美赛能用ai处理数据吗

随机挑选了三篇去年的欧奖论文，我发现他们摘药的 ai 率分别是百分之七十二，百分之七十四，还有百分之零。他之所以是零，其实是因为里面有一些希腊字母的公式，所以说系统无法识别，这才导致了他检测结果是零。 其实关于 ai 率大家完全不用担心，因为并没有一个完全靠谱的 ai 率查询工具，而且目前很多 ai 率检测的主要指标是专业名词的数量以及逻辑性之类的指标， 也就是说当你降低 ai 率的时候，你的文本的质量也会出现一定的下降。所以说，其实我并不推荐大家太注重 ai 率这个问题，而是应该更注重自己论文的质量。

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。

你还在为美赛论文熬夜干到天亮？二零二六年用 ai 帮你写！今天我们带来这份自带 ai 提示词的美赛论文模板，论文里标红的是写作要点，标蓝的是 ai 提示词，你只要按顺序填空， ai 就 能帮你生成内容，轻松搞定一篇结构完整、逻辑清晰的美赛论文。记住， 今年美赛用对 ai， 你 就赢了一半。第一个是摘药部分，这是最重要的部分，摘药一定要最后写，等你全书写完，把论文上传给 ai， 配上这段奇志词，这样生成的摘药既专业又自然。评委看不出是 ai 写的，注意不要添加论文中没有的内容， 这是为了避免 ai 幻觉。对于模板的使用方面也很简单，假设这是我们 ai 生成的摘药，我们想往里面放，就直接把前面的空格空出来，然后复制过来，右键选只保留文本，选中之后选皱纹，马上就变成我们一般的皱纹格式了。 接下来是目录部分，这里需要特别提醒一下大家，最后做完的时候一定要点一下更新整个目录，然后点确定这个是一定要做的，不然后面新增章节可能不会出现到这个目录中。 后面 intro 大 神部分这里介绍的也很清晰，如果是我写的上传题目就可以开始就上传，如果需要上传题目以及文档的就是最后写的。而文献中数部分，如果是新手或者觉得题目不是很熟悉，可以先不写， 往后 out。 流程图这里我们唯一要注意的是，记住上表下图并居中。其次，关于假设这部分，千万别写假设世界和平这种废话，要和你的模型题目紧紧相贴。接下来是符号部分，符号表不要手敲，写完论文，把论文丢给 ai， 让它自动提取符号含义和单位，一键生成 建模没思路，用内置提示词问 ai， 每一个建模的 ai 提示词这里都给你写好了，后面是一样的流程，全套资料和美赛绘图模板已经准备好了，评论区留言提示词即可免费领取哦！关注我，解锁更多 ai 写论文的实用技巧！

