就进入正题。首先我再重申一次，本期视频是为零基础同学准备的，如果你是大佬的话，那么帮助不大。 这里呢，我就给大家透露一个比赛的秘籍，这个比赛包括美赛在内的所有的比赛都适用，只要你是公立的参赛，为了加分，那你唯一的策略就是抄，只要你会抄，那你就一定可以拿到一个好的奖。那为什么要抄呢？ 首先天下文章一大抄，不抄白不抄。美赛刚好就是个写文章的比赛，那对于这种比赛虽然有一些评分标准，但是这些评分标准呢，其实我们也看不到什么具体的内容， 但是评委他们是有自己固定的审美，这些审美我们可以在往年的获奖作品，也就是欧奖论文里面可以看出来，那只要我们去模仿这样的欧奖论文，那么评委看到了他自然就会觉得我们是一篇优秀的论文， 那么从而我们就可以拿到一些更好的奖项。那美赛怎么抄呢？大家可以看我去年的合集，那这里所说的抄其实是一种像素级的模仿，什么叫像素级呢？就是说你要一点一点的根据全部的内容来模仿， 从标题、摘要一直到最后的参考文献附录， ai 使用说明。为什么我们要这样去抄呢？因为你并不知道 欧奖论文到底是哪个部分出彩才拿到了欧奖，我们作为领袖的小白怎么可能知道呢？如果我们知道的话，那我们自己就可以直接拿到这个欧奖，根本就不需要学了，所以说我们要一点一点去抄。 那为了更好的去模仿，我们可以去总结一下所有的欧奖论文，他们有哪些共同点，那这些共同点是我们一定要做的， 那对于其他的点呢？我们就只能自己来感受了，我们可以选一篇自己选的题目里面自己最喜欢的一篇论文，然后来进行模仿，以它为主要主要的参考对象来模仿，这样就可以了。 那我去年的合集呢，主要是针对了二十四年的我讲论文，那这个每年肯定都会有一些新的变化，所以说如果你想 直到二五年这个欧奖论文它有哪些最新的变化，那你可以自己去探索，自己去找一下，那你也可以关注我，然后呢，你可以在后台私信我，我在今年整理完之后会发出来。 那今年我们除了可以自己手动的去查看这个欧奖的论文有什么共同点，我们还有其他的方法，那就是说用 ai 的 帮忙， ai 可以 帮助我们去看到一些欧奖论文这个共同点， 并且它也可以帮助我们直接去模仿欧奖论文来生成一些文字，但是这些首先需要你自己对欧奖有的论文有一些大概的了解。 那么如果说你还想知道更多的关于 ai 要怎么样去帮助我们完成比赛， 而且是全部的流程，也就是说从甚至从这个组队友，一直到这个选择题，一直到每一步要怎么写，怎么用 ai 来帮助我们完成。 那么你可以进一下我们这个答疑群，这个答疑群是包括我提供的所有的资料，然后后续如果大家对 ai 有 一定的需求，就是说你希望知道怎么用 ai 来帮助我们完成所有的内容的话，我后续如果需要的人多，可以考虑开一个直播给答疑群的所有的同学， 然后教大家怎么用这个 ai 来完成这个比赛。关于美赛的部分呢，就结束了，感谢所有能够看到这的同学，这是我第一次采用录视频的方式来分享自己的经验。 后续如果说大家还有什么问题，比如说美赛，或者说其他学习上的问题，或者说有哪些想整的活，都可以在评论区或者后台私信我，那么谢谢大家。

更多干货关注树魔乐园公众号！

更多干货关注树魔乐园公众号！

感觉你是那种寒假硕果，每赛前突击学习比赛攻略也能够拿奖的人。快速分享比赛期间的时间安排，必备高效工具。还有三个冲奖的要点。一月三十号开赛，比赛的四天我们怎么安排呢？我结合了自己大大小小的参赛经历，总结了这个时间计划表。 前面几天一定不要熬夜，因为最后一天要检查的论文细节太多了，睡得不够就很容易出差错。也不要卡截止时间才去提交论文，一般最后半小时提交系统都很卡，如果因为这个原因你没交上就很亏啊。 然后呢，就是比赛期间必备的一些工具，大家查漏不缺啊。第一个写论文的工具 the text 可以 用 overleaf， 这是一个在线的平台，团队三人可以共享写同一个项目，真的很方便。如果你用的是 word， 一定要提前装好 math tab 这个写数学公式的工具。 美赛嘛，最终提交的是英文论文， dpl、 google 都可以用来翻译，语法检查呢，可以用 grammar 论文，一般问题都不大，摘要大家就要小心谨慎了。和队员一起多检查数据集的公开网站，大家也可以提前去了解一下这些各个国家的统计局。 cargo 的 数据集都是比较常用的图表或者是图片配色呢，也可以直接参考。这个 还有个更简单的办法，就是在比赛的时候，你的配色直接参考一篇欧奖的论文，用取色器就能够知道别人用的是什么颜色。最后快速讲三个抽奖的要点。还没有论文模板的同学，明天一定要做一个自己团队的论文模板，里面要包含统一的中英字体设置、配色方案、图标规范等等。 美赛呢，又被网友称作是美术鉴摩大赛，其实啊，就是论文的美观性很大程度上决定了你是否拿奖。我还留了之前自己用的一些模板，可以直接分享给大家，需要的同学在评论区找我呀。 其次呢，就是文件管理，比赛过程中啊，他也会产出各种文件，比如说生成的图标，参考到的文献，搜集的数据集等等。你千万不要想着写完论文再去统一整理，尤其是文献这种肯定是乱糟糟的。大家可以在你们团队的小群里面，像这样分门别类的建好文件夹，把文件对应的传进去。 第三个，论文及时存档，每次在时间紧任务中，大家绝对承担不起论文没保存，因为电脑原因，一夜回到解放前的风波。不要太相信自己的电脑，最好的办法就是每天中午晚上两次，把当前的论文发到你们的小群里面。好了，看到这里，同学都会拿奖的，我是娃娃，带你打破更多大学信息差，拜拜！

哈喽，大家好，下面我给大家进行去年二五年美赛一体的一个论文的一个复现，主要给大家讲怎么样我们去完成一个这样 m 奖的一个论文， 你再去告大家再往哪个方向去努力，也可以去冲击更高的奖项，给大家讲一下美赛的一些注意事项，怎么样去更好的入手 我们这针对整个 b 题，我们主要接下来讲解是针对基础一般的一些人，怎么样去更好的上手这样一个文章。好吧。首先这个 b 题，他去年这个 b 题主要在说管理可持续的旅游，这个问题背景给了这么多，主要在讲什么，他可以简略的看一下，在讲 旅游虽然带来一些可观的收入，但是他也产生了很多的问题，比如过度拥挤，从而会引起了气温升高，我也 进而引起了冰川的消失等等的一些环境的问题。那这个时候他让我们总体要做什么？制定一个可持续的旅游计划。什么意思？就是可持续呗，环保让旅游业循环可持续，而不是说我这些人今天来旅游了，来上一段时间以后，这个环境彻底被破坏了， 以后再也没有人来旅游了，那这样肯定不行，他要的就是说可持续的一个效果，那就是呗，主要大概就是保护环境。好吧，那这个题目的主要分为三个小问，针对这样的一个问题，我们怎么样去更快的入手？ 首先第一个问题，让我们建立一个这个模型，他告诉你要考虑哪些东西，他要求你明确正在优化哪些因素，哪些做的约束条件，最后要求你进行一个灵敏度的分析， 并且讨论哪些因素最重要。第一，第一个大问，其实问题小问有很多，第二个小问就是让你看一下怎么样适应其他地区，相当于一个应用呗。 第三个就是写一个总结，相当于那针对这样的一个问题，我们怎么样去入手？好吧，我以写文章的角度带着大家去写。好吧，就是说你怎么样去完成一个文章的每一个部分，这样也相当于去解析了。首先是你背景部分怎么样去写？ 首先先跟大家说一下论文的篇幅问题，我们每在要求英文式状态下二十五页，在中文状态下，根据这个经验，大家在二十页左右，十九到二十一页左右翻译出乘英文，大概是二十五页。 大家写中文的时候尽量控制一下，大家应该都是直接写，写中文，中文的时候大家尽量控制一下，这样方便你后面翻译的时候你还要筛选，会很麻烦的。 好吧，所以大家尽量控制一下。那这个就可以避免好问题。背景部分，这插了一张图，这个图可有可无，大家看自己的情况，如果你的篇幅可以撑得下，那这个部分你可以放一张问题的背景图，至于背景图从哪来，你可以直接去盎盎市的风光。好吧， 你可以直接去百度上进行一个搜索。好吧，一会呢会进入 ai 去给大家进行演示，主要用的 ai 是 这个豆包，豆包相对来说它收众比较广， jpg 的 效果肯定会更好，但这个收众没有那么广。好吧， 那大家如果有这个条件可以用 jpt， 效果肯定会更好的。好吧，好，那就背景部分我怎样去写这个部分，不要直接抄这个原文，好吧，直接抄原文不好， 当然每赛大家不用太关注查重的问题，因为你翻译成英文他重复率不用担心，英文类的比赛他重复率还好。好吧，好，针对。首先就是这个问题背景怎样去写，那这个时候还是给大家方式说，你 把问题背景问题前面的这些东西都复制过来以后，你用我们的这些提示词的第一个给大家标好了。好吧，这个提示词大家领取的方式，大家可以自己去 去看评论区。好吧，好，这样就可以直接把这个问题背景去生成这推荐。这里用的是六百字，会推荐大家中文比赛才是六百字英文比赛推荐大家四百到五百就可以了， 因为你翻译完以后，如果你六百字大概率就是要占一整篇，那如果一个问题背景占一整篇，这个效果会不太好，好吧，问题背景他要有，但是不要太多， 那样的效果会很差的。来看这个，这个篇幅其实有点长了，所以说推荐大家四五百字英文比赛就可以了。好吧，好，那这个具体的就不看这个，给大家演示一下怎么样去写这个问题背景。 好，这个部分写完以后就是这个问题的传输部分，推荐大家自己写，你读完这个问题以后，把这个问题用自己的话，用中国话描述一下就可以了， 这个东西没有必要再怎么样去这写不出什么花来，你就自己描述一下就可以了。好吧，好， 也不用太多字数了。哎，这个部分相当于是对整个文章的一个总结，这个部分推荐大家最后写，当然每个人的框架不一定一样，我这个文章是给大家介绍了我要行文的一个框架。好吧，好，这个部分这是一个总结， 推荐大家最后写，一会再大家来看。好吧，好。假设推荐大家三到四个，怎么样去写？把这三个问题复制给这个 ai， 用我们的这个提示词， 好吧，我都都给大家标好了，用哪个，好吧，他会给你四个，这个推荐也是四个。先写一个假设，下面解解释，推荐可以这样一个这样的一个方式， 当然你有其他方式也可以。好吧，没有固定的定性要求。符号，说明他自己写你用到的符号，你第一。这个没有什么技巧可言，直接写就行。数据来源是有两种，有的是题目，他会直接告诉你，像去年每赛的 ct 是 直接告诉你数据了， 那这种你就可以直接用了，你就不用写这种。他这个 b 题，他没有告诉你数据，那这个时候你要搜集的你搜集的来源是哪里？你是不是要写上了？这个是你搜集的数据，这个还是要写上的。好吧， 你复一个他相关内容，表明你从哪搜集的数据，搜集哪些内容，这样效果会比较好。上面的征主要针对的三个问题， 因为你看一下这个主要是三个问题，一个是什么建立模型，一个是应用，还有一个什么总结，那这个就是针对每一个问题，他这个行为是一致的， 每个问题怎么去做，我们是一致的，所以就只给大家演示一个问题，怎么样去做就可以了，好吧，就够了。好，那针对问题，比如说我们问题一怎么样去询问？首先我们把我们的问题 复制一下，复制给这个 ai， 我 们先写什么？先写代码？为什么先写代码？因为你要在保证它能跑通的情况下，你再去写中文啊，如果你写完中文以后，你再去让 ai 给你写代码，相信模型的代码，万一它跑不通了，那这个时候就会很费事。 所以为了防止大家反攻，那这个时候你就先写代码，你有结果了，那这个时候你再写过程，那是不是就相当于肯定不会出差错了？那这个时候你可以把这个时候又分为两种情况。第一种情况，你自己有自己的思路， 你想用什么模型，你这可以直接写上你用的模型，如果你没有，那这个时候你就可以把这个删了，你让他给你，他就会告诉你一些模型，他会给你。好，这是一种方式。好吧？ 当然你有自己的思路，有自己的想法是最好的，因为你可以让他给你打个辅助，你让他完全给你写也可以，也不是不行，好吧，当然也可以的，他会把代码给你，代码给你以后，你先跑通， 期间遇到了任何问题，你就直接在聊天框里复制给他，然后让他给你解决，直到最后跑通为止。跑通以后给大家跑通。好吧？跑通以后你可以看一下情况，最后跑通了，那这个时候就可以什么你就可以去做了， 这个时候就该写正文了，正文你怎么去写？先把你跑通的代码复制一下，复制完以后丢给他以后用的下面这个指令，你看解决问题的文字内容的指令，把这个指令附着给他。好，这个部分解决什么问题呢？解决了文字的内容好，这样总体说来，整个文章的文字部分 和代码部分就大体框架就打完了，但是他只能给你一个大体的一个框架， 你要核心内容，你自己还要有一个衡量判断。什么意思？就是说你像一些位置的排版， 怎么样去更好的描述这个问题，你自己肯定是要读题去分析的，好吧，这个是没有毋庸置疑的，你不可能说去全靠 ai， 最多 ai 可以 给你打一个辅助，让你更好地去解决。就比如说它告诉你了这个内容以后，你就可以在它的基础上进行一些优化，进行一些更改，好吧？并不是说啊， 你完全去复制，那样效果肯定没有，你自己再去总结一遍，效果好，好吧，你总结一遍，你一是减少篇幅问题，大家说了，因为比赛论文还是篇幅还是比较重要的，不要太多，好吧，这样你自己再去总结一遍，效果会更好。好，这是正文的部分，正文部分你完成以后， 你大概到这里这么做的完成，那下面就是最重要的是吧？下面就没有什么重要的，就说模型的评价，参考文献，大家自己解决，好吧，直接找你用的文献就可以有缺点，推广模型这种东西大家怎么去做？你把你写完的整个文章，你从这上传给他，上传给他以后，你用我们的这个指令， 他会给你上场，好吧，那这个就解决了，从而解决完这些以后，你就要该做这个了，这个部分怎么去写？你把你整个文章每一个部分怎么样去解决问题的，你把它写到这，尽量大家什么 找队友里面的一个总结性比较强的，文科功底比较强的，总结能力比较强的去总结一下， 写到这尽量大家自己写啊，大家自己写的东西不多，所以这个东西大家尽量自己写好吧？好，这个图一会给大家教给大家怎么去画好图，这里面的图我们先不管，一会我给大家整体的去讲，还要给他提供一种方式，就是说先用我们的这个指令去把这个生成 怎么样，就用这个指令先把文章完整的传给他，传给他以后用我们的这个摘药的指令输给他以后，他会给你生成一个摘药，然后你把你的摘药复制到这以后，你自己去完整的顺一遍，看哪些加哪些减， 你再让你的另外两个队友分别每个人都要去进行一个筛选，摘掉非常重要，筛选完以后，这个时候你就可以说算是一定要去多看，好吧，算是完完完整整的把这个文章搞完了，那这个时候还不够，他算是完成了文章， 那这个时候你要完美美菜的完美的方向。第一个很重要的就是说模型，解决问题的模型不一定要非常的华丽，非常的堆的，就是说工作量比较大那种，没必要， 他看中的你什么你这个模型的是不是很针对性的解决这个问题？什么意思？就比如我到 a d 最多有一百步就可以，你非要绕绕很多远走三百步，那没必要。怎么样更好方便解决这个问题，那就用从怎么来， 没有必要说对于什么华丽的模型没有用的。好吧，这第二个就是图形的问题，图形也很重要， 你发现那些 o 奖状的、 f 奖状的图形都会非常的好，最起码你的文章里面要有个流程，图像这种还有一些结果的图都要有，我们可以看一下整体的这个文章，一些图像肯定还是要有的好，下面给大家解决图像的问题。 图像问题给大家推荐三种方式，就是最快的方式，好吧？第一种方式给大家提供了一个框架，有六种方式，也是三四种。第一种方式就是说你去看这里给大家提供了一些框架。好吧，你也可以去找往年的欧江论文 或者 f 降落段里面的好的一些灵感，找灵感。为什么说找灵感？大家画图的时候，其实大家缺的从来不是说给你一个图，让你言疯不动的模仿下来，你不会，肯定不是这个，你是找不到我去画什么样的图匹配这个文章， 他缺的大多数都是这个，那这个你怎么去找？那肯定就是看其他的文章，我觉得，比如我看这个文章，我觉得这个图不错，我能不能复刻一下？复刻的时候你用什么工具推荐大家用 ppt 就 行了， ppt 可以 非常完美的复刻了。 好吧，那这个时候你就用 ppt 呗， ppt 很 完美了，主要大概用哪些？用这些形状都可以用，你看这些图其实都是什么，你发现都是这些图形的组合。 所以说大家用好 ppt， 你 找一些模板，大家现在还有时间，大家可以去看一些文章里面找一些灵感，把它的图复刻下来，尤其是有一些有通用型的图， 你复刻下来，下次你比赛的时候，你是不就可以用上了？这是一种方式。好，当然一二都是这种方式。第三种就是流程图，流程图你可以直接用这个， 你可以在它基础上加减，换成你的模型，什么东西都可以，你也可以在其他文章优美的流程图，也可以去 copy 一下，去复刻一下，你自己用。还有种方式就是说模型的一些图，比如说这个文章用了什么？用了 l s t m 模型， 那他的这个模型是自己画的吗？肯定不是，这个太费时了，你画这种图太费时间了，这个时候你怎么去做？推荐一种方式，你去中国之网，你去找，比如说这个 lstm 模型，这个是你就直接解锁 lstm 模型，你去搜索找什么？找硕博论文。为什么找硕博论文？硕博论文。对于一个 问题，如果他是研究 l s t m 的 应用的问题，他会把 l s t m 的 前世今生介绍的清清楚楚，里面大概率，不是大概率，是基本上都会有图形， 这个模型的图形那你就可以直接把清，当然你可以多筛选一下，找清晰度高的，那这个清晰度其实不算高，你找清晰度比较完美的图形，把它复制下来，你可以简单的自己堆积一下，当然他原本肯定不是这么画的， 这是后面组合出来的，堆砌一下出来以后就成了你自己的图了，这也是一种极素材的方式。好吧，好，给大家提供了这几种方式。还有一种说你用他原本的 ppt 也带了图标， 他也有图标，你可以用他的这种图，可以吗？可以，也挺好看的，其实他图还挺多的，你看这些图其实都挺好看的，你可以用他这些图吗？可以用他这些图，用你的数据，用他的图生成，可以。好吧， 还有一种方式呢，说你对文章有一些大串大串的公式，大对公式你可以避免一下，可以用图来表示一下，看起来更清晰，更完美。好吧， 主要就是这几种方式，你会发现这几种方式其实它是什么？你是你上手画比较完美的图的最快的几种方式。好，这大家一定要去用好。还有一种方式就是说图 结果图怎么去做？你看刚才这个代码其实生成了好几种结果图，那这个时候如果你的代码没有几张结果图，那这个时候你就可以把这个代码复制给他，让他什么，你就说给我再加一些格式化，这是针对于结果图了，好吧，因为这个代码不是生成的结果吗？ 让他给你再加一些格式化，那这样你的结果的格式化图像是不是也就多了？你看他会给你加了很多图了就，对吧。好，这是又给大家提供一个方式，所以说 图像你想画好没有那么难，你重要的要找准努力的方向，好吧，所以接下来的时间大家可以去找一些有用的优美的素材， 大家去复现一下，扭成自己的模板，好吧，这是一种方式。好，这是针对美赛的这个重要的绘图，就给大家讲到这，其他的点说，美赛翻译也是比较重要的翻译，大家写完中文以后给大家不是说了吗，写到十九到二十一页就可以了， 这个时候你就可以着手翻译了，你控制一下中文就控制在二十页左右就开始翻译，基本上你翻译完就是二十五页，你也就不用多花过多的时间去，还要筛选，太麻烦了。那这个时候你要做什么？你怎么去翻译？你用可以用软件，也可以用 ai， 但是推荐大家你翻译完以后摘药部分你自己再检查一下，三个人里面就算英语都不好，你们三个人的英语水平加起来应该也还可以。你三个人检查一下摘药的英文翻译的怎么样其实很重要，翻译很重要好吧，翻译的不好会影响你的成绩的， 翻译的好可能你的成绩就会更好一点，所以翻译是非常重要的。给大家注意的点，美赛的格式没有拘泥的格式，大家可以按照自己平时的写文章的格式来就行， 哪怕你第一次参加美赛的，那你可以找一下其他的优秀的文章，你可以去用它的格式也可以。好吧，大家的美赛的一些文章怎么行，文怎么注意， 大家一定要去看好吧，像什么一号，他这本来有对号，这是我去了的，这种细节一定不能漏了。好吧，这给大家主要讲了一些一些小 tips。 好， 其他的就没有什么，那接下来的时间努力方向就可以去什么找一些优美的素材， 可以再找一两个题目，如果是基础不怎么好，也像我这样去复现一篇文章，或者自己去解决一下题目，完整的解决一个题目， 到时候你在比赛场上时间比较紧迫的情况下，你是不是可以更好的解决？好，那今天就到这里，他想领取相关的资料，大家就看关注一下评论区就可以，好吧？

好，大家好，那么这个视频呢，跟大家讲一下本次美赛啊，我的选题建议以及各题目的这个思路啊，那么我这里已经准备好了一个十一页的啊，这个思路文档，呃，包括 a t 幕和 c t 幕，我个人精准校对之后的啊，这个翻译， 呃啊，我都跟大家去讲，那么在这个思路的讲解过程中呢，我也会把啊大家可能会忽略到的一些关键的信息和雷区注意点，我全部都会跟大家一一讲清楚啊，请大家务必有耐心的把这个视频呢仔细的去看完啊，防止大家在做起过程中呢挖到什么坑。好，那我们首先来看一下这个选择题建议， 那么我们这次选择助攻呢，是 a 题目啊，以及这个 c 题目，那么后续呢，都会完成这两道题目完整原创论文以及相应的代码和结果啊，这个呢，跟我往期的这个比赛都是一样的啊，大家可以继续看我往期的这个视频啊，我现在发布的是这个选题建议和思路视频，那么后面呢 啊，我们预计会在明天，也就是一月三十一号的中午左右就会更新完毕。呃，这两道题目完整的原创论文以及相应代码和结果的这个 教学，那关于这个后续完整成品的说明呢，大家可以看这个视频的评论区啊，这好的不多说啊，我们来看一下这个选择题方面，那么这次这道的六道题目呢， 呃，这个 a 题目啊，是比较硬糙的，加一个智能手机电池的耗电建模，这个呢，题目也明确告诉我们了啊，就要建立一个连续实践数学模型，这个其实就是微分方程模型，这是非常非常经典的啊，大家如果说，呃，你们有受过学校的建模比赛的话，这就是其中非常经典的这种微分方程类的问题。 再一个非常经典的这个题目就是 c 题目了啊，也是往年大家每次都选择最多的这个题目啊，就是纯数据分析类的题目。这次的 c 题目呢，呃，也比较复杂一些，因为它里面有很多规则，包括这个数据说明 啊，这个数据本身呢，也比较复杂一些啊，就是我们或许要去读取和这个处理比较复杂一些，所以呢，在我稍后的讲解过程中呢，我也会把我们在所有的数据读取中啊，可能会出错的地方，我们需要去关注的一些啊，关键的信息和雷区注意点我都为大家讲清楚，好吧， 好，那其余一个题目呢，我不推荐大家去进行选择啊，因为呢，呃一方面获奖率并不高。呃，再就是呢，可能有的题目比较水一点，比如这个 b 题目呢，这个利用太空电机系统建立月球直径。 呃，这道题目呢，估计很多人可能会用 ai 去做这个，呃，就稍微水一点，然后这次的 i、 c、 m 这三道题目啊， d、 f 这三道题目。呃， d 题目的主要难点呢在于我们要去收集一些相应的数据。呃，这个是比较困难的，那再去这道题目呢， 就我们能够采用的模型也比较有限啊，就你想要做的出产的也比较困难啊，比较有限。然后这个 e 题目，被动式遮阳和这个 f 题目啊，这个 e 题目呢， 呃，难度其实并不算高，而且主要是建立这个非稳态的热平衡方程，这个呢，在以往的建模型材里面呢，也比较多一些，但这次这个 e 题目呢，如果我们从横切去从这个获奖角度而言的话啊，眼目图眼大剧进行选择啊，包括这个 f 题目也是一样，这个 f 题目呢，呃， 一方面我们要去收集一些这个相应数据啊，这个稍微能困难一点，再个用这个 i 题目呢，也比较能做得出彩啊。总归呢， 这是为什么推荐大家去选择 d 题目和这个 c 题目呢？因为这两个题目呢，呃，都是大家这次比赛呢，比较容易做得出彩的啊。这个类型的题目， a 题目比较容易做得出彩的地方在于呢， a 题目比较硬核一点啊，我们只要建立合理的违反方程，那么后续呢，我也会跟大家去讲这个啊， a 题目详细完整的建模思路。 好啊，包括一些相应的数据呢，我已经完成了初步的这个收集啊，其这道题目的数据呢，只需需要去收集一些新的参数就可以了。好， 这个呢，做好的话呢，咱们大家这道题目的获奖概率呢，还是很高的好吧，呃，然后就是 ct 目啊，这个数据分析类的题目，呃，我们只要去啊，把各种我们能考虑到的啊，这个数据的参数呢 和注意点我们都落实到位。再一看美国，我们建立合理的注出页模型啊，把题目每一问都解达到位，那么这道题目的扩展率呢，也是比较高的。好，那么选题建议呢，就讲到这里，那么本次的 a 题目和 c 题目呢，我们或许都会完成这个完整的原初论文集现在代码和结果。那关于这个完整的整理的说明呢？大家可以看这个视频的评论区，我们有机会在明天就是一月三十号的中午左右就会更新完毕。 呃，这两个题目完整的原初论文集，现在代码。好，那么废话不多说，我们现在来看一下这个 c 题目的思路。 好，那么这个视频先给大家讲一下这个 c 题目的思路，那么稍后我会再发布的视频去讲解 a 题目的详细思路啊，大家敬请期待。好，我们来先看一下 c 题目。 c 题目呢啊，这也是我人工教对之后的一个精准的翻译版本 啊。呃，因为这样节目的翻译是比较困难的啊，大家容易很多地方出错，如果用 g 翻的话，简直得有一个完整的啊，这样的一个翻译版本。那关于这个， 好，我现在讲解的这个思路，文档呀，包括 a 题目啊， c 题目啊等等的这些人工教对的翻译啊，文档啊，包括这个完整的说明呢，大家都可以看这个视频的评论区。好吧，我来看下 c 题目，那么几乎被讲的我就不多说了。好吧， 他第一位呢，向我们开发一个数学模型。呃，然后呢，为每位参赛者在他们参赛的周四中生成估算的粉丝投票数，那么这个粉丝投票数呢，他是未知的，且被严格保密保守的秘密。就题目给我们的这个数据呢，它里面是只有这个评委的投票数啊，评委的投票数是给出的，但这个粉丝投票数呢，他是完全没有给出的。 然后大家这里面有分了几个子问题啊，一方面是问我们这个模型是否去正确估算了，导致与每周谁被淘汰的结果相一致的粉丝投票啊，提供一个一致性的度量。再一个呢，我们生成的这个粉丝投票数呢，有多大的确定性？那么这种确定性呢，我们要去进行度量。好，我们来看一下这个 ct 目第一问的这个思路， 那么其实呢，整个这个 ct 目呢，它的核心难点就在于我们的粉丝投票数据呢，它是一个未知的引变量啊，我们是只知道粉就是评委的打分和它的输出，输出呢就是谁被淘汰了嘛，对不对？ 我们需要根据这两个呢去反向推导出我们粉丝投票的分布，这是我们的这个问题的核心难点所在啊，也是我们必须要去完成的一步，就是我们第一步呢，先把这个完成，之后呢，我们后面呢才有的做，能理解吗？所以我们基于这个推导出的数据呢，才能够进行后续的政策分析和模型优化。 好，我来看一下啊，针对于问题一，问题一呢，这个估算粉丝投票模型呢，这就是一个参数估计和引变量推断的问题啊，那么这里的模式给大家讲这种三种方案，这三种方案呢，首先第一种方案啊， 就是这个用限行规划或者约束满足模型，那么我们这个呢，就是说把每一周的比赛看做一个方程组，那么假如说每位选手某位选手被淘汰了，而另一个选手就晋级了，那我们当时呢，是必然满足当时的规则约束的啊，比如说他的这个得分啊，是比令格高的，我们把这个粉丝投票占比呢作为决策变量来满足啊，所有淘汰约束为条件 去建立一个优化模型啊，我们建这样优化模型啊，我们的目标函数呢，就是去最大化粉丝投票分布的方差啊，或者最大化商议，就是说在没有信息的时候是最随机的，然后我们去做一次性检验就可以了， 就是计算模型生成的这个排名呢和实际排名的这个系数啊。那么这种思路他的优点呢，就是在数据推导上是比较严谨的，而且我们呢能够生成出一个可行解。那么缺点呢，就是在于他对于排名真的涉及到这个主规划问题就求解呢，是比较困难的，而且可能会存在多克几。 那么在针对于这个本次竞赛而言呢，呃，这个竞赛的潜力还是比较高的啊，就是得分潜力，呃， 就针对于以往这种剑魔比赛而言呢，这是一个比较标准的这样一个运球学剑魔的方式呃，结果是比较稳健的。那么另外一种也是我这次推荐大家去选择的这样一个做法呢啊，就创新性比较强的呃，也比较能够呃帮助大家去进行获奖的这样一个， 我这样去打讲吧。那么第一种方法呢，可能竞赛的获奖潜力就是 h 奖啊。那么第二种就是美赛评委比较喜欢的这种创新性比较强的做法，那我们的这个思路呢，其实就是贝耶斯马尔可夫列蒙特卡罗方法， 我们这个时候就是说不由不要求去求一个单一的追优解，而求这个粉丝投票的概率分布啊，我们假设粉丝投票呢是服从某种鲜艳分布的，然后我们根据每一周的淘汰结果呢，作为观测数据去更新我们的后焰分布啊，正是它的这个相应数量形式。 然后我们过去呢，可以去啊，去研究他这个确定性度量，那我们这个确定度呢，度量呢，就可以直接通过后验分布的标准查或者这些区间去回应题目中关于这个确定性度量的问题，因为这个题目呢是明确要求我们啊，要去看一下我们这个粉丝图标总数呢，有多大确定性的 好。那么这种方法呢啊，它的优点呢，就是我们可以去完美的回答关于确定性的提问啊，而且在理论的这个思维程度上是比较深的，这个难点就在于它的计算量比较大一点，然后代码编写复杂，但这个呢，大家不用去管啊，我这个代码呢，我会呃去完成这个十一的编写，然后大家到时候直接运行我给出的这个 python 代码就可以了 啊，还是跟以往的时候比赛一样，我都会给出这个代码和结果的。好吧，那么这个在竞赛获奖前提方面呢，基本上是能够拿到 m 的 o 奖的。就这个思路方面， 这种模型呢，在求解这种不确定性的繁衍问题上面，基本上可以说天花板了啊，就顶级方案啊，当然还有一种思路呢，就是采用奇葩式模拟或者说遗传算法。呃，这个呢，结果是疑心比较大一点啊，这个我们作为一个备选方案啊，就是说假如我们前面两种方法呢，真的要做不出来的话，就根据实际数据学求解啊，很难跑或者跑不出来的话 啊，那么可以作为一个备选方案。好吧，这个就不跟大家多讲了，来看一下他的第二问。待会他就问呢，让我们根据这个粉丝投票估算值和其余数据啊，就说现在我们这个数据已经得出了，对不对 啊？那包括其他数据，然后根据这些数据呢？我们先汇总完了之后往下看一下，开始让我们去比较和对比节目使用了两种结合屏幕和粉丝的方法啊，解决出排名和百分比在各级产生的结果，然后如果能在结果上出现差异的话，那么是否有一种方法似乎比另一种更偏向于粉丝投票啊？当然再就是我们去检查应用于特定领域的投票方法， 那么然后说世界名人身上呢，都存在争议，也就是存在这个分歧，大家问我们的结合评委方法和 vs 投票的方法呢？是否会导致这个结果相同？