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！

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！

大家好，欢迎来到数码教学站，那么本次的话是给大家带来一个美赛的一个 ai 体质词的一个分享，那么的话这个里面包含了我们的论文，包含了我们的代码，同时的话包含了我们的这样的一个生图， 比如说我们最头疼的对不对？画这种 our work 的 图，这个的话全部都给大家包含进来了。 那么的话我们知道现在的一个 ai 的 话，它已经发展的非常迅速了，不管说你用豆包也好，对吧？可能豆包这方面还差点，豆包可能更加偏向于我们生活一点， 呃，你用 gmail， gmail 也好，用我们的 gpt 也好，或者说我用其他的模型也好，它现在的话基本上已经可以去大概的去把这个题目给解出来了，而且的话基本上思路上面不会出现什么太大的问题。 那我们所需要做的话，其实就是规整我们的提示词，然后的话在他的一个基础上面再去升华，然后的话最大化的去节约我们的一个解决的一个时间，把我们最核心的时间，把我们更多的时间放在提高我们的一个整体的一个水平上面，去 看看他一次可以吐多少代码，这个一次可以吐上千行代码。 好，那么我们直接来看一下我们这个提示词应该怎么进行设计。那么我们之前就跟大家说过的话，我们的一个提示词的话，我们首先的话基本上是要给他一个角色，给他角色之后他才会更加清晰的知道自己应该往哪个方向去做 好。首先的话我们直接把这个 赛题上传给他，那么的话 a 题的话他是没有这个附件的，那我就只上传一个赛题，然后我就告诉他作为一个数学建模全站选手，然后的话根据赛题查找相关的文献，生成第一问解决方案的内容，包含详细的建模过程，然后的话将题目 问题和模型紧密的联合起来，然后的话切记随意套用模型内容详细一点， 那么因为这个地方的话没有提供附件，那么的话你需要进行说明该赛题未提供附件，你可以基于真实世界的情况选用合适的分布进行模拟，或者查找网络资料自行爬取分析， 把这个自由权充分的交给我们的 ai。 然后的话以我们数学建模里面模型建立于修改章节内容形式，然后的话 markdown 代码的格式师进行输出，那么为什么要输出我要 markdown 代码呢？那么的话我们后面太有用， 因为他直接给你输出的话，你这个东西你也复制的不到 word 上面去，对不对？复制上去之后有很多各种各样乱七八糟的格式问题， 输出的话我就把方式直接让他去给我生成一份 markdown。 那 么注意了，我们在用这一套题的词的时候，我们需要去把我们的一个联网模式去给它打开， 有一个网页搜索的一个功能，我们要把我们的一个网页搜索功能给它打开，因为我们的要求是我们要让它去查找我们的相关文献。如果说你不开我们的一个网页搜索功能的话，那它怎么去查文献呢？ 对不对？它可以去帮我们去查到一些文献，包括我们 m d p i 的 这个网站呀，还有是我们这个艾斯威尔的那个三十 direct 科学直通车， 对吧？斯普斯普林格的，然后的话我们 wiki， 然后百度学术， 然后我们需要什么数据的话，他就会去在文献里面去帮我们找，而不是说他自己去胡编乱造，保证我们整体的一个这样的一个严谨性。 同时里面的数据的话，它会自己干嘛？自己去写代码，自己去进行模拟，来保证它论文里面数据的一个真实性， 看，一共搜了八十多篇，对吧？找了八十多篇论文去进行参考，然后的话形成了我们这样的一个解决方案， 那么大概的话就是呈现出这样的一种形式，有公式也有我们的表格，对吧？也有我们具体的数据，包括后面的参考文献也给我们全部都附上来了， 对吧？整体的呈现的话还像那么回事， 然后我们有了论文之后，我们就要去让他去帮我们写代码了，因为我们对于我们一篇论文来说的话，我们不能够只有我们的文字和我们的表格，我们还要有图片，对不对？ 所以说的话我们还要去让他去给我们做一些数据格式化的一个内容，那么的话我们就直接把这一套题的词直接复制甩给他， 如果说有附件的话，你就把这一句给加上，如果说没有附件的话，你就把括号里面这一句给删掉，那么的话他这个地方是没有附件的，所以说的话你就直接把括号里面的内容删掉，直接告诉他根据上面的思路根据，然后针对我们问题一去生成对应的一些代码，然后的话让他去尽可能的去把我们图片画的好看一点， 同时的话我们要去保证我们权威字体的一个统一，所以说的话让他把我们的图片也用我们的一个 test new roman 字体给它显示出来， 那么的话这个的话是直接可以拿来运行的，这个的话是直接可以， 嗯，换一个，换一个排插，它这个地方 环境太乱了， 直接复制过来直接运行，一共八百多行代码。一个问题 好开始出图了，对吧？这个图里面的话也是标准的 test new room test 和我们整个的话保持一致， 这台电脑上面没有装拍唱的专业版，专业版的话可以直接在旁边出土，这个的话就方便的多。 它这里面的话大概就有这样十五步的一个图片去模去进行模拟。 当然我们在时间论文的时候我们肯定不需要贴这么多，我们一般的时候给他贴个三乘三应该就差不多了啊， 或者是说一个三行四列的十五张图的话，你最多最多贴三行五列，但这感觉三行五列的话贴上去的话可能有点不清晰了，所以说的话一般贴个三乘三或者三乘四， 然后十五部这样的一个图片全都跑出来了，然后对应的结果 对吧？然后的话自行区间，然后每一步他的一个踩踏的一个情况单位是立方厘米， 对不对？离心点的检测每日的用量， 然后他的一个频率 基本上一次就可以完全的给它跑通。现在的一个 gpt 的 话，完全不需要我们自己去担心什么东西， 然后对于我们第二问和我们问后面的三问的话，那么的话我们就直接因为我们要保证我们的整篇论文它是一个可以连贯起来的东西， 你不能够啊东一步西一步，然后的话前文不搭后语，所以说的话你必须要让他根据我们的赛题和前面的解决方案去解决问题，不能够让他去独立的去解决，我们必须要基于前面的结论，然后的话去进一步的去优化我们的这篇论文。 说实话这个的话就是我们要加的一个内容，那么的话这个地方的话我在我的一个文档里面也给他标黄了，那么对于第二问和第三问或者说有更多的问题的话，你就把这地方改一改，所我们一定要基于前面的问题去解决，不能够直接，对吧？直接啊自己又去搞一套方案出来，那样的话就很乱了。 同样的这个地方的话，它里面有一个我们，对吧？该写的公式都写出来了，然后的话再加上我们的一个参考文献也给他附上来了，到底用的哪些文献呢？可以解决我们的一个问题二，当然这些文献的话基本上都是可以，都是都是可以搜的到的， 对吧？都是可以搜的到的。只要你把这个网页搜索的功能打开，那么的话你的一个论文的话基本上就不会出现什么太大的问题。 现在 gpt 的 话，它这一方面还是做了一些优化的，不会说像以前那样去给你胡编乱造。 这个 cloudfly 啊，真慢， 对不对？ robot 写的 real 罗布罗， real 对 不对？ real r 一 般的话，一般的话对于这个姓的话，它是会去缩写，只写它的一个首字母， 然后同样的对于我们问题二的话，一样的我们把一样的这样的一个提示词给它扔进去，然后的话我们就可以直接去跑我们的一个问题二了， 看它里面生成的材料是非常非常多的，基本上可以去覆盖我们美赛对于图标的一个要求了， 当然我们还需要一些矢域图的话，那么我们后面也有对应的矢域图的提示词，那么的话我们也可以，对吧去给我们再去除了这种数据可转化的图之外，再去丰富一下我们这篇论文， 对不对？里面也是有图有表，而且的话是保存下来的， 可以说可以非常非常大的去节约我们每赛的一个时间了。 那么问题三的话其实也是一样的内容，我们只需要把我们原先的一个问题二的那一个改成我们问题三就可以了，然后对于它的代码也是一样的，我们可以直接去跑，直接去运行， 然后其实灵敏度分析的话，它里面会在跑战马的时候它自己会去给你做，所以说的话你其实呃不用去专门设计它这个灵敏度分析的一个内容，你只需要把它给提取出来就可以了。 大家说如果说你要强制要去做的话，那么你也可以去专门的让它去做一遍灵敏度分析，这个的话也是没有问题的， 你可以让他去专门去做我们灵敏度分析，但是的话实际上是没有必要的，因为他在跑前面一二三问的时候，实际上也会对参数进行灵敏度分析，对吧？你可以看到它里面的话，基本上每一问的话都会给出它的一个执行域间， 那么之前的话我们让他给我们输出了一堆 markdown 文档，对不对？然后我们可以把这个 markdown 文档全部都复制在一起，然后的话去给他标注一下我们的一问题二，问题三， 然后上传给他。同时上传的话还有我们的题目和我们的一个美赛的一个论文模板，让他知道我们这样一篇论文到底有哪些内容。 那么这个的话就是我们直接把它给复制完的一个内容， 直接在我们他原先给的内容基础之上，然后的话我们直接在前面加一个问题，然后的话其他东西都是和我们之前一样的，对吧？ 这个表格，对吧？可以看到跟我们这也是一样的，然后有参考文献，然后前面的话加上一个问题二，然后的话其他的东西也是完全不变的，直接是完全复制过来的，然后的话这是第二问的参考文献，然后第三问，对吧？前面加一个问题三，然后的话后面的内容也是完全不变的，也就是说我们只需要在原先的基础上面去加， 对吧？九个字，问题一，问题二，问题三就完事了， 然后的话我们就把这一段提示词给他，根据我们模板题目整理解决方案的 markdown 文件，然后的话使它可以作为一篇正式数学建模论文使用，同时章节也使用一级标题，依次顺延，空缺内容根据我们文件文章内容以及相关资料进行填充，最后输出的是一份完整的格式规范的可以直接使用的 数学建模论文 markdown 代码块，然后的话这个东西然后的话就直接扔给他， 对吧？就会给我们规整出一篇数学建模论文出来， 在下部分的话他也给我们写出来了，而且的话也是根据我们这样的一个数学建模论文的标准形式，对吧？针对问题一，针对问题二，针对问题三，而不是说一段式的一个内容。 那么为什么用的是 jimmy 呢？因为我目前测过了，因为这个 jimmy 他 可能写文章的能力确实要好一点， gbt 的 话，他这个有点思考过度了，对于这种内容的话，他的话就有点不按照要求来， 那么我们整篇论文的话，基本上到了这个地方的话，就差不多可以去做善后工作了，基本上就差不多了，那么接下来我们要做的事情的话，就是把我们的一些图给它补上去， 那么图的话我们之前也给大家分享过这个图片的格式，对不对？你直接把我们这样的一篇论文给它扔过去， 这个的话它是有这样的一个导出成 word 的 一个功能的，我这地方就是直接把它给导成 word， 其他内容的话没有任何的改变， 对吧？没有没有任何的改变，我直接把它给导成 word， 导成 word 之后直接扔给他， 然后的话再把他我的一个赛题传给他，然后话就是告诉他作为数学建模全站，需要根据赛题和解决方案的理解，然后呢我要去给他增加对应的视域图或者积累图，同时我们要强调一下，这个东西不是数据可转化的一个内容， 数据可转化的话是我们需要用代码去跑出来的，他自己他这个文胸图的话去跑数据可转化不是很好，因为他没有那种数据嘛。 然后每一位需要有图片，再要设计合适的题词，然后用于我们 nala 布拉拉 pro 的 一个图片生成，然后告诉他我们的一个风格是什么样子的，他就会，对吧？把这个题的词给扔给我们， 同时的话我们一个 our work 的 部分，那么 our work 的 部分的话，我们有一个专门的题词词， 根据我们美赛 our work 的 一个设计风格，基于当前的论文工作，对吧？设计我们 our work 的 一个部分题时词，然后清晰明了的呈现出权威工作，那么之前的话给大家看过就是，对吧？就是这样的一个风格， 这个是前面的啊，这样的一个风格对不对？内容还是比较丰富的， 然后前面的话也是一样的，前面的话，对吧？这样把这篇复制过去，前面的话也是一样的，是可以直接扔给他的一个这样的一个 g p t， 不 对，扔给他一个 banana， 它就会给你去做一个生图， 这个前面的话全部都是用的它这里面它自己生成的提示词，然后自己去生的图，你看基本上的话，对吧？整体的一个内容的话，基本上没有什么太大的问题 吧？大概的话就给我们生成这样一份一幅图片，我们只需要把它给我们的提示词给复制进去就可以了，完全不需要我们自己去搞， 所以说的话我们就直接，对吧？让 ai 来帮我们设计 ai， 我 们就可以了，这样的话我们一整套的流程的话，基本上就差不多结束了， 我们要做的话就是去慢把它给出来一个内容，然后的话去打磨，对不对？把我们的一个数据格式化图片给它粘上去，把我们的一个呃这种激励图给它塞进去就可以了。 最后的话我们就去把我们的规论文给它规整出来，那么的话我们就是一篇比较 ok 的 一篇美赛论文了。 当然如果说，呃，你们像我们这种没有这种软件，那么我们应该怎么去把它转成我们的 word 呢？对吧？我们那个 markdown 怎么转成 word 呢？我之前也给他说过，可以直接去扣子，对吧？ 扣子里面你去把这一段，你去把它的一个 给他这么一段推辞词，然后的话你后面直接把它的一个 markdown 文本直接给它输入进去，输入进去之后 它就会给你生成一个新的 word 文档，然后你直接下载就出来就可以了， 对不对？ 然后公式对吧？公式也是 ok 的， 然后样式样式的话也是 ok 的。 好，那么所有的资料的话就放在这个地方，然后大家有需要的话可以自行的进行领取，这基本上就可以搞定我们整个数学建模了。