再一个就是加入评委，选择淘汰倒数两对中哪一对的额外方法会产生影响结果。这个答案看不懂啊。这个后后面关于数据的注示啊，以及投票方案的制定里面， 呃，人家都有跟大家详细讲，当然大家如果这个呢看起来比较复杂一些，大家可能会听不懂，没关系啊，我在后面呢，我有一个汇总了整个这个关键信息，以及每一问里面我们可能要去注意的一些关键的鉴摩点和注意点，我一会跟大家去讲吧。好吧，呃，我们先来讲下这个思路啊。好， 第二问，我们就是做这样的一个交叉验证模拟，呃，其实我们问题一呢，现在已经得出了对不对？我们就是只是根据问题得到这个推断数据呢，去进行反式式的推理就可以了啊。行，我们第一步呢，我们该先做这个交叉验证的模拟，我们建立一个仿真器，然后我们的实验组啊，第一 就说针对于这个，我原来是百分制笔制的这个数据呢，我们去应用排名制，然后针对于原排名制的数据呢，去应用百分笔制啊这样的一个规则。 ok， 这个我们可以解答呢，是否有一种方法似乎比另一种呢更偏向于粉丝投票问题？好，那么关于第二个看一下 啊，就这个针对于特定案例的分析啊。好，那么前面一个呢，我应该跟大家讲清楚了啊，就是要去后面去做一个偏差度量嘛，就定义一个评委友好度的指标，然后去比较一下这两种机制下这种指标的差异啊， 来看一下是否是会存在啊，这个粉丝一边倒去覆盖评分的这种情况。那么另外一个，接下来针对于这个针对特定案例的一个分析，我们先去提取出来这些人的这个数据，然后我们集中在于以下他们在另一种规则之下的这个新生存概率 啊，嗯，针对于这个加入评委选择抛开倒数两对中啊，哪一对的额外方法呢？会如何去影响结果这样一个问题呢？哎，这里呢就是说关于这个评委拯救环节啊，这就这个条件概率问题就是假如说某个人在某个模型中啊，落入倒数两瓶里面， 并且他的评委分呢是高于对手的，那么假设他被救回来，回去分析一下这是否改变了最终的结果就可以了。那么这个问题二的鉴物术呢，是比较确定的，就说只要问题的数据生成好了啊，那么问题二呢，主要是进行统计和进行逻辑判断啊，思路是比较确定的，来看一下问题三， 问题三就是说使用我们的粉丝投票估算值数据呢，去开发一个模型，来分析各种职业舞者以及数据中可用的名人特征，比如年龄啊，行业啊等等这些影响，然后去分析一下这些因素呢，在多大程度上去影响了名人在比赛中的表现，以及他们以相同的方式影响，是否是以相同的方式影响了评委的评分和粉丝投票。好， 这个呢就是一个典型的回归分析和归音分析的问题，那么这里呢有两种方案，一个呢就是这种混合效应分析 好，我们可以把职业五指呢设定为随机效应，然后把明星特征呢设置为一个固定效应啊，然后呢给出具体的模型，我去分析一下啊，来看这两个方程的，这个评委和粉丝两个方程里面呢，系数悲叹的显著性和大小啊， 来看一下这个系统呢，在这两个模型中呢啊，它们的是否显著的这个问题啊，那么这个呢是我比较推荐大家去进行选择的啊，这种混合效应模型呢，是比较能够去啊，比较好的去处理面板数据的，比普通那种心灵回归模型呢是要好一点了。那么另外一种方案呢，就是这个随机森林或者是啊叉子 boss 啊，其实就是基于树的那些模型啊，比如角色树啊，随机森林啊，就是基于呃树啊，对这种模型 积极学习模型。那么这个呢，就比较无脑一点啊，应该大家大家做过数据分析的题目应该都懂啊，就是你直接把它导入进去，然后跑一遍，就可以得出每一个侧重对于结果的贡献度了 啊，这个呢，优点呢，就是我们能够很好去捕捉非现金的这种关系啊，就直接周谷会跑出来一个重要性的排行啊，这个大家做过数据分析类和积极学习的人都懂， 那么这个呢，就是缺点就是它的解释性能差一点啊，就是我们不能从内部的机理和因果关系呢去很好的解释啊，我们只是跑出来这么一个结果，就传用数据进行驱动啊，这个呢，我后续这样的方案我都去做一下吧啊，看一下哪个效果更好啊，当然目前我推荐的是这个，大家去选第一方案是核像也模型好， 那么最后呢，就是要去提出这个新赛制的嘛，对不对啊？提出抑郁症，每周使用粉丝投票和评委评分的这样的一个系统 啊，让这个系统更公平，或者是在某些方面更好，比如说让这个节目更刺激啊之类的啊，我们自己去选择一个目标，然后呢，哎，去提出一个新的系统就可以了。好， 这样呢，大家就比较自由了啊，有很多种方法，比如说啊，你可以采用加卷法啊，这个理由呢，就是说，呃，好处呢，就是我们可以兼顾名次和表现的差距啊，我们保证每一跳都有这个价值， 要么呢，我们就基于等级分的这样一个动态权重系统，哎，我们随着赛季的进行呢，评委评分的权重呢逐渐降低，然后粉丝权重呢逐渐升高，这样的话，只是大家越看越刺激了，越看越刺激，呃，我们的目标就是追求刺激，对不对？那么再就是啊， 我们可以结合这个评委拯救啊，比如说啊，我们的评委分如果说排名前三的话，那么本周啊，那么无论粉丝投多少票都不会淘汰，我们可以保证那些技术最好的选手呢进入决赛，并且呢同时呢剩余的名额呢交给那些粉丝去进行，我们这个投票就是兼顾了这个公正与这个观赏性 啊，这个呢，大家比较自由了啊，这个关于这个新赛季的提议，大家可以再去提出一些其他的方案，我这里呢也只是给出三种啊这个建议啊，那么在整体的建议上面呢啊，呃，我们大家必须要拿下分，是问题一和问题二，我们要去构建一个稳健的将这个蒙特卡洛模拟框架，去解决这个数据缺失的问题。 好，再一个就是我们后面会拉开差距的分啊，就是会让大家拉开差距的分，一个是问题一的不确定分，不确定性分析是比较重要的，然后呢，问题三的这个混合效应模型，这两个呢，我们在过程中必须要去展示非常漂亮的啊，这样一个自信区间图和系数显著性的这样的一个表格图啊。好， 接下来我给大家讲一下这个题目，我们的一些关键信息和雷区以及注意点，你们大家可以看到呢，这个题目呢，呃，这个数据的注视啊，描述，关于数据的这个描述注视啊，然后包括呢各种投票方案的势力，以及一些规则啊，规则，比如说呢他 啊，这个 a 值是什么意思啊？零分是什么意思等等这些东西，这个是非常非常复杂的，所以呢，我把题目中一些比较关键的信息和连续注意点呢给大家提取了出来啊，那么在视频的后面呢，我来相信大家去进行一个补充啊，防止大家容易踩坑的点。好， 首先是呢魔剑魔里面最容易出错的地方就是这个关于规则变迁的时间线，我们的代码呢，必须要能够根据我们这个赛季呢则自断的去自动切换它的计算逻辑阶段一就是这个排名制，它这个使用赛季呢，是第一赛季和第二赛季啊，这个逻辑呢是这样的 啊，排名制他们的淘汰规则呢？是这样的啊，我就不给大家多注注了吧，好吧，据说数值越大的排名呢越靠后，然后呢他数值越大的就会被淘汰，就这个投票排名制的同排名的制，这个题目里面的这个我后面也给大家讲了啊，后面也跟他讲了， 就说排名越大越靠后。好，那么这里呢我们要去注意一个问题，那如果说我们的总排名是平局怎么办呢？这个题目是没有说的啊，我们需要去进行一个合理的假设，这也是大家需要注意的个点，就是如果说排名出现了平局怎么办这样的一个问题。 好，那么另外一个就是基站案也就这个百分比值，这个呢是在第三赛季到第二十七赛季里面去啊，然后这里是他的这个排名的逻辑 啊，就是各自有各自在帮占比的这个百分比。那么啊，评委分是这样的，某选手的评委分，我们这个百分比的设定呢，就是说这个百分比的设定呢，就是说意思就是说啊，评委分的百分比，就是说某选手的评委分除以当中所有选手的评委总分， 当然了另外一个就是这个粉丝的这个百分比呢，就是说啊，这个选手的粉丝票数除以当中总粉丝的票数。好，我们它的规则呢，就是说 数值最小者被淘汰。接待三呢，就是说啊，从这个第二十八赛季到第三十四赛季，这题目是假设从第二十八赛季开始啊，就是具体的是从哪一个赛季开始的，是并没有说的啊，题目里面说的是假设哦， 那么这个呢，是重新回到了排名至区区三，咱们综合排名这里呢，关键差异呢，就是跟我们最开始的这个排名的这关键差异呢啊，就是有一个综合排名倒数两轮，这个选手呢会进入生死 pk， 那 么最终会淘汰谁呢？是由评委现场投票决定的，而不再是由综合排名决定的，能理解吗？ 虽然在在我们建模里面会有产生一个影响，比如说在第二十八赛季到第三十四赛季的这个逆向推导过程中呢，如果说某一个人排名综合排名呢，是倒数第二，但他没有被淘汰，这是非常合理的，因为评委把他救了，他能理解吗？ 好，那么另外一个问题呢，就是在我们数据清洗和处理方面会存在一些雷区。首先是关于零分的这个含义啊，比如数据中呢是零的，就代表这个选手已经被淘汰了， 然后呢评委人数的变化，有的时候呢可能是三个评委，有的时候呢可能是四个评委，在这个处理方面呢，我们就不能直接用总分了啊，我们必须得去归一化啊。再有个关于这个小数的处理问题， 包括这个 na 值， na 值呢代表的是缺席啊，这个评委或者说休赛周，这个呢，我们在主取出局中呢啊的时候呢，要进行剔除啊，最后呢就是多余一人淘汰，或者说无人淘汰啊，这只是我们相应的处理。 好，那接下来给大家讲一下每一问啊，我们前面的思路已经跟大家讲过了，我们接下来要讲一下每一问的这个注意的点，那么在问题意义里面呢， 前面的思路我们给大家讲过了啊，这点重点就在于我们如何去回答这个确定性的问题，那么有些中呢，这个评委的分叉是很大的啊，粉丝投多少票都破去改变它的结果，那么这种情况下呢，它的确定性是比较低，大家能理解吗？ 那么另外一种呢，就是说评委分是比较接近的，所以呢粉丝投票的微小变化就会导致他们的排名会出现很大的变化，那么这种数据呢，就会意思就是说它的吸引力呢是比较高的 啊，这个答案应该能理解什么意思吧啊，就是假如说分差很大，因为咱们是通过这个评委分和排名去逆退他的粉丝投票嘛，假如他分差很大的话，那如果说你这个粉丝投票呢，多少都不改变结果的话， 你偷懒出来这个趋利性可能是比较低的呀，因为你任何值都可以嘛啊？你偷懒出来任何值都行嘛，你高或者低都无所谓的，那你的趋利性当然很低了，就说它的可信比较差啊。另外一种呢，就是说你这个评委分比较低的情况下 啊，他为啥变化就导致他排名逆转，那么这个时候我们再通过排名和评委分综合起来去逆推他的粉丝投票的话呢？哎，这个就是我们趋利性非常高了，大家能理解吗？啊？ 所以这个这部分我们的衡量指标就是我们的可行结空间的这个奇迹，或者说我们的卡罗样品的方差啊，去看一下它方差大还是小好。然后针对于问题二里面呢，我们的核心 写就用我们去我预测出来这个票数呢，去套用不同的规则，然后呢去针对于具体的案例进行分析啊，比如针对于这个人，他在百分比之下呢，是赢了的啊，我们要去计算一下，假如说他采用了这个评委拯救规则，他会不会在半路就被评委给淘汰掉， 哎，那么再比如说这个第二个赛季的这个人，他在排名之下是亚军，那么假如说换成百分之十的话，他的这样低的分数呢？会不会被这个粉丝投票给拉回来？大家能理解吧？好， 对着问题三里面的这个影响因素分析里面啊，我们前面给大家讲过了，我们要去做这个回归啊，和这个相关性分析， 这里我有这么几个关键变量啊，首先是这个职业舞者啊，这是非常关键的，因为有些职业舞者呢，他的粉丝是非常多的啊，他们能够去带飞队友去演演投票， 我们需要去把职业舞者呢作为一个分类变量啊，进行编码来，或者说作为一个学习效应啊，一直说三四，最后加一个，在数据表里面加一个判定啊，就是看看他是否是职业舞者这样的个灵异判断啊，可以作为一个变量去导入进去， 或者说把它作为一种学习效应进行考虑。哎，那么另外一个就是他的职业归类，比如他的职业呢，如果说是什么球员呐，什么真人秀明星呐，什么老牌演员呐，哎，这个呢，我们也要把它作为一个变量考虑进去， 能理解吧？就在我们这个分析影响因素的时候，我们哪些变量都需要去进行考虑，我先给大家讲一下啊，关于这个职业问题，我们也得考虑进去。 那么再一个呢，就是这个年龄问题了啊，啊，比如某的老某些老人呢，他可能会有些情怀分啊，他的粉丝票呢，可能会比较高一点啊，那么比如说年轻人呢，可能会呃，票都好，那么就偏位分比较高。哎，这个呢，我们只是最开始的这个初识判断啊，只说具体有没有关系，我们就是看后面的那个回归和相关性分析了吗？ 对不对？在我们最开始的这判断的时候呢，我们也先研究一下，大概哪些因素呢，可能都会产生影响，能理解吧， 而且我们在这里呢，不仅要去分析这些影响因素呢，对于结果的影响，还要去分析对于评委分和粉丝票的影响啊，因为这个题目呢也没辙，问了他们对于评委和粉丝的影响方式呢，是否是一样的？ 好，那么大致的这个 ct 幕完整的思路呢？和一些啊，这个在我们纠结过程中啊，要去注意的一些关键的信息和雷区啊，以及一些注意点呢。我这个视频呢，应该都跟大家讲清楚了， 那么这个 c 级目呢，完整人生的问题，现在代码和结果呢，预计会在明天就是一月三十一号的中午左右就会更新完毕，那关于这个完整成为的说明，大家可以看这个视频的评论区。好， 稍后呢，我会再跟大家去讲一下这个 a 级目完整的这个思路啊。呃，我们这次呢会选择 a 级目和 c 级目呢，两到几目啊会同时进行，那么 a 级目思路呢，我一会会再出一个视频，那么这个视频呢啊，大家也可以转发到你的队友群里面，和你的队友呢继续商讨一下选题。 呃，以及呢，假如你们队伍选择 c 一 梦的话呢啊呃，给你们队伍呢啊，转到你们队伍群里面啊，可以去一起看一下，你们在休闲课中呢，可能容易踩了一些坑个点， 呃，包括这个题目的赛前思路，大家都可以去看一下。呃，希望能够帮助到大家啊，呃呃，希望大家呢都能够获得满意的奖项啊，谢谢大家。

美赛马上要开始了，我看依然有很多同学完全没有头绪，没关系，只要你排版合理，再配上一个好看的图标，基本上都能拿二等奖。在这里我给大家推荐几个小工具，帮助大家做到以上两点，轻松拿下美赛。首先是 infmind 这个网站，专注于科研论文的工具， 美赛开始前夕，将你选好的论题直接丢给 inflight 跑一遍，跑出来的论文直接能用。然后再利用网站内置好的画图工具，搭建一个完美的图标，想不吸引评委都难。然后是排版，在这里我首推 t plus， 它的排版不仅合理，还支持多人合作排版与美赛的三人配置不谋而合，总之，大家赶快用起来吧！

如果大学生寒假只选择一个竞赛参加，那肯定就是非美赛莫属了，好拿奖含金量还高，不管是奖学金还是保研呀，都能够进行加分。今天呢，给大家一条视频，把保姆级获奖攻略全部都讲清楚，帮助大家提升每项的奖次。 第一个就是美赛呢，全称是美国大学生数学建模竞赛，它是一个线上的比赛，中国学生都能够报名参加，要求的是同校三个人组队，四天时间内呢，从六个赛季当中选择一个适合自己的进行答题， 最后提交一篇论文就可以了。这里告诉大家，只要这个比赛按要求完成，论文如果说排版规范，再配上几张非常精美的图标模型，大概率就能够拿一个二等奖，也就是 h 奖。 这个奖项是国家一等奖，相对保研加公测还有拿奖学金都是非常有帮助的。我每盒期间呢，是参加美赛，获得的是 f 奖，也就是特等奖提名奖，相当于是一个国家一等奖，还被学校还有官方的一些账号所报道。 后面保研到博克大都很有帮助，所以我帮大家总结了优秀论文的图标模板都在这里的哦，打出六六六可以直接找我要，时间呢，不到两周了，今年的比赛是一月三十号到二月三号，千万不要错过。这里呢，给大家准备几个 核心的获奖关键团队组建呢，它是核心，三个人啊，必须要分货明确，一个人来负责建模，负责设计模型，推导公式。数学最好还得稍微放点算法，这样协助编程好编程， 那编程的同学呢，就要实践算法，然后处理数据，用 mylab 或者 python 做一些三维的比较美观的漂亮图标。然后最后一个呢是写作，负责产出非常规范的英语学术论文，英语是平面在线，而且还会有排版， 这里呢强烈推荐拉萨克，省时省约，而且排版还非常好看，是隐形的夹克像。另外还有几个小型的建议。第一个就是要多看往届的优秀论文， 摸清优秀论文的解析思路和写作逻辑，因为你只有知道优秀论文是什么样，朝着这个标准写，你才能够获奖。第二个就是比赛，不要过分的追求版本，先把东西做出来，成功提交呢，这是首位的。 第三个就是摘药要特别的重要，至少要留出两到三个小时时间精心的打磨。最后一个呢，就要提前一周调整作息，才能保证四天高强度的比赛有一个非常好的效率。关注我网研规划，不走弯路！