一分钟教会你美赛会图邪修！美赛马上就结束了，你的队友还在发带着豆包血印的图？没关系，让主播教你邪修。首先我们先出个国，然后打开这个网址，接着输入主播特调的奇妙就影， 再根据你的赛季调整就影内容。等待升成的过程中，可以看看主播王七的秀模视频，说不定还能帮你打开思路 星球。好了，看看 nonbanana 行李，图像清晰，字体也没变形，重点是整体逻辑非常通性合理。好了，快开始星球吧，有不懂的可以评论区问主播，各位欧奖得主快去使用吧，记得给主播点赞！

好的，小伙伴们大家好哈，还有很多同学说想坐地铁啊，地铁的话找不着数据啊，今天老哥也给大家找到地铁的数据集了啊，地铁数据集还是非常非常全面的哈。啊，你看一下这个数据，光说明就写说有十页的说明啊，十页的说明啊，完整的一个数据集，在这个地方哈，二零二六美赛地铁的数据集啊，在这里哈， 什么？包括二零二五赛季球员薪资数据啊，美国女子篮球运动赛的这个完整的数据集啊，以及这个球队扩张的球队的数据，是吧？以及这个版权啊，媒体版权合同数据 啊，模型参数数据，然后呢？球队估值运营数据啊，球队上座率的数据，高薪资历史啊，高薪资帽的历史数据啊，都有哈，每一个数据呢，我们都在这里都有一个说明哈，就这个数据代表什么意思？在这里有哈， 比如第一个上座率书记啊，这些字段分别代表喊什么意思？比如字段球队的名称，比如说伊里安娜狂热队， lv， 什么拉拉斯拉斯，王牌队，是吧？赛季的年份，二零二二四幺三，二零二四年 平均上座率是吧？上座总人数，然后呢？主场管人数啊，该赛季收清次数啊，包括啊，然后关键随着相关的价值的解析啊，就这个数据集，就这个 啊，上座率数据啊，在这里啊，上座率数据找一下啊，上座率数在这里啊，就这个数据怎么解读啊，里面的含义啊，都在这个表里面写着了哈。 然后第二个数据，比如说扩张球队的数据哈，六只扩张的球队，他们的数据的一个整体情况也是有自断的情况，所在的城市加入联盟的年份，加盟费啊，主场使用啊之类的，然后都有哈，就是扩张嘛，对不对？球队扩张， 然后还有就是媒体版权合同数据，每点点这个这个数据啊，是吧？版权相关的合同期限啊，合同金额和媒体方转播内容啊，分成比例啊，都有哈啊。对，在这个地方每点这个这个位置， 媒体版权合同数据里面也都有哈啊，这就是我们整个的一个完整的数据集哈，你可以比着这个数据说明，然后呢对应的去找相关的数据集即可哈。 啊，同样道理呢，我们还有这个一个一个其他的数据来源，一个一个完整的一个一个表格哈，大家可以看一下哈啊，包括各种各样的数据集，怎么去找啊？包括怎么去找哈 啊？包括比如说这个球队基础的球，球队球员数据，得分数据，然后呢这个得分数据的话可以统计出来这个球队的整体的实力吗？球星的相关实力，赛程比分数据，勇士队啊，历史赛季阵容统计口径， 球员薪资合同口径啊，各种各样的数据集都可以在这个里面去下载哈。啊，如果你不想下载的话，我们有一些基础的数据集就给咱弄好了，大家可以拿去用一下哈，这个数据集的话整理的还是比较完善的哈，大部分数据都是免费的，可以直接下载，包括伤病数据啊，每个球员的一个相关的一些伤病数据合集啊 啊，都在这个地方了啊，可以拿去是吧看一看啊，相关的数据，那个那个有没有自己需要的哈？有没有自己需要的 啊？这就是整个的这个立体的一些数据集啊，包括数据说明、下载方式，然后呢？相关的已经数据下载好的一些数据合集啊，都在这里了啊。 好的，同样的呢，我们还有美赛 f 体的数据哈。美赛 f 体的数据啊？包括什么？呃，这个这个里面是关于艺术家什么的，他们的一些就业数据啊，搞艺术的、音乐家他们的一些数据， 这个里面的数据非常庞大哈。这整个的这个美国的啊，相当于整个的各种工种的一个数据表哈。啊，非常非常的全面哈，里面内容特别特别的多哈，这个 ar 都不一定能处理的了，内容非常大。就整个的这个，呃，工种啊，他这个工作时间、 工作安排啊、加班效应，各种各样的数据集啊，每种工作每种工种的啊，长这个数据啊，都在这里面了哈。

更多干货关注树魔乐园公众号！

然后现在的话，美赛的 a 题到 f 题的所有的题目的中文翻译版已经出来了，先大致看一下，然后等下我给大家更新每一题的一个选题思路分析， 以及怎么解配套的代码使用情况啊。现在先看到美赛的一个 a t， 它是一个智能手机电池的放电建模，和以往的 a t 一 样，还是偏数学肌底类的。 这类题目的话一般难度的话是比较大的，大家选择 a t 的 时候要注意 连续时间模型，然后自己要去收集数据集 这个 pdf 要注意啊，这个总数的话是不超过二十五页的，这个都是翻译后的，大家可以看原来的那个英文版， 然后看一下这个 b t， 今年的 b t 是 一个利用太空电梯系统建立月球执迷的。这题目的话都还是比较新啊，和今年的那个股票里面那个不是很火的吗？那个商业航天啊，都紧密挂钩啊。 嗯， mcm 机构， 你的任务是利用数学模型来确定是从二零五零年开始建造，容纳十万人的需要的材料运输成本和相关的时间表。 然后将现在在那个太空电力系统的三个年港口，然后从选定火箭基地发射的传统火箭进行比较。这是对你建立模型的一个要求 啊，仅使用太空电力系统的三个港口啊，这些，这些是运输系统没有完美的运行状态时考虑的一些情况啊，系绳摇晃，火箭故障对你损坏， 然后再写一封营业 执照，你里面有 ai 的 话，也最后要附上一份使用报告。 而今天的 ct 也是一样的，紧扣商业航天里面的这些内容与核心相关的数据。 嗯，这这类题的话在常规的话以往来看就是数据量比较大，它这个 ct 单独是给了你一个数据表格的。 啊，这个它翻译有点问题，这个其实是明星，明星的这些题目 看这是统计，这个题的话是对你那个处理数据的能力要求较高，你看它 ct 的 这些数据都是公开在这里的，自己要去整理一下 与星共舞是英国的那个节目舞动奇迹里面吧。 啊，第一题是如何管理体育运动，体育商业里面的内容， 一题是被动式太阳能遮阴。 啊，这题目介绍的话就介绍这里，这中文翻译版的话我也全部都给大家整理好了，后续思路一并发给大家。大家直接在视频下方那个企鹅群里进去领取就行，包括我前面发的赛提助攻资料。那这个 fg 是 否要发展全人类人工智能 这一个收集讨论？ 嗯，好，等会再给大家更新思路。大家题目的话先看着这里。

啊，那么这个视频呢，跟大家讲一下啊，一个在我们数学建模写作中呃的一个技巧，那么现在很多队伍呢，可能都会采用 ai 去辅助啊，我们完成啊，部分的建模啊，或者是一些公式的编写，或者一些思路的辅助。 那么在这个过程呢，就衍生出来了一个问题，那就是在对于 ai 给出的这个思路啊，和这个模型里面的公式，究竟应该怎么样去进行复制啊？当然，呃，你们如果用过的话呢，呃，应该会有一些队伍或者这个疑问，我们给大家举个例子， 比如说我们以二零二四年国赛的这个 b 题目为例啊，那么这个时间呢，直接给大家举个例子，呃，大家可以采用美赛的一些题目自己去尝试一下啊，按照我这个视频的教程去做， 那道理都是相通的啊，我就随便找一个题目吧，那么这种中文题目呢啊，大家看更直观些，我就以这个题目为例了，好，我们把它驼背给 ai 啊，让它给出我们的完整的详细理论建模的过程，并且呢要求它有公式这些东西。 好，那么看一下，在这个过程中呢，它给出了我们些公式啊，对不对？好，然后我们点击右上角的复制，那么这个 ai 呢？大家，呃，这个大家随便采用一个什么样的 ai 软件，比如说啊豆包呀，啊， d p c k 啊啊，或者是 g p t 或者是 demo 呀等等等等，现在市面上的 ai 软件也非常的多啊，大家自己随便去用，但是呢道理是大差不差的，就它点出的这个公式呢，我们点击右上角这个复制之后，哎，我们点击复制对不对？然后我们直接复制在我们的 word 文档，文档里面，我们举个例子啊，给大家新建一个 word 文档，然后我们直接复制进去，给大家看一下， 可以看到呢，这里面的公式呢？哎，它都是显示成这样的啊，有人就讲啊，这个公式我该怎么复制呢？就是这个公式它在网页里面的显示是正常的，怎么复制过来就变成这样呢？哎，这个其实呢，这个公式它显示的是 latx 的 形式啊，这个大家如果懂 latx 的 话呢？ 呃，你们肯定知道我在说什么，对不对？那么假，假如你不懂的话，看到这个视频，呃，那我希望给大家教会一下关于这些代码。 呃，就是给出的这些公式里面呢，我们应该怎么样去把它复制转化成一个可以正常显示的啊？在 word 文档里面，我们正常可见的一个公式的形式啊，也就是这个页眉上这样的一个形式。好，那么这个通用呢，有两种方法，我先讲第一种，那么第二种方法呢？是我共推荐的，那么我后面再讲，那么第一种方法呢，就是我们在复制粘贴的时候呢， 把文字和公式呢分开去粘贴啊，假如我们中间有这个公式，对不对？我举个例子，比如说你复制这个公式 好，比如说我们复制了这个公式啊，我们还复制过来，那么你无论是用 word 还 wps 呢，呃，那都是一样的，就是你用它内置的都会有 messap 这个插件的，所以你直接点击啊这个插入，然后点击这个公式啊，我们点击插入公式，然后在这里呢，我们还复制进去， 复制进去之后呢，我们点击回车键，哎，他就可以显示为正常的这个形式了，但这样有一个比较复杂的点击，我们不能够直接这样去大段的把这个全部复制过来，然后把里面的公式呢全部一键变为这个公式的形式，这个大家能理解吗？ 就你不能把它全选啊，就是包括文字在内的所有东西完它全选之后呢，我们点击插入，然后点击公式，这是不行的啊，这是没有用的，你再点击回车键，这是不能把它全部转化为我们直接可见的我的形式的。好，所以呢，我们给大家推荐的后一种的形式，那就打开这个网站， 好，那么这个相应的这个网站，呃，具体的网址，呃，大家可以看我的这个视频评论区啊，进行领取，呃，我就不给大家多展示了，好吧，嗯，我们为他先清空一下这个网站，好，我们直接把它复制过来，来看一下， 这里是我们给的完整的这个建模的过程。好，我们布置过来之后呢，哎，我们可以看到呢，在右边呢，就变成了这个，它右边就是这个正常显示之后的，哎这个公式，然后我们点击右上角的这个导出键，然后把它调导出为啊这个 word 形式，我们直接点击导出来看一下， 好，然后我们等待一会，好，导出完成了，我们打开文件， 大家可以看到呢，这个打开之后的文件呢，哎，就是正常啊，所有说的包括，哎这个符号说明啊，包括这个公式全部啊都正常的这样一个形式，我们再点击一下啊，把格式调一调，对不对？你随便调成个什么胸体小四啊 啊，这些东西大家就格式，你们可以自己去进行设置，哎，我们就全部是复制完成了，那么还有一个好处呢，就是这个复制完成之后的啊，导出之后的这个文档呢，它的这个形式跟原来的排版也是一模一样的，甚至包括说符号说明前面啊，还有还会有这个标记的，这些符号的点，这些也都会有， 大家可以看到啊，包括这个标出啊，这些信息呢，它也会复制进来 啊，那这个排版呢，当然形式呢，就比之前好看很多了，虽然这个呢，这样在我们的比赛期间呢，可以极大的去节省大家的时间啊，因为我们现在也知道呢，呃，用 ai 去做剑魔的人呢，越来越多了，当然呢，还是那句话，呃，就是剑魔啊，这个 ai 呢， 它只能作为我们建模的一个辅助的手段，因为现在国线的难度也越来越高了，如果你说指望完全去用 ai 啊，去完成建模，完成代码的编辑，完成结果的啊，赋线 啊，然后再分析，呃，这些呢还是不太现实的，所以呢，希望大家呢尽量把 ai 还作为一个辅助啊，可以让它辅助你，给你些输入之类的东西。呃，实际的处理过程呢，还是大家要自己来，当然了，呃，这个视频呢，还是给大家能够提供一种如果说你要采用 ai 的 话 啊，公式的一种编写的方式。好好，那大概就讲这么多关于这个转换公式为 word 形式的这个网址呢，大家可以看这个视频的评论区去进行免费的领取。那么本次二零二六年的美赛呢？ 呃，届时我也会和所有的往期比赛一样啊，会出相应的完整的成品参考论文啊，包括先人的代码和结果。那么关于这个完整成品的说明呢？大家也可以看这个视频的评论区。呃，比如说二零二 啊，这个二零二五年呢，我做的是美赛的 b 题目以及 c 题路啊，那么开赛之后呢，我就会发布一个选集建议啊，以及个题目做题思路的视频啊，之后就会完成个题目相应的完整的代码结果，包括这个完整的原创论文 啊，二零二五年的是 b 题目和 c 题目，我看一下，二零二四年，呃，二零二四年，我做的是美赛的 c 题目啊，以及 f 题目，那包括二零二三年啊，二零二二年，大家可以自己去看，好吧？ ok， 那 包括说美赛我准备的一些其他资料啊，比如说编程资料大全啊，写错资料大全啊，比如写错资料大全里面有，呃，美赛排版的啊，一些模板呀， a latch 的 呀， word 排版啊，包括一些美赛的优秀论文的大全 啊，一些论文的大权啊，这是以模型分类的。呃，再比如说一些其他的啊，一些比较常用的东西软件啊，比如说建模资料的一些大权 啊，模型算法大权呀，啊，再比如说一些编程资料的大权啊，几百个模型的一个代码包的大权，大家也可以看这个视频和评论区去进行领取。那么关于这些资料呢，我后续会再出一个啊，这一个完整的介绍以及教学的视频， 那么大家到时候会到这样的一个文档链接里面去。呃，那么这个免费资料呢，就在这个链接里面啊，大家自己去看就可以了啊。呃，否则这个发放起来也比较麻烦。呃， 那大致就讲这么多吧，希望这个视频呢能够帮助到大家，那么这个视频呢，假如说你们不，你不是你们队伍里面啊，负责这个写作的队员，那么也可以把视这个视频呢转发到你的队友群里面啊，和你的队友呢一起去进行学习啊，这样的话也可以起到一个 啊，事半功倍的这样的一个效果，因为毕竟每赛期间呢，大家时间也都很紧张啊，还是希望这个视频都能够给予到大家的时间，给大家带来一定的帮助。好，那么就说这么这么多啊，谢谢大家。