hello， 大家好，下面我给大家讲解，完全用我们这个 ai 这个豆包完成美赛的一个完整的一个论文拿下 m 奖。这个论文是去年完全用这个 ai 生成的， 这是翻译以后的这个文章，我们可以看一下最后拿的是 m 奖，好吧，我们可以看一下这个完全就是这个文章翻译的。 好。下面我给大家详细的演示如何用这个 ai 拿下我们这个 m 奖。好，下面是我们详细的演示，已经有美赛了吗？演示一下怎么样去用我们这个就是目前受众可能说最广的这个豆包和这个 deepsea 去完成一个美赛题目的一个解析。我以这个二零二五年这个 ct 为例，给大家演示一下怎么样我用这两个软件去完成我题目的一个解析，这篇这篇文章是用这个 ai 完成的，我这个文章在去年把它翻译成这个英文，它是拿了这个 m 奖，完全用 ai 去生成的，大家可以看一下这个 感觉 ai 上证的。好吧，教一下大家怎么样我能够拿到一个美赛的题目，把这个题目怎么样一步一步的拆解，把这个题目去解决出来，还能拿到一个不错的奖项。当然我还是建议大家在这个 ai 辅助的技术上， 自己也能够去进行一定的修正，画一些好看的图加进去美化一下，那我相信大家拿一个 h 奖以上应该也是非常容易的。好吧， 好，我们现在说怎么样给大家去演示一下，主要用的就是我这个给大家总结好的这个 提示词，我教大家怎么样去一步一步的去拆解这个题目，怎么去把这个题目写出来？这个提示词还有相关的资料，大家可以看这个置顶评论看获取，都是免费获取的。好吧，好，我们来看一下这个题目怎么去拆解。 首先拿到这么一个题目，首先我们可以拿到是英文，这个翻译成中文，你可以关注一些公众号，公众号上一般都会发，或者你等不及自己翻译，就把这个直接丢给英文，丢给 ai， 你 翻译出来这个还不是难事，你可以适当的进行一下的语句的修正，这都是可以的。 好吧，下面说这个，我们当然还是翻译过来以后再去做题。好吧，其实第一步大家是先翻译，翻译完以后相当于我现在这个题目一样。好，那我们怎么样去做题？第一步 先就是什么问题背景，我们就是以这个文章的行文为例，当然摘要是我们最后写好目录，肯定是最后生成的。好，第一步问题背景怎么整？生成这个直接我们看一下这个多少字，大概是七百六十五字，这个还是有点多的，为什么？因为我们最后要把它翻译成英文拼符，在二十五页 以内，我记得是你中文，相对于如果是二十四页可能会比较多，最后这个也是进行了一定的筛选好，所以说大家肯定要是先把这个什么刚开始要少一点，为大家推荐的就是六百字。好，我们来试一下这些内容其实可以直接用，是用这个 豆包去做就可以，我们可以把这个，你看我们可以把这个东西复制过来啊，你，你就可以把这些下面是说的数据了，这些东西就可以不用，也可以复制过来，这个影响不大。好吧， 我也可以把这个题目，就把哪一块内容，把数据，不是把这个问题上面的这些部分全部 像这些东西，关于数据的就可以不复制，关于问题的前面这些东西都可以复制过来，复制过来以后呢？你可以用我们这个指令，问题背景的指令，好吧，好，直接输给他，其实整体底下这个过程非常快的，好吧？ 我们可以看一下，当然深度思考，你如果写问题背景，你完全没有必要去开看更快一点，但是也没必要，时间还是挺长的，你也不用说那么紧张。好，这是这个问题背景，我们可以看一下，你可以完全把这个东西复制过来， 我们可以看下这个内容还是写的非常好的，复制过来以后你可以放到这个文章里面，再放到这一块，这块就完成了。其实数据这个东西建议大家你可以这个东西你可以 直接丢给，也可以数据，这我没有。这个主要就是说你首先第一步你把这个数据有哪些，你可以丢给他，让他去写数据有哪些，还有表仪的这些东西， 下面还有这些，你看这个是直接复制的，你会发现了，你看数据文件，这个是直接复制的，一模一样，所以说这个东西就可以你自己写，也可以直接去复制一下，也没影响，因为最后还是要翻译成英文的，所以这个查重基本上没问题，美在不用担心这个问题。 好吧？第二个说第二步是写什么？解决问题的时候直接丢给 ai 写就行了，不用麻烦了，这怎么写呢？就会把这个这几个问题全部直接丢给他， 用我们的这个指令，这是三个问题，那就直接把这个改一下，好吧，这个你自己改一下呗，就是很快的，整个过程你会发现非常的行云流水，最后你再去精修，还整个过程非常的流畅，你会发现这个 行文是不是有点多了？可以，这个时候你就可以什么简化一下，你写美菜的论文的时候，你前期写中文的时候，你 自己心里有意无意的去控制一下字数是最好的，因为后面你还要筛选，还是会很麻烦的。好吧，看着他比较多了，你可以让他简化一下，这个是很灵活的一个过程，你看这样其实就非常简洁了，你就可以把这个复制过来放到我们这个文章里， 这个其实是有点多，后面到处也是筛选了很多的好假设部分，你就可以你把问题给他了，所以他已经知道你的问题是什么了，所以你完全可以直接再丢给他，一般就是四个或者三个选四个比较好。好吧，这完全就是让他给你去解决这个问题，还是你自己 去看了一下这个篇幅怎么样？好吧，你有意无意的控制一下，到最后你就不用说还要花费很多的时间去减字数。看这个还是有点多，因为他一般都会给你偏多一点，所以你可以自己去看着一点去简化，现在其实就非常的完美了。把这四个你复制过来，复制到这个里面， 这个可以加粗一下都可以。好，这个符号说明就不说了，对吧？你自己的事了。好，这个当然是问题分析，当然也还写了就是一条指定的事，就是这些东西其实 你要说哪一块是有你自己的思路的思想，其实还是一会我再给你说模型建立部分，好吧，你看这个东西还可以，这个篇幅其实也还行，因为问题分析你还是字数，字数其实可以了。好吧，这个是有点多。 好，下面就是具体的问题，具体问题部分我给大家有一个思路。好，我们看一下这个具体的问题，这个题目在说什么？在说什么？开发一个模型预测，所以在说什么？预测， 所以你不管他后面多么滑，他主要在说什么预测。那这个为大家提供两个思路。第一个思路就是说你是新手小白，你不知道哪些预测模型，你不知道哪个更好， 那你就可以什么把这个问题你要再重新去，一个一个的再给 ai， 你 不要再基于前面的基础，那样会不惊喜。好，这个时候你就把整个问题再丢给他，你可以问他解决这个问题，先写代码。 好，先写代码，为什么呢？因为你先看这个代码能不能跑通，他给的代码如果能跑通，那你就可以继续用这个模型了。好，这是一个对小白的措施，说我们可以直接用这个指令就可以，这个没有什么太，因为前面已经数据没有，一般 没有什么数据。这个，好吧，这个就是说给我使用什么样的给我解决问题的完整的代码。好，这个我给大家举个例子。 好吧？这个预测，这个也是个预测模型，这个预测模型可以直接用吗？可以，当然我建议你可以，如果你有自己的想法，你可以换一下，用自己想的这个模型，让他给你写代码，或者说如果你是小白，你就可以把这个问题抛给他， 我有哪些模型可以解决这个问题？或者说我怎么样去解决这个问题？让他给你模型， 好吧？当然我建议大家去有自己的筛选，好吧，就可以直接用了。他这个携带码还是现在他也很净化，基本上给你大烟扫过去也没有什么问题， 核心框架他肯定都是搭了尾腰。对的，当时我们这个代码也是用这个 ai 跑的，你可以看一下导数据数据清洗，对吧？好，你看下这个数据，这是什么数据？这个是他的运动员的数据，这个是下载的，你可以把这个数据下载一下，好吧？到时候你就最好的是什么？你把这个数据给他， 再给大家演示一下，你一个数据你肯定是自己下载的。对，你下载数据这个工作不难的。下载数据，因为题目你看他告诉你了，说这个数据是哪些，你看他告诉你了，告诉你这些数据了， 所以你这个东西你不难的，你把这个东西下载下来以后，你把这个东西丢给他，好吧？好，你可以把这个东西复制给他，告诉他说使用我真实的数据，其实，哎呀，这不这么很灵活，你要灵活的去用它 去随机应变。好，我们这可以再新建一个。好，他终于也是写完了，写的还是非常的完善。好，我们可以把它放到我们这个代码里面，这个路径应该都是对的。好吧，那这应该正好有， 我们来运行一下，测试一下，你看他告诉你了缺少酷，他会告诉你，你就可以安装一下就可以，这个不是什么大事。哦，我们安装完成了。好，再来看一下，我们刚才不是安装完成了吗？再来继续看一下。哦，不是，这个弄成之前的代码了， 刚才是我有点卡，我来看一下。好，应该是有问题的。这个问题主要是什么？说我们刚才其实刚才用的时候发现一个问题，这里给大家说的是先把数据传给，所以说其实你如果直接去把这个名字给他，而没有把数据传给他，他是很难去说把它 去做对的。所以我们尽量什么还是去把这个 ai 去，我们去把这个东西传给他，好吧？把这个数据尽量还要都给他，他了解这个数据的情况下，这个时候我们才什么才能 去更精准的把这个代码他可以编辑出来，否则其实他很难说去了解这个真实的情况，那可能就会出一些偏差。 我们先用这两个，因为你看一下他这个问题，其实他并不是说每一个题他都要用到全部的，你看他这个是还有这个，其实所以说每一个你要自己进行一定的筛选，看一下他会用到哪些数据， 好吧，我们这个就先以这两个为例，好吧，你我们再用这个，好，这个时候就对了，所以刚才流程其实还是有一点问题的，说你先要什么，这个这个多了其实影响也不大， 你可以先筛检一下，或者到时候你可以自己去删一下。那这个东西其实量有点大，但是他其实你只用前面的一部分也可以了，比如说我们之前没写一个代码，你看他只用了其中两个，还是比较少的，也可以把这个问题解决。 所以说另外一个你如果再遇到这个梅赛的题目，他可能有两种，第一种是说没有给你数据， 这个时候你要自己搜集数据了。另外一种就是说给他的数据，但是数据量非常大，这个时候你其实可以适当的去，如果不好处理的话，这个数据可以适当的进行一部分的筛检，或者你只提取某一部分去进行做。因为 其实美赛他对这个结果的看重并没有那么特别大，他可能更看重你，你解析的这个思路 是不是？所以说这大家一个思路说他数据量可能会非常大，那这个时候你就自己进行一部分的筛选，或者说有一定的代码基础的同学，可以什么自己去使用其中的某一部分提取出来去做，当然你也可以自己去什么编辑的这个代码量更大， 但是因为这个豆包它是对这个文件是有限制的，所以这个部分就要求大家可以只用一部分，或者说你可以自己去写提取数据的代码，后续让这个 ai 辅助一下，但你也可以用 jpt， 是 jpt 是 可以的，我记得，好吧？ 好，这给大家提供思路。好，我们可以试一下这个。好，我们来试一下这个路径的问题，路径， 注意这个路径，因为我们就直接在这个目录下面的，所以说这个路径的问题你要改一下，这是成功读取了，当然也是有报错，但是成功读取了这个数据， 但是它里面有一部分是没有找到的，你们可以再把这个去你如果遇到的问题可以直接丢给 ai 去调试，如果你是小白，但是这个其实你 如果你有一定的技术，也可以自己去改一下。好吧，刚给大家演示的就是说你是纯小白，你怎么样去一步一步的去解决它，这过程可能会比较慢，但是 你其实也还好，教程完了。好，我们来复制一下过去，当然有他写代码过程遇到各种问题是非常正常的，路径一般是你需要自己去改的。好吧， 可以检查一下，因为 ai 它其实多包，其实还没有那么特别值得，所以大家遇到这些问题，你完全可以说 boss 复制给他，让他帮你解决一下。 好吧，这就是小白，你去这么去做，就给大家演示的时候，站在我一个纯零基础的一个小白身上，怎么样去解决这个问题？路径你改成你自己的路径，一般你就直接在这个文件下面放便会很方便，你就直接用它这个路径就可以了。 好，我们来看一下。本该应该是有错误来继续就说你这个过程就是你不断的发给 ai， 然后 a 改错就可以了， 这个过程其实就是一个不断的反复的一个过程。好，我们来看一下这次的情况，这个过程你不要嫌烦啊你，你要用 ai 给你写，肯定是这样的一个效果。 ok， 试一下，还是有列名错误，他是说哪个文件，我们可以看一下这个文件。好，我们这个时候就可以什么也可以把文件丢给他， 还要一直保存，你可以把文件再丢给他，让他看一看。这个文件是刚才说我们不用的，这样，我们改一下，好吧？ 因为刚才我们说了不用那个文件，这个文件因为刚才我们说了他有点大就可以受限了，那我们可以这里，比如说我们只用这个两个，好吧？ 就好。这就是刚才我给你说的，如果你有两种方法解决，一种是你自己有一定基础，你可以自己去编写，或者说你可以把这个大量的文件去给它进行一个删减，丢给这个呀，或者你用 gpt， 好吧，因为他这个是有他的能力是有限制的好吧？作为他演示给免费的这两个软件，他免费，他在能力方面肯定是有限制的，因为 gbt 用起来还是有低的门槛，好吧。当然这个用的这个流程是不变的， 所以你能用了 gbt， 那 也更好，你可以去用 gbt。 总而言之，这个流程其实都是不变的。首先就是这个论文的行文， 从这个背景到数据，到解决问题，到假设不好，你自己写就可以分析到模型的建立部分。整个流程你不管用哪个 ai， 基本上都是这个流程。 我让他给先写代码，代码跑通以后，把这个代码丢给任何一个 ai， 让他给你写这个内容，好吧？一个过程，因为那个文件它是太大，你没有一定基础是很难处理的，或者说你可以直接去 b 站上搜一下相应的一部分的教程也可以， 好吧，你毕竟想做的更完美，肯定是要多考虑一点。好，我们这一次来试一下，这次应该就可我来停止一下再重新运行，好吧，刚才这个问题是说这个图像没有中文保存的，这个问题 好，差不多前面这个报错可以无管他。好，现在差不多就运行出来了。好，这就整个的流程，这是这个图像也可以改一下上场了。好，所以总的来说这个过程就是这样， 你肯定会遇到错误。我给大家演示的也是说我在事先没有一定的排练的情况下，面对一个题目怎样去解决？这是错误，肯定是会经常出现的， 你其他的那种就是一下给你生成出来。那我想可能是前面已经进行了一个一定的预演，你面对一个实际的之前没有解决过的问题，那肯定是有可能会遇到各种问题。那刚才解决的方案我给大家提供了，把这个报错去给 ai， 让他帮你解决，一步一步的调试，到最后成功这样一个过程。好吧，代码跑通了以后该写论文了。好，这个时候干什么呢？那基于这个内容给你写，你看 把 ai 给你的代码重新丢给他，根据这个代码，这不用丢给他，因为刚才刚用的代码这个问题，这个步骤他给写，这个时候就该写什么啊？