今年我看了一下去年美塞欧奖论文，我真的很怀疑他们去年都看了我的帖子，为什么呢？因为去年我发了一个 模仿美塞欧奖论文的一个帖子，这个里面呢就写到了，我发现他们的题目呢都比较一致，就是他们的格式是一样的。然后我刚好今天看了四十九篇去年的欧奖论文， 在这个 a t 里面，他们几乎所有人都用的是我说的那个格式，就每个人都是一样的。然后包括其他的题目呢，里面也基本都是这样的，所以这个其实也能看出来，模仿一个欧奖的论文，其实你真的很有可能就可以拿到一个欧奖。 那上一期视频的话我也说了，就是我们除了用人工去看美赛欧讲论文，他们之间的共同点也可以用 ai 来帮助我们去做这件事情。那为了去做这件事情的话，我做了一个软件，这个软件的话可以帮助我们去看一下每一篇欧讲论文他有什么 特点。然后呢我们再把这些特点可以让 ai 帮我们总结起来，然后最终就可以用这些特点来帮助我们完成一篇欧讲论文。那首先给大家看一下这份提示词，那这个提示词是用来最终生成论文的，但是它也可以生成某一部分，你可以用它来改进一下。 那这个东西你需要输入三个东西，你就说一个是美赛论文的题目，一个是这个 realbook， 这个东西它是用来 告诉 ai 欧讲论文他们的一些偏好，他们的一些特点是什么。那第三个是一个可选的团队约束， 也就是说你想告诉他，比如你们团队有一些特点，比如说你们基础不是很好，或者你们只想拿某一个奖项，或者不要拿某个奖项之类，那他的话就可以帮助你来完成这个东西，但这个东西他缺少一个 real book， 那 这个东西是需要自己来做，那这个东西就是你要去读欧讲论文，读完欧讲论文之后，你去把这个东西做出来，但是你也可以让 ai 来帮你来做， 那这个地方也是我用可以用 ai 来做，这个地方呢，这是我的旗帜，然后 ai 它就做了这样一个软件， 那这个地方这是我上传了一篇欧讲论文，那它可以自动生成这个分析，然后因为我说了这个视频它主要是为这个零基础的人准备的，所以说这里的分析是更偏向，就是你要怎么拿，怎么拿讲。那比如这个里面 他说这个标题是怎么写，那你一开始你需要你的结构应该是怎么样的？排版应该是怎么样的？你要有哪些图片？比如这里面他就提到这里有这个什么网络图和分叉图， 然后后面还有些他用了哪些模型，还有他有哪些他的模型链是什么？他的创新点是什么？然后他是怎么写的？要他的风格，风格。 然后你看到它这里面灵敏度分析，它说它不仅是一个误差点，它还去找了一些这些临界点之类，这个都是和普通的不一样。 ok， 那 这个是我们人来看，那我们还需要让机器来看，所以说这个还要提供一个机器可以看懂，但它其实和前面东西是一样的，只不过一个是我们我们看的，一个是让机器来看， 那这个是分析一篇论文来用，那你可以分析很多很多论文，比如说你把二五年所某一类题，所有的我讲论文你都让分析一遍，然后你就可以提取出来 很多这个文件，那这些文件可以让 ai 帮你总结成一个 rowbook 这样一个规则库。那你有了这个规则库之后，就可以直接用这个提示词来生成一个论文。那这，那这个提示词的话，大家可以关注我之后进去， 然后我会在群里面把这个提示词发出来。那如果说你想要我自己生成的这个规则库的话，那你可以直接进我们的答疑群，我后面做完之后会发在答疑群里面。

更多干货关注树魔乐园公众号！

二零二六美赛全面倒计时，距离比赛开始已经不足十二个小时，这三个实用工具让你美赛完美通关，顺利拿奖。第一个工具首推音符 mind， 大家都在好评，数模美赛中的编程、数据处理、绘图他通通都能搞定，直接一条龙服务。好多同学问我不知道怎么使用，今天我就来教教大家。 首先网页搜索音符 mind， 点击进入官网，先注册一个账号，登录进去就可以使用了。音符 mind 接入了目前顶级的编程大模型，直接化身超级马龙， 告诉他数学编程思路，各种骚扰算法、代码直接给你生成代码，零基础小白也能搞定，数据处理也超级省心。上传原始数据，平台自动完成清洗分析，同步生成格式化图标和整理好的分析表格， 数据结果直接附用，论文配图也能一键生成，还有模板可以参考，简直不要太方便。想体验的评论区扣一，我给你发邀请码！第二个工具， simple tax， 现在不会还有人在手打公式吧，赶紧码住 simple tax！ simptax 是 一款高效的数学公式识别软件，可以将图片或 pdf 中的公式快速转换为可编辑的 latex word 格式，省出百分之九十的时间，甚至手写的公式和汉字都可以直接识别。第三个工具， simptax， 美赛号称选美大赛， simptax 可以 生成美观漂亮的数学公式，还可以直接与 simptax 联动使用。 首先使用 simptax 识别公式，复制 simptax 到 simptax 中就可以完成编辑了，同时 simptax 还可以嵌入到 word 中，方便使用。好了，最后祝各位比赛顺利完赛都有好结果！