正文，正文部分 ai 都可以完成的。好吧。这些图可以自己去画一下，也可以去织网上， 比如这个 l s t m 模型。那可以去什么去知网上找，直接解锁 l s t m 模型，从它论文里面抠一些图，接下来放进去，或者你自己再复现一下这个图，好吧，非常完美的方式。 前面全部都是搬运工，这个过程也可以写的，其实也还行，你可以自己去找一些文献一下，加一些公式， 好吧，都是可以的。你像这些东西其实都是从文献里边 copy 的， 你可以直接解锁一下 l i c r 模型相关的文献，把里面的一部分内容可以 copy 过来，那就可以更完美了。 好的，这个文章主体部分内容的编解方法，你可以让 ai 结合你的代码去生成这个东西，也可以你去知网解锁相关的模型的文献， copy 一 些过程。好吧，你能自己手动结合一下题目那是更好。你不能那也可以了。 结果这些东西吧，你看这个结果不就是这个结果吗？一个图像结果没那么重要，你看这去年这个图这么样，最后也可以得奖。 结果生成出来以后，就比如说把你生成的结果给他根据这个内容给我写一段话的分析，是吧？你看这个分析一定要有上面结果，下面配分析，这个一定要有参与一个这样流程就可以。你可以把你图像放这， 再截个头像，让他给写分析，他用的指令是一样的，还是说根据这个内容给我写一段话的分析指令是一样的，好吧？好。看，这个写的篇幅也挺好的。 好，写完这些东西以后问题二、问题三是一样的，就不给大家具体演示了，这个流程都是一样的。好吧？好。最后到了一个知识点怎么写？把整个文章抛给他， 你再把这个指令附过去就可以了。最后写完以后再把整个文章给他，再用最后这个指令就可以了，我来给大家演示一下，好吧，完全 ok 的， 整个文章就 ok 了，当然这个数量你可以自己改一下。好吧，都可以， 我是给他写了一个四个的，当然他也可以用。这个就先不用了，其实这个流程是一样的。好，要登录我就不给他演示了。好，你看非常天赋也挺好的。好吧。 好，最后这个东西可以删减。好吧，可以自己根据篇幅删减改进推广，大家都可以写了，这样微信自己找就可以。好吧，这个路径你按照他的格式从翅膀上自己添加就可以。好，最后这个摘药也是一样的，就按照我这个指令也可以。最后摘药一定要什么 自己再精修一遍，你和你的队友每个人去修改，精修再精修是最重要的。好，自己的文章就到这。好吧。好，谢谢大家。

大家好，欢迎来到数码教学站，那么本次给带来的是这样数码美赛的一个速成攻略，那么本次视频的话，除了我们整个的一个备赛流程之外，还有我们的一个工具合集，特别是我们的一个 ai 的 一个合集，因为我们知道现在这个数学建模这一块的话， 其实 ai 还是用的比较多的，比较典型的，对吧？像我们用来解题的，用来画图的，或者是用来干其他的事情的，那么比如说我们这地方还有一个是 用来排版的，可以给大家大概的去看一下这个效果， 对吧？这个是 ai 生成的一个排版的一个文件， 可以看到，对吧？里面的一些样式的话，它其实已经绑定好了，已经和我们模板的样式是绑定好了的， 这样的一个有序列表，像我们一般用 ai 写的话，它里面都是没有绑定样式的啊，我们这地方是直接给帮样式给绑定好了，而且我们的一个公式也是完全，对吧？按照它的一个 word， 我 的一个公式的一个格式， 那么绑了样式之后的话，我们就可以很容易的干嘛？我们绑了样式之后，我们一改的话，它就会整个的去进行修改，就不需要担心，对吧？我们改了前面之后，后面要一个一个的去修改了， 这个的话就是我们用来用来建的一个拍板的一个 ai， 但的话里面还有一些缺陷，就是它这个序号，对吧？这个序号的话还没它里面原先就有序号，然后加上我们自带的一个样式，这个序号的话就有两个序号，但是的话应该还可以，说的话也是可以帮我们节约非常多的一个时间了。 那么其次的话还包括我们一些画图的 ai， 还有包括我们这样的一个，对吧？这样的一个翻译润色、审教、预审，来看看我们这样的一篇论文写的到底怎么样？ 然后包括我们这样的一些，比如说查看文献的一些 ai 对 不对？用来查看文献的一些 ai 里面的话，会告诉我们我们应该去参考哪一些文献， 包括去帮助我们去辅助这样的一个编程的一些 ai， 让我们去快速的学习如何实现这些算法，我们到底用对吧？怎么去调库，怎么去调包，怎么去完成我们代码， 这样的话我们既能够学到东西，又能够快速的去完成整个的一个备赛的一个过程。那么我们话不多说，我们直接进入我们的一个正题，那么首先的话是大概的介绍我们的一个美赛的一个情况， 我们这地方的话一共分了九个小节里面都破坏好我们的一个美赛的基本情况。然后我们美赛近几年用了哪些算法，然后我们各个位置，我们到底要准备哪些东西？我们到底要准备哪些软件，以及我们整个的一个 ai 工具的一个汇总。 还有我们就是美赛里面比较重要的一个点，就是我们的一个绘图的一个专题，还有我们的一个数据，我们如何去进行剪辑，以及我们今年美赛的一个论文和翻译，我们到底应该怎么去做 好？那么我们题目类型的话，其实这个东西在美赛里面它的一个官网上面已经有提到过了，那么的话我们一共分为六个赛题，前三个的话是偏数学的就是 mcm， 后三个的话是偏向于交叉学科，就是我们的 acm。 那 么历年来的一个数据题的话是选的最多的，那么对应的一般就是我们的 c 题和 e 题，去年比较特殊，去年选 b 题的人也很多，但是一般的情况下选择 c 和 e 的 人在往年的情况下是最多的， 这两个的话分别是一个数据科学的一个科目，另外一个是我们的可持续发展的一个题目，他们两个的话都是这种数据性比较强的， 所以说的话可能上手的话就相对容易一点。而我们 a 题的话就偏向于我们整个偏向于一个物理机制，类似于呃，像我们国赛的一个 a 题，对吧？里面会有一些微分方程和动力学方程这些东西。然后 b 题的话是一个偏向于优化的一个题目， 他近些年的考点的话还是主要是偏向于可持续发展和社会科学的一个题目， 主要的用的方法的话就是我们的一个东北语言化，然后 d、 c、 d 题的话就是一个专门用来描述图论的一个题目，里面的话百分之百会考到的数据结构就是我们的一个图结构， 然后 f 体的话就是我们的政治经济学，也是我们一个偏向于刺客的一个内容。然后里面比较常用的模型的话就是政治经济学里面比较常用的模型，比如说 d、 i、 d， 然后的话我们的一个 固定效应啊这些东西，那么的话我们要拿到我们的一个 h 奖以上，我们大概的话只要能够打进百分之前三十就可以了，它的一个整体的一个获奖比例还是比较比较高的，相比于国赛而言的话，因为国赛的话我们要拿国奖的话，比例可能就就百分之 百分之二，百分之二左右，对不对？还可能还不到百分之二，但是的话整个美赛的话，你要拿到 m 加以上的话，它的一个概率的话是能够到百分之三十以上的，所以大家完全不用担心。 那么我们来详细介绍一下我们这样的几个题目到底要考哪些东西。 那么 a 题的话主要是解答的还是微分方程这一块，或者是说更加详细一点，动力学方程。那么近些年来 a 题的一个考点的话，基本上还是围绕着动力学去展开， 呃，像一些其他的东西，比如说像我们扩散方程啊，这些东西的话，其实不怎么考到，基本上的话就是在我们动力学，不管是我们的我们的生物环境，还是说我们这种呃自行车的功率，还是说我们这种磨损，这些东西的话，其实都是和我们的一个动力学相关的。 所以说的话如果说我们要去准备 a 题的话，那么的话我们的一个核心的点的话，其实应该放在我们的一个动力学上面来， 那么比较典型的话就是会考到一个 lot 卡方程， lot 卡的话基本上只要涉及到这种环境类的问题，或者是说呃跟环境这种沾边的，基本上的话每赛的话就会用到我们的那个 lot 卡方程， 这个 lot 卡方程的话在我们的 a 题、 b 题和 e 题里面是出现的频率非常高的，它这一个东西会涉及到三个考点。 lot 卡， 它的话是 logist 的， 它的话是 logist 的 一个扩展型，它的话主要的话是描述它的一个增长率的， 基本上的话也是可以呈现出一个 s 型曲线的一个特点，这个的话也是一个非常老的一个模型，已经是上个世纪提出来的，是美赛最喜欢考的模型之一，常见于 a、 b、 e 三道题。 那么其次的话，像数学建模比赛，近些年来喜欢考的一些比较新的内容的话，就是我们的一个贝爷斯用来做繁衍， 那贝耶斯相信大家都不陌生，那像这这个东西在哪些地方考过？在二零二四年国赛的 b 题，二零二五年国赛的 a 题，然后的话在二零 二四年美赛和国美赛的美赛的哪个是来着？二零幺四年，二零五二五年美赛里面也考过，然后的话同时的话研赛也考过。这个东西，现在的话贝耶斯的话相当于是一个现在这个就考考察的一个趋势，也就是说 他现在不光要求你会正着推过去，还要求你会反着推过来。因为为什么呢？我觉得可能是和我们的一个 ai 有 关， 因为 ai 的 话，他喜欢遇到这种问题的话，喜欢做模拟，而不喜欢去推它的概率，而做模拟的话，实际上他喜欢自己去设值，这样的话其实是很很缺乏积极性的。 所以说一般的时候的话，他可能是用来去仿仿 ai， 用我们的一个贝塞尔来仿 ai， 因为说实话我用 ai 测过非常多的题目， ai 非常非常不喜欢用概率分布去进行模，去 模拟一些东西，虽然他本身就是一个概率模型，但是他特别不喜欢用概率分布，他更多的时候会设置一些值或者设置一些常数， 而用概率分布用的非常非常的少。所以说的话，你可以看到我们近两年来各种各样的比赛考概率分布考的非常多，目前就这两年来已经考过的分布有二项分布，拨通分布、指数分布、 几何分布、正态分布，还有哪些？我想一下，去年啊，去年还考了一，去年有一个贝塔分布，呃，还有均匀分布， 然后还有啊对数正态分布，这个的话也是去年，去年的国赛和今年的美赛里面考过的对数正态，然后还有一个韦布尔分布。 其他的话应该就是这近两年来几个大的比赛里面考过的分布的话，基本上就有这些东西。 都说了。现在这个概率分布的话也是一个非常非常热门的一个考点，尤其是在我们偏数学的题目里面，以及在我们一些统计学的题目上面，这种常见分布是一个非常重要的一个考点。 那么第二个的话是我们那个 b 题， b 题的话它是一个也是关于一个优化的一个问题，那么用的最多的话其实是东边优化以及动力学， 那么你可以看到它现在 b 题的一个处出题的一个趋势的话，基本上也是和我们那个可持续发展相关的。比如说我们油货房制啊，对不对？ 什么水电呀，什么保护区呀，什么旅游保护啊，对不对？其实的话很多时候他考的东西的话也是和我们的可学发展相关的，然后的话主要的话也会涉及到一些生态的动力学模型，那么既然有生态动力学模型的话，那么基本上美声的话是离不开这个东西的，洛特卡，对不对？我刚刚说了， 那么其次的话，它里面还有一个是多目标优化，那么的话和我们国赛不同，国赛的话一般不考多目标优化，国赛一般只考我们那个单目标优化，用的比较多的就是我们 遗传魔力退火加智力咨询，对吧？然后的话每赛的话 b 题是喜欢考多目标优化，那么用到的方法的话基本上也很固定， n s g r， 而且一般来说的话，它的一个 b 题的话不会考的 太难，对你的模型要求太高，因为很多时候他的一个难点的话主要是在找数据上面，所以说基本上的话他对于你模型的一个限制没有那么高，就算就像我们之前复现一样，里面可能会有一些明显的，对吧？明显不合理的地方，但是的话， 呃，没有太大的一个影响啊，对吧？对人家评价好像没有什么太大的影响。所以说呢，其实 b 题的话在解析这一块的话是比较容易的，但是的话他的难点的话就是怎么能够找到 能够支撑你去解析的一个数据，你的一个数据来源是不是足够权威，是不是足够官方，那么我们就可以看到有一些同学的话，他们喜欢在什么地方去找数据。简书 c s d n， 知乎 就如这些类似于这种，对吧？这种博客平台，或者说一些贴吧里面这种非官方的一些数据源上面去找数据， 从而导致你整个解决方案的话，他的一个数据，对吧？他的一个基层就没有，就失去了的一个可信性， 那么是从数据上面都出了问题，从机器上面都出了问题，那么你后面的模型你建的再好又有什么用呢？所以说的话，这个的话就是很多同学喜欢遇到遇到一个问题，就是查资料总是喜欢在那一些，对吧？对于我们学术性的一些内容的话，总是喜欢在一些这种薄客平台上面去查资料， 这个的话是非常非常致命的。我们要保证我们的数据，我们的解决方案是足够权威，足够有效的，那么的话，而这些数据的话，它是每个人都可以去写的，它的话是没有 这种，对吧？没有权威的这种背景的，那你不能够保证你的数据是有效的。 那么 ct 就是 我们的一个数据题，数据题的话像往年的话其实考的比较杂，现在的话也开始慢慢的回归我们的一个统计了， 这个的话也是整个数学建模比赛的一个趋势，你可以看一看往年都喜欢考些什么东西，二零幺一一年的巨型狂风，这个的话它当年是考了一个 c b 的 一个题目，对吧？计算机视觉， 然后的话你们会涉及到一些，对吧？一些神经网络、深度的网络的这些理论，甚至还会考到扩散模型 这些比较新颖的一些东西。而往越往后面的话，你会发现他的一个模型是越来越简单，越来越回归传统，不会再考虑那些比较先进的一些东西。二零二二年这种量化的一个问题， 二三年这样的一个关于我们的一个，呃，应该是属于我们的一个自然元处理 nip 的 一个内容， 但是 nip 它没有考的太深，基本也不需要你去去用什么全息薄膜啊，用什么其他的东西去建模，它的话，基本上的话你去用一般的机器学习，它也是可以做的。然后第四第五的话，一个是网球动量效应，一个是我们奥运奖牌预测， 这两个的话就是一个类似于这种序列的一个模型，然后的话加上它的一个贝叶斯 去做繁衍。那么对于数据写的话，它的一个核心的话，现在是越来越回归统计上面的，而不是积极学习，越来越回归传统。那么对于传统问题的话，我们基本上要准备的点的话，就是我们一些比较基础性的 这种计算学模型或者统计学模型，比如说我们回归的现金回归，然后的话我们的决策树，对吧？ 然后我们多相似，多相似回归，然后的话我们的 gbt， 然后的话 random forest， 或者说那 gbt 整个算法族，对吧？里面还有什么擦街 boss 的， 什么那 gbm 什么开的 boss 的， 然后要分类模型的话，这个逻辑的，对吧？逻辑的回归，然后的话还有一个 svm 矩阵数，然后的话加上我们整个元素家族，对吧？ finn forest， 叉级 boss， gbt， 然后的话我们的来的基本 m 开的 boss， 诸如此类。 当然的话还有一些是比较更加传统的这种分类模型，比如说我们的朴素贝叶斯，那么第三个的话就是我们的一个时间训练，时间训练的话基本上考察的点也是那么几个，一个是我们的 lma， 对 吧？ 智慧会叉分移动模拟平均模型，然后的话还有我们的一个 lstm 长短是 gg 网络，然后的话可能对于我们多变量的话还可以用一个我们那个 one 向量智慧微， 那么的话，其实这个地方的话，我们也给大家去准备了那个今天一些比较常见的模型， 对吧？比较常用的 a m a s l t m， 然后 proper hat， 然后一个 one， 然后我们的一般回归现金回归，多向式回归，逐步回归拉索 s o m， 绝对数水就是零 g b d t 分 类逻辑回归 s o m， 绝对数水就是零 g b d t t， 然后剧类的话，目前用的最多的话就是我们一个 k means 和我们的一个 db scan， 所以说的话，其实你觉得这个它里面考的东西很杂，但是实际上的话，你把它归正一下的话，其实也就是那么些东西。如果说你要去准备某一个赛题的话，其实你所要准备的东西没有那么多， 那么第一题的话就是一个永恒不变的一个图论的一个题目了，图论加上我们的一个评价， 那么因为图的话，它本身的话像一些 python 包，比如说我们的 networks， 基本上你只要把图建出来之后，所有的图的一些算法的话，你都可以直接去用一个函数去实现，说实话它不可能只可能那么简单，不然的话你只要把图给建立出来了，那个题目你就解出来了，不管你用什么模型，它里面都要有一个函数去实现， 那么所以说的话，他怎么去增加你这样的一个建模的难度呢？他就喜欢把我们的这个图和我们的评价模型去靠起来。你要建图，你必须要有什么东西？要有节点和边，对不对？ 那么边要有什么东西，边是不是应该有权重？那我很简单，我不把这个边的权重给你，或者说把权重啊给你很多个指标，你不知道你选选哪个指标作为他的一个核心权重，你也不知道怎么把它综合起来。那么这个时候我怎么去确定边权呢？我就等于用评价模型，对吧？就会给他们打分。 它的核心的话就是要去量化我们的一个编权，原先的话我们只需要去把我们的节点和编识别出来，然后建立一个图就完事了。现在的话就需要你去自己去计算它的一个编了， 这个的话就是他目前喜欢考的一个点，尤其是像我们那个去年建的一个交通网络，那么我们一个交通，我们一个马路有什么？有它的一个长度，对吧？有车道的数量，车道的数量和长度这两东西决定了它这个地方能够容容纳多少辆车， 然后他的一个限速，限速的话决定他每个单时，每个单位时间内可以通过多少辆车，以及我们当一个节点失效的时候，比如说我们有基本上要维修，对吧？或者说什么像去年可能就是倒塌一个边失效了之后，那么他的一个流量应该怎么去分割？ 分割之后会对虾的编权，会对虾的编造成什么的影响？然后的话它整个是一个从静态到动态的一个过程，但是的核心的话仍然是围绕图去展开。好，那么我们来看一下一体一体的话，历年的话都是可持续发展的一个题目。 那么什么食物系统啊，什么碳烊，什么财产保险，什么龙帝，它的一个考法非常非常的多变， 因为我们可持续发展的话其实是一门课，对吧？它是一个很大的一个议题，它没有说专门的去针对某一个特定的领域 所说的话，这个东西是比较头疼的，但是的话里面一些比较典型的一些方法，呃，有我们的一个裸特卡。其次的话就是我们美赛最喜欢考的评价模型，评价模型的话基本上在美赛里面用的就是三个 i、 g、 p、 top、 cs 和商权法这么三个模型。 如果说你想把我们这个一体里面所有可能考的模型全都学一遍的话，那么的话可能就不太可能了，因为你可以可以看看到底是考些什么东西，像我们去年，去年什么玩意，不对，前年 保险里面都考精算，考你的精算这个东西，所以说的话它里面实际上实际上的专业非常非常的多，你很难去完全的准备好，但是的话我们可以把它经常考的一些东西，就是说 这些比较通用的模型给它准备好，像这些专用的模型的话，我们是没办法去一一准备的，我们只需要掌握好它通用模型，其他内容的话，我们到时候现去查文献，或者说现去用我们的 ai 的 话，呃，它的一个效率的话其实也很高， 而且非常节约，我们这个时间我们还是尽可能去把我们整体的一个基石去准备好，而我们其他的，对吧？这个东西的话，我们要去准备的话，它这个性价比实在太低了， 你总不能可能，对吧？还有这么几天的时间，还有十天的时间，你去把我们这么多的专业全部学一遍，这个的话不太现实，也没有那个必要。 那么 f d 的 话就是一个政治经济学的内容了，那么政治经济学这个东西的话，其实应该有相关专业同学，对吧？ 基本上你要用的那一个模型的话，就是政治经济学里面那几个 d i d， 对 吧？双重差分面板回归，然后我们的 还有什么来着？那个叫什么来着？那个结构方程 s e m， 然后的话用来去做我们的一个因果的，对吧？ 还有呃，固定效应，然后以及我们万年不变的这样的一个平价模型。而平价模型呢，我没有说过每三里面设计的平价模型就是基本上就三个， a h p、 top six 和双转法，然后的话常用组合就是 a h p 加双转法和 top six 加双转法。这个的话不管你怎么搞的话，选择这几个模型是不会出错的，如果说考平价问题的话，选择这几个模型是不会出错的。 除此之外呢，我们评价模型的话，还有一些其他的什么模糊中的评价，然后什么这种数据报告分析，什么字和笔灰色关联，这东西虽然说里面呃也有用到，但是的话你要去看具体场景，你不如这些东西通用的不如这些通用的模型，对不对？ 三权法加乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘 乘乘乘乘乘乘乘乘乘乘， 乱七八糟的什么都考一点，但是的话其实模型就是那么些，只是说换了一个场景而已。那么如果说要准备这样 f 题的话，最好还是有这么一点点的去准备一点点这样的一个政治经济学的一个内容， 这的话相当于说一些比较专业的一个领域。但是的话其实模型也我们也说过了 d i d， 然后的话我们的面板回归我们的结构方程 s e m， 然后还有一个是我们这个固定效应 政治经营协议用来用去的话，基本上就是这么东西，然后我让你去衡量一下，对吧？这个用这几个模型去衡量一下这个政策实施对于我们这样的一个东西有什么影响，这个影响是否显著就 ok 了。 好，那么我们来看一看各个位置的一个速成攻略，那么的话这个地方后面的话都是给大家附上这个超链接的，大家可以直接去拿着使用。 那么一般的时候我们在做数学建模的时候，还是会建议大家去用 python， 因为 ai 写 python 的 能力比较强，这个是确实是这样的，目前 ai， 呃， ai 拷定它的一个， 它的一个强项的话，基本上就体现在它的一个 python 和一个 js 上面，因为这两个东西它是开源的，而且的话生态非常丰富，所以说的话基本上我会如果说你是完全小白的话，我会建议你去用 python 来写，它的环境也比较比较好，安， 也不像 maclab 那 么一搞就是二十多个 g， 而且如果说大家不想去一个一个的去安纳第三方库的话，你可以直接去安装一个 l 空的，里面的话基本上就包含了我们这样数据建模里面一些比较常见的库， 比如说我们矩阵预算单派，然后的话我们表格，对吧？数据分析 panda， 我 们的科学计算三派，然后的话我们的统计学 this models， 然后我们的画图 maple 和 c 泵里面的话，已经完全集成了，你不需要再去重新下载。那么除了一些比较特殊的情况啊，比如说你对于 像我们一些素专的同学，或者说数学相关的同学的话，可能还是用 maclab 用的比较多，那么的话如果说你之前没有接触过 python， 你 之前一直用的是 maclab 的 话，那么的话你也没必要去为了这个东西去专门重新学学一门语言，你继续用你的 maclab 也也可以， 这个的话一定是按照自己的一个自身的一个情况来的，不要说对吧？为了追求某一个语言啊，又追求某一个工具，因为工具最后还是为我们人类服务的嘛，对不对？你最后还是要选择自己顺手的一个。 那 my lab 的 话，它主要是在它的一个稳定性和它的一个运行速度上面，它的一个运行速度的话是要比 python 要稍微快一些的，而且的话它不会有很多那种环境的问题，因为 python 的 话， 它的优点就是它的各种各样的库很多，那么缺点的话就是它的各种各样的库可能会有冲突问题，所以说的话 maclab 的 话，它的稳，它的胜呢？就是胜在稳定性，不会有各种各样的环境问题，对于我们这种完全没有搞过计算机同学来说的话，可能还是比较友好的， 因为你遇到的环境问题的话，你可能完全没有搞过计算机的话，可能完全不知道该怎么去修这个东西，它又不像我们这个程序保守它是环境问题。 然后的话我们可以去根据我们这样的一些算法去收集我们的代码包，去准备好我们自己的一个知识库，然后同时确保我们这些代码都可以正常运行，不要到时候我们到了美赛的时候再去 再去搞，结果呢发现啊，你这个当你本地的一个环境出了问题，你这些有些算法你是不能运行的，然后呢到时候去现场修环境，那么你就非常浪费时间说提前把我们常见的算法去准备好，常见的算法的代码包准备好，去一个一个测一遍， 看你到底有没有哪些问题，能不能够跑得通，跑得通的话就没有什么问题，当然的话我们这地方的话也可以去借助 ai 来帮我们完成，对不对？我们可以去告诉他，你需要准备 ai 去， 你需要准备 mcmic 竞赛，作为编程手，你要了解常见的比如说优化算法，或者说统计算法，或者说怎么预测算法，或者说具体分析算法，然后的话以及对应的 api 实现 api 的 话就它的一个编程的接口嘛，然后给它详细的算法，应用场景，适用条件， api 说明，代码视力说明，然后的话整理出来，整理成我们一个讲义的形式， 然后的话我们就知道哦，有一些 lp， lp 的 话可以在我们一个包叫做零 pro， 然后约束是什么？ x 一 加 x 大 于等于十，哦，计算于负 x 一 减 x 二小于等于负十，对不对？哦？那就是系数是负一，系数是负一，结果是负十，这个是我们那个标准形式，要化为我们那个标准形式，标准形式的话是小于等于的形式，然后约束公式二 x 一 加一 x 二，对吧？小于等于的形式， 然后约束公式二 x 一 加一 x 二，对吧？小于等于的十六，那么就是二一，然后一个十六， 那么的话这个的话就是我们的一个，我们的一个矩阵就定义完毕了，然后我们就直接调一个库，对吧？把这个函数给调用进来，把我们这些约束条件，我们的目标函数全部都传入进去，然后我们就可以完成一个求结了， 然后还有包括我们各种各样数学题目比赛里面最常见的一类这个混合整数陷阱规划，对吧？ m a l p， 哦，要用这个包 p o l p 这个包，然后的话你去完成这样的一个实线， 然后什么约束规划呀，对吧？突优化呀，然后连续非限性优化，然后我们非限性最小而成，对吧？图，网络背包，然后我们插帧净化，然后的话模拟退火， 地方是给了一个文档，然后 ga 啊，这个地方也是给了一个文档，还没有给出具体的代码性，然后我们那个拍末 n s g r 也在拍末里面， 然后哪些东西是我们翻车点，然后的话我们怎么把它写成约束，然后我们验证一下我们是不是真的能够解得好，它会，对吧？全部都给你输出来， 所以说的话这个东西来这个地方就有世界代码了，所以说的话来辅助我们学习的话，整体的一个效率还是非常高的， 比起我们自己去一步一步的学的话，它的一个效率肯定是可以成倍的提高，我们不要去抗拒新工具的使用，对吧？我们要学会把新工具用的熟练，然后的话去加快自己的一个效率。 那么对于剑魔手而言呢？剑魔手就是整个团队的大脑，对于剑魔手而言的话，你必须要熟悉我们常用的模型，熟悉他们常用的场景，然后并且能够有拍板的一个能力，对不对？你要能够确定下来我这个场景里面什么样的模型就是最适合的， 我们这个队伍大的方向是什么？我们必须要朝着这个大的方向走，你也必须要作为我们团队大脑的一个身份，然后的话去推动整个团队前进。那么对于我们数学建模而言的话，常用的算法，常用的算法就是这么四类， 基于分析、运筹、优化去梳理、统计和评价，那么的话，这地方的话，我们前面的话也给大家去展示过这个流程图了，对不对？我们常用的哪些算法？ 那么对于我们很多同学来说的话，那么学习这个东西，学习这个 模型去看公式，实际上是非常枯燥无味的，而且很多时候的话，你对于一个背三而言的话，你并不需要去把公式的原理给它扣清楚，你只需要知道它这个模型应该用在哪些地方就可以了？那么比较典型的我们也可以用我们的 ai 去辅助我们， 比如说我们可以用那个 labkin， 那 么 labkin 的 话它就可以，我们怎么去用呢？我们可以首先的话我们去用我们的 gmail 呀，或者说用我们的 gpt 啊，去让它去给你规整出一套。呃，这样的一个模型， 它是用在哪地方的？然后让它用非数学的新的语言给你描述出来，然后你就把这一段语言，然后的话你直接扔给 labkin， 然后的话它就可以去给你生成出一些小卡片， 对不对？比如说什么是正在分布呀？然后我们怎么去分类啊？嗯， 那的话大概的话就是这么样一个效果，对不对？比如说我们的 a h p 每赛里面出现频率最高的一个模型，我们要干嘛？首先的话写清目标，加备选项，然后列出我最在乎的三到五个标准，然后标准之间两两对比算出权重，然后每个方案按照标准 表现评分自动汇总得到排名 啊，在这个地方对不对？然后比如说什么是吉拉斯坦估计啊？哦，我们要通过我们观察到的数据。嗯， 它这个的话是国内访问，国内访问比较慢，它这个是外网的，不挂贴纸也可以访问，但是的话访问速度比较受限， 大概的话就是这么一个效果，可以，你可以让 jimmy 呀这些东西用，让他去用非数学性的语言，用讲故事的语言把你让，让他把一个模型给他，给你讲清楚。 今天这个网是这么慢吗？这谁偷我网呢？这是 好，让他先深层一会吧，这平常按道理来说的话，平常都是秒出的，今天这是发生什么事情了？这是网被偷了 对吧？我们要把一团乱麻的复杂问题拆分成一个一个简单的二选一的小问题，然后的话通过像洋葱一样怎么分析基于内心的真实偏好，哪个选手是这样赢家？ 然后比如说我们要去搭建一个金字塔对不对？然后去擂台侧对比较，然后的话加权。 我们的目的就是让我们把我觉得这种模糊的感觉变成清晰的结构，然后的话不忽略主观喜好，如实的计算对于这种结果的影响。比如说把我们的主观变得客观，然后如果团队有错的话，可以分头给权重，最好算平均值，避免吵架。 通过这些方式的话，我们就可以很清楚明了的去把我们这样一些难搞的数学公式，然后的话变成我们比较生动的语言， 但的话我们也不能够只懂原理，我们完全没有实战经验对不对？我们可以去通过我们这样的一些教材啊，对吧？这这个是非常经典的一本书，可以通过里面的这些教材，然后的话去干嘛呢？去做一做里面的题目， 看看我们学会了之后到底能不能够把它给用出来，到底能不能把它用的好。我们需要用实战来进行演练， 然后的话当然我们演练的话也不能够只靠我们自己，我们需要我们三个人来进行协调， 因为你一个人效率高，并不能代表你在美赛里面就可以取得非常好的成绩，我们最后的话我们还是要三个人协同去完成的，当然的话，如果说你能够去单刷的话，那么要当我没说，对吧？单刷的话你应该也不需要来看这个课了， 那么对于我们团队大脑来说的话，你必须要保证，对吧？保持你的一个思维是活跃的，如果说你没有办法去保持你的思维活跃的话，那么你就一定要把工具给用好，确保你能够把握整个团队的一个效率。 那么对于论文而言的话，其实除了写作之外，还有一个非常非常重要的点是画图。虽然说数据格式化是应该由编程手去完成，但是的话 里面我们知道美册里面除了数据格式化还有很多其他东西，比如说我们 ourwork， 对 吧？很多流程图、框架图、示意图这些东西。 