好的，接下来来讲一下这个二零二六年美赛的一个 f 题。 f 题的话，从六道题中来看的话，是最简单的一道题目，因为这个只看题目的话，其实更多的感觉像是一道语文建模的一道题目， 所以说这个 f 题对比其他一些题目的话，确实应该是今年美赛最简单的一道题目。而这个简单的题目的话，但是它存在一个非常严重的一个陷阱， 也就是大多数人可能看到这道题目，可能更多的话是会采用一个语文建模的一个形式，就是更多的话就是画一些图，做一些表，然后用一些描述性的一些数学模型，也就是描述性统计分析， 然后来做来做这个赛题的一个解答，也就是通篇就是一个语文建模的一个形式。所以说在大多数人这么去做的时候，我们如果说可以呃凸显我们这篇论文的，就比如说这篇 f 题解析论文的一个关键模型，或者说一个亮眼的一个模型的话，可能肯定会呃脱颖而出，就是至少会去甩掉大部分利用语文建模的一些参赛队伍。 而接下来的思路讲解的话，就会更多的去讲解这篇就这个 f 题吧，就是用什么样的一个模型，或者说怎么样去用上 亮眼亮眼的一些模型，比如最先进的一些模型啊，怎么去用在这个题目中，而去彰显我们个人的一个就是队伍的一个缩建模的一个能力，也或者说是对最先进模型的一个应用能力吧。然后的话，接下来的话，我们开始看这道赛题， 首先的话，这一段的话，也就是这个赛题的一个背景，一个背景所在，这个背景的话也就不再去细细的去读了，也就是 当前 ai 时代，然后可能会去影响我们的一个工作。然后的话，接下来就是进入到本赛题的一个最开始的一个，就是研究的一个基础的一个定义，然后就是我们要去研究哪三种职业，也就是 在 ai 时代下，这三种职业的话，都会或多或少的去受到 ai 时代的一个影响，然后可能影响的比较的 就是属于中间这个层面的话，就在于就是这个职业，这个职业的话一般都是理工科，比如说是数学的，比如以后可能去做研究， 当一些教授或者说学计算机的以后可能进入互联网，而有一些比如在互联网中会有一些业务问题是 ai， 可能它本身去解决的话，可能解决的不是很好，或者说数学一些呃研究性问题的话， ai 肯定也是 呃不那么能够胜任的，所以说他是属于一些中间的一些一个学科，也是 ai 对 他的替代能力其实并不是那么强，但是也可以进行一部分的替代， 因为毕竟不论是编程啊还是一些数学证明啊， ai 确实是会去做一部分的，虽然可能在各个榜单中他可能得了分不高，但是他可以确实可以去替代一部分就是数学证明或者一部分代码的一个编程。 而这个而这一些，比如说一些技术行业，就是一些技术学校的话，可能做一些什么电工啊，水管工啊，或者是厨师啊， 然后 ai 的 话可能更多的是起到一个辅助的作用，也就是可能现场我们要去修电路，或者现场去做饭， ai 的 话可能只是会给你提供一些菜谱啊，提供一些，比如你做饭的时候哪些时候需要放什么调料啊？或者电工的话，是可能给你配备一双什么 ai 眼镜，然后去自动的去识别电路中的有哪些故障。 所以说的话这个 ai 更多的是一个辅助角色，而不是一个直接的一个解决角色。 比如说我们在前面就这这个这个职业中的话，可能更多的是比如说编程，可能 ai 就 直接替你去编程了，就是他直接可以自主的去完成。而在这个职业的话就是 ai 的 话，一般来说现在的以现在来看的话是不能去自主去完成的，所以说这个技术啊，所以说这个 这个技术这样的一个职业的话，他更多的是不可替代性，所以说他的技术性非常强。 而一些艺术，而且艺术职业的话，比如说什么画家呀，或者音乐家这些的话就比较明显。可能现在 ai 的 话就可以很多时候就可以去独立的去，比如说画一些画，或者是创作一些音乐。 因为 ai 本身就是对信息的一个压缩，他因为他学过很多信息，就是训练师们就拿就是网上的个 就各种数据吧，然后去训练这个 ai 的 一个模型，然后所以说他可以记住很多这样的一个信息，他看过很多画，他看过很多名，就是名画，比如说一些画家的一些比较著名的画家的一些画，或者说一些著名的音乐家的一些音乐，他都可以进行一个 呃，就是一个记忆，所以他可以进行一个拼接啊，或者说是什么呃，这样当然他自己也会有灵感的迸发，因为他也有思考这样的一个模式 可能经过一些强化学习啊，然后经过不断的这样的一个飞轮的迭代，所以说他可能会凸显自己的一个呃灵感的一个能力，所以说在这个艺术职业中的话，可能 ai 就 会更多的去替代 就是人的这样的一个呃这样的一个创作。所以说的话，这里的话就是稍微在 ai 时代，他可能是一些偏弱的一个技术的一个层面，所以说的话 我们在分析中的话就要去把握这样一个把握，这样一个呃就是题目中想传达给我们的一个意思，就是可能在这样的一个职业中的话，他他是怎么去受 ai 的 影响呢？这样的话 ai 是 什么样的一个角色？这样中的话怎么去应对这样 ai 到来一个挑战。 所以说可能每一个职业我们分析的侧重点不是很一样，这样的话就是呃相当于就是更分析问题更全面，相当于就是在三个职业就相当于就是覆盖我们这 ai 时代，就是不同的职业应该是怎么样去应对这个 ai 到来，到来的话我们要应该怎么去应对？ 然后的话接下来就开始进入到这个赛题的一个正题，这里的话也就是这个题的一个问题一， 当然我们在讲解中的话会把问题进行进一步的细分，因为每赛的话它其实是并不分问题一二三的，而是通篇的一个 呃，一个文字描述，这里的话，我们是去是会去分问题一二三，然后帮助大家更清晰的去看懂这个赛题是要我们去完成什么样的一个任务。首先的话这里也就是一个预测模型，因为我们需要去预测职业的未来， 就是这个职业未来。什么是职业的未来？也就是可能未来的社会中，然后有比如说有一百万人在工作，有多少人就是从事这个职业，多少人从事那个职业，也就是这个职业的一个就业人数， 就业人数的话也就是这个职业的一个未来，如果说未来这个职业就没有人就业了，那么它已经相当于就是这个职业已经就是失去了，就是不需要了，就是完全被 ai 取代了。所以说这个就业人数的话就是很关键很关键的一点。当然这里的话也可以用就业率， 用就业率的话就是相当于就是在做这问的时候，我们通篇考虑就是整整个赛题，因为不论是在后面的一些，后面的一些问题中的话，我们更多的是去分析 学校里面，就是学校里面应该是怎么去培养学生，所以说的话我们更多也可以去分析就业率，比如说 比如说在一些数学专业中就业率啊，或者说一些职业技术学院学院中的就业率啊，或者说是一些艺术专业的就业率，我们就可以去分析他就业率， 然后的话，当然的话这这里就是凭个人喜欢了。如果说，呃，如果说我只看问题一的话，我可能就是更多的去考虑就业人数，因为他毕竟就是直接关乎于职业的未来， 而如果说我们要去通篇，去整体的去考虑这个赛题的话，我们可能更多的去考虑就业率，因为就业率的话和这个赛题更息息相关一点，因为不论是我们在后面的呃，就是分析中啊，或者说整个赛题的分析中的话，可能这个就业率可能会更关键一点， 然后的话，然后这个赛题的话既然是预测未来，当然我们是有一个很关键的一个地方，就是预测， 然后然后的话，这里的话其实就业人数还有就业率的话，其实它是一个老生常常谈的一个指标，就是国家肯定是对这些就业人数啊或者就业率啊都是有一定的预测的一个模型的，就是 它是会受一些特征的特征的影响，比如说国家发展的 gdp 啊，或者说人口数量啊，或者说国家政策的一些量化的一些指标啊，就是可能我们去上 中国统计局啊，或者是一些国家级的网站，可能都会有对这些就业人数或者就业率的一个这样的一个呃相关的一些特征。我们利用这些特征的话来进行一个预测， 比如说这特征的话，比如说有一些 gdp 啊，然后人口数量啊，然后这些的话等等等等这些特征的话就就会去间接的去影响这些就业率。当然这些特征的话就是一些经典特征，就是在 不是不考虑 ai 影响的情况下，这些特征的话就是直接导致就业率，直接导致就业人数。当然的话现在我们这个赛题的话，其实更多的是去考虑在 ai 时代怎么去预测就业率，怎么去预测就业人数。所以说 首先我们在选预测模型之前，我们要首先去量化这个 ai 怎么去影响。 所以说这个问题一其实是两部分，一部分是预测，一部分是量化 ai， 所以 说我们要怎么去量化这个 ai 对 我们未来的就业率还有就业人数的影响？也就是我们需要把 ai 给它量化成，量化成 gdp， 或者是量化成人数这样的一个指标，就是把它量化成一个数值型指标，然后可以纳入进模型中进行一个预测。 所以说我们可以去，呃，通过查找文献啊，或者说然后我们可以去啊，当然不能自己去凭空想啊，因为自己咱们自己不是专家，所以说我们要去找一些文献做一些支撑，做些理论支撑，然后进行一个量化，比如说 当查找文献之后的话，会有一些什么 ai 覆盖率， 或者说是 ai 的 能力啊，这些东西可能在 可能在一些文献中的话，就是会提到这些指标，比如说 ai 能力。 ai 能力的话，也就是，呃， 对我们这些学生啊，或者说是一些职业人员啊，他的替代能力就是本身我本身我的能力值可能我可以完成百分之一百的工作，那现在 ai 过来了， ai 的 能力值很强，它可以完成百分之五十的工作，所以说我自身的能力只剩百分之五十了，就会渐渐的去影响这个就业率， 因为有百分之五十的工作不需要人去做了，所以说它也是一个很关键的一个因素， ar a a。 而 ai 覆盖率的话就在于就是在某一个行业中，这个 ai 它具体就是作为这个工具出现的次数，比如有一百个人，具体有多少个人去使用了这样的一个 ai 的 覆盖率，所以说我们这些指标的话，都可以通过文献然后去 去进行查找。因为这个 ai 覆盖率的话肯定是一个问卷的形式。当然的话可能你去中国统计局，或者说什么什么 ai 的 一些统计局的话，它肯定会有这样的一个数据，或者说文献中的话，它也会给出这样的一个数据，然后我们去炼化这两个指标啊，当然是 现在是思路的一个讲解，所以说到时候具体可能在写论文的时候，然后可能可能去找一些其他的指标，都是都是有可能的。