而且对于诺言来说的话，你提交的就是你们整个队伍的一个脸面，如果说你的这样的一个排版非常乱，然后的话，你让你的这种图标非常不专业的话，那么基本上你的一个内容的话，对于屏幕来说就完全没有任何吸引力了，因为他根本就不会去细看，他在我们的第一关就把你给 pass 掉了，因为他对你的印象实在太差了， 这个是大家非常要注意的点，至少说你的一个排版看起来不那么乱，至少要要工整一点，不是说你要排的多么的好，多么的专业，至少说你的一个基本项还是要保持的。那么我看到的话啊，就目前我们带过的这些队伍里面有一些非常典型的一些问题， 图表字体不统一、大小不统一、样式不统一， 这个是我们遇到的队伍里面非常常见的一种现象，我们为什么一直强调大家要去用模板去写作呢？因为你用模板刷了之后，你可以强制的保证他们的样式是一样的， 但是如果说你自己去一个一个的调格式的话，你要到时候你有的大，有的小，很乱很乱，让人看着之后第一印象非常非常的差。所以说的话还是不建议大家自己去一个一个的去调格式，尽可能的去用模板去刷格式，保证你的文的样式是一样的， 否则你做的再好，你的模型建立的再完美，你的这个第一关就没过去，那都没有什么用。 那么对于一个论文而言的话，你不能说你只会排版就完事了，你还要去写作呀？你写作的话，你如果说你完全不懂这些东西的话，那你写的出来吗？你不能够完全指望着去复制粘贴吧， 也不能够完全百分之百的去抄 ai 吧，这个东西的话你必须要有带有一些自己的一些理解，否则的话你的这样一个论文那个拼凑痕迹是非常重的， 而且这个东西的话是很容易看出来的，至少说我们拿到一篇这种拼凑痕迹比较明显的论文的话，我们可以很明显的看出来你哪些东西不是你自己写的，和你的这个文风完全不统一。 所以说的话，你一定要把自己的一个这样的一个写作的一个专业性给提起来，当然怎么提的话，我后面的话也会给大家列出一个工具，然后最后的话，我们这一段时间的话，就是尽可能的去协同，尽可能的去合作，尽可能的去加快我们整个团队这个效率。 那么我们数学建模比赛里面会涉及到哪一些软件呢？那么除了我们编程用的 python lab 对 不对？还有的话就是我们的 alaconda 和拍唱或者是我们 vs code 的， 那么 alaconda 的 话就是用来就是一个环境管理的一个东西，它的话自带了一些数据科学的环境，可以去帮助我们，可以包含我们大部分数学建模比赛里面的一些算法 来加快我们的效率。拍像和 vs 刻的话就是写代码的一个工具，那么一般的话，我们追求轻量化的话，我们还是用 vs 刻的用的比较多一点，拍像的话可能相对于而言会更专一点，更适合于用工程环境一点。 然后的话，一般的情况下我们用 g 拍的环节，那么 g 拍的话也是按照 ctrl 自带的，他的话就可以，你他的话就可以让你写多少，对吧？有有一边写边测试，边写边测试，而不是说你一次把一道题全部写出来，到后到时候啊改一改，全部都要改， 那么就很麻烦。所以说我们一般的时候会建议大家去用我们那个主拍的环境去完成。那么我们一般的绘图软件的话，那么 visa 的 话，我相信大家应该都是用过的，这个学校的话应该也会教，对不对？ 其次的话 ppt 也是我们一个常用的一个绘图的一个工具，那么的话之前的话，比如说我们一些环状图啊，其实用 ppt 绘制还是比较方便的，我来找一找。 嗯，应该不是这一门， 应该是第三个吧， 比如说一些环状图啊，对不对？这种类型的图片用 ppt 绘的话还是其实还是比较方便的， 无非就是给它加一个什么设限渐变嘛，对不对？然后把大家都给调整，然后到环状文字的话， ppt 里面也有自带的，这个的话就没有什么 挺方便的，只要说你用的比较熟的话，就没有什么太大问题。然后 wechat on 的 话，这种东西的话，它是一个在线网站，它里面的话也是有比较多的一些素材，来找一找 wechat on 在 每个点 wechat on 对 吧，里面的话其实也有非常多的一些素材， 它里面可以绘制的图还是挺多的，各种各样的都有。 再然后的话就是我们的一个 auto cad， cad 的 话这个应该学功课的同学的话都会接触到，对不对？可以画一些这种示意图啊，尽力图啊，特别是几何这一块的东西， 用 cad 的 话应该可以非常方便的进行模拟，而且的话你可以去把它的一个比例给它还原出来。然后的话还有一个的话是我们的一个飞格桌 里面，头面给我们提供了非常多的绘图模板，但是的话它主要的话还是面向于生物科学的，里面有些内容的话我们可以拿来套，但是的话有些内容的话我们不好直接套， 比如说这种我们去掏一些可持续发展的话，可能就没有什么问题，对不对？然后这个的话我们可能要去换一换他的一些样式和底色，然后这个的话我们倒是可以直接拿来用，只是说要把这个，对吧？这些东西换一换就可以用 里面的内容的话其实还是挺多的。 还有个的话就是我们的一个意图图示，那么的话这个意图图示的话我相信大家都已经非常熟悉了，那么比如说我们前面去复现的这项一些 我们之前去复现的一些论文，那里面那些图片就是 overwork 那 一部分的话都是用意图图示去做还原，或者是用 ppt 去做还原。但我觉得意图图示可能要更好用一点， 因为里面的话给我们提供非常多的模板和样式，我们可以直接拿来去套，然后的话 ppt 的 话可能很多东西，很多形状的话要自己去剪，所以说我们尽可能的去加快一下我们的一个， 加快一下我们的一个效率，这个是一个七零五 啊，比如说这个是我们的一个 f 题的， 那么写作软件的话，基本上呢它就是我们那个 lo word 和 laxt， 那 么 laxt 的 话我们一般都会用我们 laxt 加 vs code 的 一个形式。那么前面我们不是给大家展示那个有一个自动排版的吗？里面其实是同样的可以去拍了，我们的一个 laxt 应该在我们啊在这个地方扣子，当然的话这个的话也是基于我们美赛的一个模板，不因为我们 不然的话到时候环境冲突的话会麻，很麻烦。所以说的话，你首先的话要把我们那个美赛的模板和我们他那个模板文件给它传入进去，然后的话再去让他去做生成， 这样的话它里面生成出来的文件的话就可以去完全的去符合我们模板的一个内容， 然后最后的话就会给我们生成出来一份 text 文件，然后我们直接把 text 文件去替换掉我们原来的文件就可以了，还是非常方便的。 那么对于我们 ai 工具的话，那么我们比较头疼的查文献，查文献的话有我们的星火科研助手里面我给看暗度了，我们可以去搜，对吧？可以去搜我们的文献， 然后还可以去生成我们的中数。那么其实美赛的话里面有一个小节的话，是用来写我们的中数的，就是我们那个 layer feature view 那 一个部分， 嗯 啊，这是解锁历史中数列表这个地方， 对吧？它里面的话是可以给我们去生产钟数的，我们可以去根据我们这样的一个比赛里面的一个情况，然后的话去看看我们到底用哪些文献来辅助。 那么除此之外的话还包括我们什么深度研修啊，对不对？比如说我们要研究哪个主题，当然话这个的话一般在美赛里面可能还是不怎么用的到，以及我们论文研读啊，对不对？我们这个论文讲的什么东西？但是我看这个论文研读的功能的话，我感觉还是不如这个网站好。 然后包括我们翻译，当然翻译的话里面有限制，它里面的翻译的话是有，对吧？两千个字母的限制，每次的话只有两千个字母，所以说基本上我们写完一个小节之后，我们就要去翻译一个小节了， 然后包括我们的一个润色，我们怎么让他去更加学术化一点，怎么让他看起来，对吧？高级一点，怎么符合英语的一个说话习惯，我们可以通过这样的一个学术润色的一个功能， 那比如说我们来随便审一篇论文吧， 那么比如说我们前面有的同学，对吧？自己写了论文之后，不知道自己写的怎么样，就可以通过这样的一个审校的一个功能 来看看，对吧？自己到底有哪些缺陷？看看大家我们这个团队有哪些内容是没有考虑到的，就可以通过对吧？这样的一个 ai 评选的这样的一个功能来帮助我们提高整个团队的一个水平。这么慢， 今天这个网络真的不对劲， 好，终于上传出上来了啊，这样一篇论文是干到一个什么东西？ id， 哦，老朋友了， 好，优点是哪些缺点呢？模型假设较为理想化，数据预处理细节不足，对不对？模型验证和比较不充分，缺乏与其他基建模型的对比分析， 无法全面评估所提模型的相对优越性。对模型局限性讨论不足，对吧？没有存在扩力、扩力和问题以及泛化能力的讨论 符号和公式没有解释得清楚，对吧？ apple shell i 的 具体含义未作详细说明，参考文献引用不规范 对不对？然后改进了建议综合评分。哇，欧奖论文三点五分刚刚集合，所以说的话，这个竞赛论文和我们的学术论文，对吧？看看这个差距还是挺大的，因为欧奖论文的话在我们这里也就是刚刚过几何线的一个水平。 然后其次的话就是我们那个 s c s pace， s c s pace 的 话，这个动画应该之前有跟过我们国赛的同学的话应该知道， 他的话只需要你，比如说你这个地方用的很，用了很多 ai， 结果你完全没有查文献，到时候你要交的时候发现你没有文献，那么的话怎么办？你直接把你的一个专利给它上传上去， 那么的话他就会根据你的个专利内容，或者是说根据你所提的内容去寻找对应的文献，同时的话生成一篇类似于中数的这样一个东西， 然后后面的话就会附上它的一个参考文献，而且的话它里面还可以去做一个分类， 对不对？ d p 模型 rostop 文件优化，然后的话 rcf 质量控制对吧？不是质量控制，生产质量，制造质量啊，系统上面的生产质量有个问题， powermad 生产质量问题， scholar 生产质量问题，质量控制， 对吧？有模型也有我们的来源，这个的话都很明确的， 这样的话也可以避免我们这样的一些 ai 去胡编乱造一些文献。 当然的话这些我们也给大家提到过扣子那个智能体 这个又改版了， 这个里面的话就可以根据我们这样的一篇，我们直接把我们的一个赛题给上传上去， 把它的赛题上传上去之后，它就会直接根据我们这样的一些内容，然后的话去对应的去查找文献，去查找我们的一个解决方案，对不对？后面的话也会附上我们的一个文献 啊，这个还是比较少的，这个的话是因为它里面的话在原文里面是给我们提供了一些文件，所以的话比较少。之前我们测过的那个 a t 的 话，它后面附的文件还是比较多的， 那么阿密的话就是我们之前说过的我们这个东西的话，如果说我们要去做我们的一个问答的话，那么的话我们就可以通过我们这样阿密的去来做我们的一个交互， 他会告诉你这个东西哈，我还研究了一个什么样内容，然后的话按那个论文概要，然后的话可以问一问他这个里面到底用的什么东西啊？这个的话就可以加快我们读文献的一个过程， 比如说我这地方提问模型一部分用的哪些方法解决哪些问题，他就告诉我们哦， 首先抽向我们的交通网络，然后的话用双旋法确定我们的边权，然后用流量平衡方程模拟我们的一个桥梁的倒塌，最后用我们的这样的迪迦斯克拉算法去分析他的一个最短路， 然后用 a a d t 去分析它的一个交通流的一个变化，这样的话就可以非常快的，对吧？快速的去过一篇论文，省得我们还要一个的去翻，一个去读，到时候又浪费时间，然后的话还不一定读的明白。 当然的话我们也可以让他去给出我们的一些思路，它里面的话其实是类似的我们一个 glm 模型所制服的一个模型，对不对？ 它里面集成了我们制图的模型，然后你可以让他去给你一些这种解决的思路，那么的话一般的还有这种学术专用型的 ai 的 话，他一般给的内容还是偏向于学术性一点的。 那么对于我们编程的话，我们也可以直接让我们的一个 gpt 去帮助我们去编程，让他直接给出我们的一个代码，然后我们直接把代码去跑就可以了。 然后同样的我们的一个 ai 的 话，它里面也有一个画图的一个功能，嗯，这地方好像 ppt 没更新， 那么的话这地方的话一个是我们那个 infamend 的， 一个是我们那个 sora， 这个的话我之前我前面还加了一个 banana 的， 就是我们那个 juma 的 juma 里的，那么 infamend 是 里面可以去有一个科研汇总的过程，哎， 但是问题的话就是它那个中文不太油耗，所以说一般的中文的图片的话，一般还是用我们的一个呃节目来说画，但是的话我们美赛的英文的话可以考虑用我们的 infamend， 那 个有点太卡了吧。今天 so 的 话是我们的一个 gpt 里面的一个模型，然后的话它里面同样的也可以用 gpt 来画图，然后我们也可以去用我们的 啊接下来来画图，那么接下来的话我就帮自己来演示吧。比如说我们把我们的论文上传给他，然后告诉他我们到底应该要怎么画图， 对吧？我们把我们的一个问题上传给他，然后问他，让他去帮我们设计 t 的 十，然后的话去让他去给我们生成对应的 t 的 十，我们就会把 t 的 十直接复制到我们的积木栏里面来，然后的话让他去帮我们去生成对应的图片， 那么的话我们可以来测一测，看看他在这个地方画出来的东西到底是怎么样的。 这个是不是题词有点简单呢？ 等一下我们换一个题，他的一个内容比较丰富一点的。 好，他终于出来了，大概的话，画出来的话又是一个这样的一个效果，虽然说题词是很少，但是的话画出来内容的话还是没有什么太大的问题，对吧？内容还是比较丰富的， 而且图标的话基本上也是和我们这样的一个它的一个文本的内容是比较匹配的，比如说钱啊，对不啦？ 十亿人民币的知识，然后的话就应该是一个金币的一个图标，然后的话我们这样的一个 teach teaching innovation 科技研究啊，它是一个芯片的一个图标。然后第二个是我们 talent development， uh talent development and edu education， 人才发展与教育，它的话就是一个这样的一个学时髦，对吧？然后 infrastructure and economy， growth， 基础设施与经济增长，它又是一个这样的一个桥梁，对吧？这个的话都是很匹配的。 然后下面的话一个环路数据分析啊，这两个可能好像还有点啊，啊，没有重复，没有什么问题。 data analytics， monitor， policy， adjustment， 政策适应， resource relocation 啊，这个的话可能它下面中间这一块的话有点问题，它的话就会有一点重复，是不是有点重复？ 但是的话整体的话，它的一个出错率的话，在我们的一个美观性以及它的一个错率上面的话应该是比较低的， 基本上的话它画出来图的话，基本上可以直接用到我们的一个论文里面来，没有什么太大的问题。现在的一个 ai 深图这个技术的话，还是相对而言的话是比较成熟的， 好，出来了。然后的话，首先的话是数据和处理，有我们的 world bank 啊，世界银行的数据 top， 五百超算的数据， open， alex， 学术数据， patent families， 然后的话， github， activity， gorms， index， 政府指数，然后问题，我们的一个指标系统与我们的一个指标系统里的构建， 那问题二，我们的一个 a c i 的 一个评价和我们二零二五年的一个排名，然后问题三，我们的一个预测，二零二四啊。问题四，政策优化来最大化，我们中国的 a c i 在 二零三五年， 然后这地方还给了一行小字， policy in size 与反 microsoft and scanners， 政策洞察重新来，政策洞察的重新定义，我们的一个 什么场景，对吧？坏了，太久没背单词了啊，不过反正总体来说的话，他的一个生图，对吧？这样一个风格的话，风格风格还是样式的话，基本上还是比较美观的，可能比我们很多同学他的一个画图水平都要好一点，对吧？ 所以说的话，这个的话也是我们的一个画图的一个方案，大家也可以拿去用。 那么还有一个比较麻烦的是我们数据网站，那么数据网站的话，我们这地方也给大家准备好了，这里有吗？有这么多的数据网站， 包括我们美团里面最常用的就是我们什么东西呢？世界银行， 嗯，我的世纪银行都跑哪去了？他这个最近，最近浏览器都是罢工了嘛， 改的内容他也没没存进去，我的计算夹还没了。 这个地方的话给大家就总结出来了，我们地方的话比较常见一些数据，这的话都是一些偏比较官方的数据，就不会像我们有的同学，对吧？用什么简书啊，什么知乎什么这种东西到处去找数据员，结果找到了数据的话，他又不是官方的 结果，人家也导致你的一个论文不可信，你做的再好，有一个数据员从根本上就错了，那，那就那不就完蛋吗？ 把世界银行的一个公开数据，这个的话是我们美赞里面比较常用的一些数据网站，然后还有包括我们什么卡购啊，对不对？这个的话相信计算机的同学应该不陌生， 那么这地方的话也是把它给大家，把所有的超链接都练好了，大家可以直接链接给跳过去， 当然的话现在的一个 ai 的 话也能够去帮我们去找一些数据，你只需要去干嘛呢？你只需要把它的一个 网页搜索的一个功能给它打开就可以了， 你就可以让它根据题目的内容去帮你去整理一些文件出来，所以说的话，现在的话，对吧？干什么都很方便，只要说你会用这些工具的话， 那么对于我们一些比较喜欢这种古法解题的同学来说的话，对吧？我还是有的时候还是喜欢自己一个人搞搞题目 啊，有的时候但是一个人有的时候搞不过来，因为现在毕业了嘛，有的时候可能无聊的时候可能去单刷一下，但是现在毕业的话没有队友，有的时候而且还要上班，所以说的话时间很紧， 时间很紧的话，有的时候画图的话就不是很想去画，特别是像 python 的 话，它 maclab 现在的一个画图的一个，它原生画图的话就是不去做什么样式修改的话，它的那个图有点看不上，所以说的话我有的时候为了图方便的话，我就会去找一些数据网站， 因为实在不想在我们画图上面花费太多的功夫，因为解析已经够头疼了，还要去花时间挑图的样式，也不想去写 r 语言更麻烦，所以说的话就直接用我们的数据网站直接一一次性搞定， 那么的话这三个的话都是集成了 r 语言的一些网站，它的话是用 r 语言来画图，它里面的出的图的效果是非常好的，只需要你把数据上传上去，它就可以帮你出图。 那么比方我们典型的看看我们相关性的矩阵，我们一般做 p 小 卷四 p 尔曼的，我们是不是都画的方框，他的话就可以帮我们出一些其他的东西，比如说我们的圆块，然后下面的话我们一些字， 当然的话我们也可以去给它调一调，对吧？我们可以用换成四 p 尔曼，然后我们还可以用换成什么，还可以选择椭圆，对吧？ 可以显示我们的饼图，可以显示我们的方框，各种各样的， 这个樱花纹还是太丑了，那么椭圆的话就可以表示它们之间相关性的一个方向，是正相关还是负相关。 那么 cs， nova 它也是一样的，来看一下它应该在我们的一个， 对吧？这个里面的话也有非常多的一些图， 非常省事，省得我们自己去写代码，去一个调乱七八糟的格式里面都已经帮我们集成好了， 毕竟现在 a 有 ai 里面 ai 画的有些图的话，我也是有点看不上的，如果说他画个数据格式化的话，我也不想花很多时间去调那个提示词，太麻烦了，要一个一个的调，所以说干脆就用我们的一个在线网站已经给我生成好了，省事 上，毕竟上传，对吧？打开一个网站上传数据，这样的一个时间的话，比我自己挑战码这样的一个时间还是少多了， 里面基本上什么图都有， 然后包括我们这个 high pro 的 也是一样的，也是我们的一个二元 p c a 生成分析，然后的话我们的各种各样的分析的图，什么热图，什么相关性热图啊，乱七八糟的全部都有， 第一次呢是用 map 这些我们比较常用的 p c a 对 吧？有了这些网站之后，我们这样的一个 效率就可以提高了，然后的话省的我们，嗯啊， 省得我们头上自己写代码，对不对？能用工具就用工具，不要重复的造轮子对吧？这个东西 好，那么其他的话，像我们之前给大家说过我们的 weisson， figuero s c i 这些东西，然后包括我们用 sora 去生成图片，然后的话导入我们的 dob library 里面去进行编辑，或者是说我们用我们的 那的 banana， 也是我们 jama 去生图，然后再用我们的一个 lobe illustrator 去进行编辑也可以，但是一般的话应该不需要编辑吧？就像我们刚刚给大家看过的一样，它生图的一个质量还是比较高的，基本上不需要我们再怎么去修改，基本上去应付一个美赛的话，还是没有什么问题的，对不对？ 那么对于我们那个整体的时间安排的话，那么的话我们比赛的话在我们那个早上六点钟开始，那的话我们拿到赛题之后三个人就要去干嘛？齐心协力的去找文献，找资料，去确定选择题，确定我们的大方向， 我们到底应该走哪些方向？不管你们是用 ai 也好，还是说你们自己手动去查也好，最开始的话肯定是三个人一起把整个思路给它统一掉的，不要觉得这个统一思路之后，对吧？去搞这些思路会浪费你的一个时间， 因为我们写作的时候越复杂的项目就越要去达成共识，然后的话收敛我们的要素，我们达成共识比我们先干不一定会花花费更多的时间， 因为我们达成共识之后，我们后期的话分歧就会越来越少，同时的话也能够让我们整体的一个思路更加的稳定，对吧？ 当然我们不能够在这上面去浪费太多太多的时间，因为我们这个是有时间限制的，对吧？我们只有四天的时间，比我们国泰多一点四天的时间，那么的话基本上我们第一天的上午的话，那我们拿到题目开始 第一天上午的话，我们就要去大概的去明白我们到底应该用哪些模型了，到底应该去 走哪个大方向，然后下午的话基本上我们的一个步骤就要出来了，然后的话我们编程和论文的话就同步进行推进编程，把我们论文的框架给搭出来，然后的话等到我们的论文手跑出了结果就直接填填直就可以了， 然后差不多到晚上的时候的话，就可以去大概的去完成我们第一问的一个写作。然后一般的情况下，我们第一天的话是不建议大家去熬夜的，因为我们四天的时间它是一个拉力赛，对吧？它是一个马拉松， 你在前面花费的精力过多的话，那么你后面可能会影响你的一个效率。我们要保证我们四天的时间每天都可以去高负荷，高负荷运转，不能够因为我们第一某一天而影响到后面那个效率，当然除非说你是干地，那么的话就当我没说。 然后第二天的话，基本上我们来到之后的话也不用起的太早，毕竟我们第一天是六点钟开始嘛，我第二天的话也不用起太早，就像我平时上学一样，对吧？早拔就可以了。然后的话我们继续完成我们的第一问，然后的话准备开始我们的第二问， 那么有了第一问的结论之后，你对于整个题目的一个理解的话，应该会上升一个台阶。所以说的话在上午的时候，虽然说你花的时间比第一天要少，但是的话你在第二天上午的话，基本上也可以把第二问的一个大概思路给弄出来了，然后基本上你第二天的话就可以去 完成我们第二问的一个模型建立了，然后的话根据他的一个结果的话去不断调整优化你的一个内容，因为很多时候你跑出来的结果的话并不一定能够满意。 在很多时候的话，我们第一次见模的时候，我们总会我们的一个结果总会和我们的一个想象是有一点出入的，那么他这个时候你就要去慢慢的去优化迭代的一个过程呢，看看内容里面到底有哪些东西是没有考虑到的，或者说有哪些东西是考虑的太复杂的可以简化掉的， 然后的话去不断的去迭代和修改，然后的话到了晚上的时候差不多的话就能够 拿到我们问题二的一个初稿以及他的一个结果。那么的话第二天的话同样的话不建议大家去熬夜，那么的话基本上建议大家，对吧？十二点多之前睡觉一天奋斗个在早八到晚十二，对吧？十六个小时差不多了， 当然的话现在这个工具这么发达的一个情况的话，一天的话应该是用不到十六个小时的，我觉得一天可能啊十个小时都已经很多了。 那么第三天的话他的一个整体安排实际上是差不多的，但是的话我们基本上第三天的话，我们的一个整个题目的调解都已经要完成了。然后的话下面的话就是灵敏度分析这个部分了，对于每一次而言的话，灵敏度分析是非常非常非常重要的一个板块， 如果说你这个灵敏度飞行做的不好的话，那么很容易就直接降档，因为美赛一般的话都是面向于他的一个现实问题， 那么面向现实问题的话，它里面就会有非常多的不确定性，那么你怎么证明你这个模型是能够用的呢？你怎么证明你这个模型是稳定的呢？那你就只能够通过我们灵敏度分析的方法了，那么现在的现在主要的灵敏度分析的话，基本上也就是说改改参数啊， 然后或者是用什么蒙特卡洛进行模拟啊，看看他们之间那个变化到底是什么样的，整体的难度不是很高，但是的话我们的一个灵敏度分析一定要复图，一定要有图，只有表不行，必须要有图。 所以说为什么总是说美赛是一个跨国大赛，因为它里面对图的一个要求非常高，同时到了最后一天的话，我们不要去 卡点提交，因为美赛那个网站的话是非常拉垮的，如果说你到时候卡点的话很容易容易交交不上去，一般的话建议大家提前两个小时提交，为了避免他那个网站过于拉垮，对吧？然后的话给自己保一个底， 然后交上去之后的话就不要再去修改了，不是说不要修改，不是说我不要修改你论文，只是说修改不要去重复提交，因为它本身的话那个东西就很拉垮，你重复提交的话，你指不定你能够出什么 bug， 所以 说话基本上你交一次就行了，它那里面也没有什么邮件确认的这种功能，就是整个网站还是优化需要优化的比较多， 反正就是至少给自己预留两个小时的时间，不要去卡点提交，然后的话提前两小时把它交上去，然后的话你就可以去休息了。 那么对于我们整个论文的一个编辑和翻译的话，目前我们最好的翻译软件的话还是 d p l， 因为它它里面可以选择你的专业领域的话去去做翻译，但是 d p l 的 话它里面有这种地区的限制，而且的话 翻译文档用需要氪金，所以说的话我们之前的话就可以，我们之前的话就给大家去看过，对吧？星火科研它里面的话也支持这样的一个翻译的一个功能，学术翻译对不对？ 只是说它里面的一个这样的一个文本是有限制的，所以说的话建议大家都是写完一个小结就去翻译一个小结，随时翻译，随时随时，那个 大家的话记得给自己留一版中文的底稿，对吧？然后的话后面的话如果说我们要修改的话，那么的话不至于到时候自己都看不懂自己的论文，不知道自己要改哪里对不对？有一版中文稿有留一版，有一版英文稿，最后提交英文稿， 要修改的话要先改中文稿，然后再把修改的那一部分重新翻一遍，然后再到英文稿上面去。同时的话我们之前也给大家看过我们的这样的一个润色呀，审教啊，预审啊这些功能， 所以说的话我们在写完之后，我们是可以去反复的去根据它里面的一个评选意见来打磨我们的一个论文的， 尽可能的让我们的论文的一个考虑的更多，更加的完善，不要让人家挑出毛病，毕竟也不是只有你会用 ai， 人家也是会用 ai 的， 对吧？评文也是会用 ai 的， 就是说可能有的有的评委他甚至可能是懒，直接懒得用 ai 来看你的论文，直接大概的瞄一眼就过去了，但是的话为了避免这种情况，对吧？ 我们也可以提前用 ai 来帮我们审校一下我们的一个论文，尽可能的让我们的整篇论文更加的专业化，更加的学术化，更加的 有这种可执行性。好，那么我们的一个分享的话就到此结束，所有的资料的话，大家都可以看评论区置顶进行领取，然后的话希望大家可以在我们的美赛里面取得好的成绩。

博美赛啊，现在比的是你会不会用工具啊，拿奖之后啊，奖学金和保研加分都直接拉满了。给你们分享三个好用的树模工具，一条龙服务全部搞定。第一个就是 infam， 想要拿奖代码和图的就必须好好弄。 infam 现在接入了地表最强的编程大模型小柯的 opus， 你 只管把数学思路告诉他，那些复杂的遗传算法，神经网络代码，他秒生成， 直接就能够跑通，不像别的 ai 很 容易就出 bug 了，跑通之后再不断迭代记录就 ok 了。更好用的呀，是它的画图功能，论文里最费时间的模型，流程图、思维导图，用它就能够一键生成，配色专业，逻辑清晰，直接复制到论文里面。评委看到这么好看的图，第一眼印象就直接拉满了呀，想体验的评论区扣一，我给你发邀请码。 那第二个就是 dippo， 搞定美赛的全英文论文的翻译官，大家要知道，评委基本是母语，英语，母语人士就不要用普通语法去送人头了呀，把写好的中文部分扔给 dippo， 它的学术翻译地道的就像母语者写的一样，专业术语一个不错，很多科研人士都在用，用它润色一下，那个高级感就直接上来了，论文档次 直接起飞，读起来非常顺滑。第三个就是 overleaf， 你 直接把数码的 text 文件上传上去，就直接是一个稳定的模板了， 不用再慢慢排版了，像什么公式啊，表格参考文献什么的，一键搞定。更重要的是数目的比赛，作为一个三人比赛，就很需要这种 overleaf， 可以 多人实时同步写作的写作工具，你用 excel 把内容和图生产出来，再用 overleaf 慢慢排版，省心到离谱。好了，在这里祝各位比赛顺利，都能拿到好结果！

hello， 大家好，大家可能在大学期间就频繁听说过美赛这个词，它与我们的保证出国留学有一定的关系。那么美赛的含金量怎么样呢？它又能不能为我们的领域加分呢？接下来我给大家详细的介绍一下。 美赛的全称是美国大学数学建模竞赛。美赛包含了两种类型， mcm 和 icm。 mcm 指的是数学建模竞赛， icm 指的是交叉学科竞赛。美赛的赛题包含了连续型、理散型、大数据以及运程学、环境科学和政策。 美赛的比赛时间是在每年的二月初，大家可以通过官网进行报名。美赛的队伍分为了三人一组，三个人分别负责编程、论文以及建模。为什么要参加美赛呢？首先，美赛有利于我们的保研加分、 研究生复试、学校综合测评加分等，具体的还要看一下学校的具体要求。还有的同学参加美赛属于心理性参赛，通过美赛可以学到更多的数学建模相关的知识。 根据二零二二年美赛官网的数据显示，二零二二年美赛大约有两万七千支队伍参加，其中有四十四支队伍获得了全球特等奖，有四十三支队伍来自中国，一支队伍来自美国。由此可见，几乎所有题目的全球特等奖都被中国所包揽了哇！ 对于第一次参加美赛的小白来说，一定要根据队伍的优势和擅长的方向，选择合适的题目，熟悉基本的算法和模型，论文的框架和摘药可以仿照往年欧奖的论文来写，这样获奖的可能性更大。想要往年优秀美赛优秀论文的同学可以私信学姐。最后，数学建模比赛中，如果想要获得 优优秀的成绩，一定与团队中三个人的辛勤付出是分不开的，只有三个人呢，齐心协力，既有分工又协作，这样才能够取得优秀的成绩。希望以上的分享能够给大家提供一定的帮助，如果想要学习到更多的数模相关的知识，可以关注我，我们下期再见！

更多干货关注树魔乐园公众号！