这里只是举例子，我们需要去找一些指标来量化这个 ai 的 能力，然后接下来我们有传统的特征， 我们有传统，我们有这个传统的特征，还有现在我们量化之后 ai 的 特征，现在我们特征已经具备了，接下来我们要进行一个预测， 而预测的话，我们之前的一些预测的模型，比如说 l、 s、 t、 m 啊，或者说 gl 啊，这些模型的话都是一些自回归的预测，也就是 利用一个时间序列过往的一些性质，然后来对后面进行一个预测。而现而而现在我们有一些外部特征， 而经典的利用外部特征进行预测的模型的话，就比如说多元限行回归啊，做一个多元的一个限行回归 啊，或者说是多延非线性回归啊。当然现在的话肯定有一些比较呃好的一些模型，就比如说现在的鼎刊啊，然后或者鼎会啊，然后发了一些文章，就比如说 比如说这个模型啊， time s e r 啊，或者 s i transformer 啊，就是基于 transformer 这样的一个模型，或者等等等等。这些模型的话就可以纳入这些外部信息，比如说这个 ai， ai 覆盖率， ai 能力， 什么 gdp、 人口数，利用这些辅助信息来进行一个预测，就不单单的只去考虑它本身的这样一个数据特征， 就是本身的过往的什么季节性趋势啊，什么短期趋势啊，长期趋势啊，而去而他他们的话就会更多的去考虑一些外部的一些信息，去综合的去考虑，不仅只考虑自身，还考虑外部而进行一个预测。 所以说的话我们就可以选出我们这个赛题的一个主模型，也就是前面我们最开始说的就是前面可能大多数人都会掉入到 f t 这个陷阱中去。感觉这个题很简单，我们可以进行一个语文建模，画些图，画些表，进行一个分析。而我们的话如果说我们可以提出一个比较主要的模型 来支撑我们，来支撑起我们这篇这篇论文的话，当然就会呃，就是就会把，就是如果进行对比的话，当然评委肯定会给我们这篇论文更高的分数，所以说就会更好的去获奖， 而怎么去会而获奖的话，就在于这一步步的一步步的积累，就是当评委在看你这文章的时候，可能每一部既有什么比较主要的模型，然后比较亮，还有比较完善的一个分析的话，可能一步步的话就把其他的论文给他甩掉了，所以说就可以获得一个更好的奖项。 好，这也就是问题一的一个分析。问题一的话基本上就是两步，一步的话就是 ai 特征， ai 特征的一个呃量化，然后的话接下来就是一个模型的一个预测，这就是问题一，然后接下来我们来看问题二， 这也就是问题二。问题二的话其实就是去分为两问进行一个分析。首先 第一问的话这是第一小问，第一小问的话就是结合我们第一问，然后进行第一问的结果进行一个分析。因为第一问我们去分析的就业人数或者就业率，他的一个变化趋势，所以说你就可以根据那个结果去进行分析，是应当扩大还是应当缩小， 这个第一问的话就是一个起到一个承上启下的一个作用。所以说第二问的关键并不在于这个第一小问，而在于这个第二小问。 第二小问的话也就是我们需要去给学校或者说机构去提一些建议，这个建议的话就是去最大化这个毕业生的就业能力，也就是去教学校怎么去教学生。 然后所以说，呃，这个这个问题的话，就相当于就是一个也不能说班门弄斧吧，也只只能说去给学校去提些建议， 我们肯定不能去针对他的一个经典的一个教育策略进行一个修改，因为如果说我们不考虑 ai 时代啊，如果说我们不考不考虑 ai 时代的话，我们过往的中国教育经过这几十年的一个发展，然后肯定是比较完善的，因为 毕竟经过几十年的发展之后的话，这个政策呀或者是课程体系呀，肯定是都是都是为了去最大化这个毕业生的一个就业能力的。 所以说我们不能去，就是去抓着就是经典的一个课程体系进进行分析，而是要去抓着在 ai 时代下我们应该是怎么去调整，就是就是 我们不能否定过去的呃，它的一个过过去的课程体系的错误，而是要顺应 ai 时代去进行一个调整。 所以说，所以说怎么去最大化毕业生的就业能力，也就是去分析现在 ai 时代 ai 它是怎么去发展的，也是 ai 的 能力具体未来的发展趋势什么样的？比如说如果说 如果说 ai 的 能力未来是爆炸式增长，那么我们我们这个就我们这应该是怎么去调整这样的一个课程？我们可能就要去把 ai 至于核心，把至于课程的核心，然后我们要去去让这个毕业生都会去使用 ai， 这也就是我们未来的一个调整的一个策略。 所以说这一问其实也就去，其实也就是去分析 ai 的 发展趋势 为什么可以这么去转换，就是因为这个就业能力啊，这个最大化就业能力啊，其实我们之前的课程体系它本身就是已经很完善的，所以说我们只能说从从这个 ai 的 发展趋势来对其中的某一些点进行一个 调整，进行一个建议。所以说我们肯定要去分析这个 ai 的 发展趋势，然后通过这个分析的一个结果来对我们的课程体系进行一定的调整，所以说的话我们就要去分析，所以说这个问题就转化成分析 ai 发展趋势了， 而这个 ai 发展趋势的话谁也说不清。这个专家的话，有一些专家是知，有些专家是觉得 ai 的 忠实拥护者，他觉得 ai 未来一定是主流，一定是就现在的 ai 现在就基于传输方面这一套，这一套 ai 的 话就是未来的一个主流。而有一些专家的话，觉得这个传输方面他只是一个矩阵运算，他只是做了越来越大，非常大，然后把所有的信息都压缩进这个模型中，模型参数中，所以他只是记住了很多很多东西， 当以后，当以后这个模型大到一定程度之后，对所有的信息全部进行一个学习之后， 他可能就没有提升了。所以有有些专家的话，觉得现在的现在的 ai 只是一场泡沫，所以说的话未来这个 ai 的 发展趋势专家尚且不清，所以说我们作为一个学生的话，其实也不能妄下定论， 就是我们不能说我觉得未来就一定发展很好，或者说未来一定发展很差，然后我们又进，然后我又进行一个，进行一个建议，这样的话其实主观意识太强了，因为我们本身只是一个学生，并不是专家，所以说 我们自身的一个主观意识的话，其实无足轻重。所以说我们更多的是要去做一个全面性的分析。比如说我们假设我们可以假设三条道，三条道路，我们可以假设假设 ai 吧， ai 未来发展非常快，然后或者说 ai 未来发展是一个 缓慢的一个提升，或者说 ai 未来发展基本上就是已经要开始停滞，停滞不动了， 所以说我们可以针对这三种情况进行一个分析，相当于相当于我们我们本身因为我们确实并不知道未来 ai 会怎么发展，所以说我们可以 分为三种节奏，一种的话就是 ai 未来还会快速发展，一种的话就是 ai 可能就是缓慢一点，还有一种的话就是可能直接暂停了，总共分为这三种吧，这三种的话我们可以利用这三种趋势来进行一个拟合，比如说我们可以利用逻辑回归来进行来 来你和未来 ai 的 一个发展趋势，这里为什么选择逻辑回归而不选择其他非性非性的回归的话，比如说指数指数平滑，或者指数二次平滑，三次平滑，那些回归的话就在于， 呃，就是在过往文献中，或者是过往的专家的一些研究中的话，更多的话都是去采用这样的一个逻辑回归，也就是 c 个模型的这样的一个函数，就是指数的导数， 一般更多来说的话就是只采用这样一个指数的导数的形式来进行一个拟合，就是对，比如说动物的生长规律啊，或者说什么 gdp， gdp， gdp 的 发展规律啊，或者人口数量的发展规律啊，或者说各类这样一个自然指标的一个发展规律的话，其实更多的都是用到这这样的一个函数，也就是指数的倒数， 也可以说是逻辑回归，因为它本身这样的一个 s 型曲线的话，是更符合这样的一个事物发展的规律的，这样一个 s 型曲线的话也画画反了， 这样的话其实是更符合更符合事物的发展规律的， 因为它可能它肯定不会无限制的，它肯定不会无限制的这样的一个提升，它肯定会更多的是最终趋于缓慢。 所以说的话，呃，我们在选择模型的时候，其实更多的是要去呃有理论，理论支撑，因为在过往的文献中的话，很多专家都已经用这样的模型去进行一个拟合，所以说我们也要去选择这样一个模型，就是 就是我们要呃有理论支撑吧，不能自己去胡诌，这样的话肯定评委觉得自己可能可能会觉得这篇文章不严谨，所以说这就是这个问题二这一问怎么去解决的一个方法。 然后然后我们来根据这个模型的结果，然后进行后续的一个建议的一个提出，然后后面的话就是问题就是问题三了，就这一部分， 这一部分也就是问题三，其实在过往的美赛中的话，这个问题三其实是并不会显示的给你说出来，因为这这其实就是模型推广。 而模型推广的话在美赛中一直都很重要，他和国赛不一样，国赛的话可能模型推广是可能最后大家都是就是草率的这样的去写一下，可能模型推广也不占多少分。当然在美赛中的话，因为可能外国人啊，或者说美赛的评委啊，可能更看重于你模型的应用， 就是能不能在很多领域进行应用，是不是鲁班性，是不是很是不是很好？所以说的话在美赛中其实更多的去关注就是模型推广这这一节吧。然后的话在之前的美赛中的话，大家都是自觉的去做，可能题目中不会说大家只是自觉去做，但是在， 但是在这个赛题中就是直接把模型推广放到问题中去了，所以说大家可以就是针对这两个问题吧，就是去做一个，呃，就是一个分析， 就是分析一下，比如前面我们用的他们 s r 模型啊，或者用的逻辑回归模型啊，或者我们分析的 ai 的 发展趋势啊，是不是可以在其他领域进行一个应用啊？这也就是整个赛题的一个分析， 所以说在这样的一个相当于是美赛中最简单的一个题目中的话，就是可以去做很多文章，所以说这就是去展现我们自身队伍的一个亮眼所在，这样的话也就是更多的，然后让我们有更多的一个获奖的把握。 然后的话这个整个赛题的一个分析的话，这里有一个简单的一个总结，大家可以截屏去看一下，或者说暂停的去看一下， 然后看一下，就是就是就是这就是前面的一个赛题的一个分析的一个总结吧。因为前面讲的时候可能会有一些点可能会漏讲，或者说在讲的时候可能会有一些旺季所在，所以说大家可以去看一下这一部分，然后的话这也是这个赛题的一个整体的讲解。好的，谢谢大家。

好，这里是黄渤赛一，我是你们的赛一学长，欢迎来到这个大学成人之路，即思维方法之后的模拟篇视频将带大家用去年的数模美赛 c 题带大家快速过一遍实际的比赛流程。 比赛的第一步就是选题，选题呢，到时候你会你们会获得 a、 c、 d、 e、 f 六个文档， 这六个文档呢？大家怎么去选题？嗯，我这主要是讲两个大类方法，其实还有第三个，就是说你们可以去把六个题目全部丢到 ai 里面，然后问 ai， 但是其实我不是很建议这一类。然后呢，第一种呢，就是你们可以就是把这个翻译出来，这种就适合一定就是你们有一定基础的人。 那那你就能够从中文中看出来啊，因为其实一般来说都不会去看这个英文，因为太太那个了，然后你去看这个中文，然后去做这个整体的分析，但是这需要一定基础，也不适合小白，那么小白就适合哪种呢？小白就主要去适合我们去丢机构， 那么为什么我们要去用机构的美赛分析呢？怎么去找呢？这个企业很简单，你在 b 证直接搜美赛选择题分析就有一堆，就你发现有很多机构都是有这种选择题分析，然后他什么二零二五啊，这些二零二三都有，就是你会发现一到时候 一堆机构全在发这个好，那么为什么呢？因为我们最简单的人就会有很多人选， 懂吗？就是如果机构发假设我这个时候哈我在那个 b、 b、 d， 有 些人说，嗯，发题简单啊，难度是 f 呃，小于 e， 小 于呃 c， 然后小于 呃 a、 b、 d 啊，那我们假设这样发的，那你肯定会觉得大部分小白都会冲 f 去了，对吧？ 所以 f 就 变成了很多人选，因为会从众，就是你看这个机构他说谁简单，那肯定很多人选，当然也有一些是乱说的，但是，嗯，一般来说就是你去看那种播放量非常高的，他们一般来说就很多人选 好。然后为什么呢？因为这是一个基本的逻辑，就是我们获奖是按照比例去获奖，那么我们假设一下是百分之十的人有奖。好，这只是假设，因为实际上这个比例可能并不是这样的。 那我们假设，那假设我们 a 题的人有两千个人当选，那么我们最最终会有两百个人获奖，那 b 题的人假设我有十个人参选，那么我们最后有一个人获奖，在这种情况下，我们是选 a 划算还是选 b 划算？ 那肯定选 a 喽。为什么呢？因为这个其实我们可以去想到张张雪峰老师，他曾经说过，就是我们报清华的时候，哎，清华就招两三个人，也也就那样嘛，两三个人十个人报考，那为什么那两三个不是我呢？ 这个就比较抽象，就是你想哈选 b 选这种很很难的题目，才会有很少的人选嘛。那么难题吸引来他敢选？难题 两种可能，第一种就他真的什么都不懂，连那个分析都没看，就直接去乱选了，这种可能微乎其微，那么就第二种可能就是他肯定是高手。那么在高手如云的情况下，你怎么从十个人脱颖而出，变成这一个？肯定不可能啊，反而在两千个人中划水划到两百个人，那你肯定是有机会的，所以 这个分析建议就是可以去往机构，当然如果你去走这种 ai 的 话，嗯，为什么不推荐 ai 呢？其实，呃，还是那句话，呃，其实哈，不要相太相信 ai， 不要太相信 ai 是 个很重要的点，因为他说简单就真的简单吗？这个，这个真不好说。好，所以在这种评价指标下，我们最后选择题是，呃，建议你去看这个机构的视频， 当然哪个机构我我也不知道，你可以随便搜，到时候会有一堆的机构发，不然我我们应该是没空发。然后，呃，这是第一，这是选择题嘛？然后我们本次的模拟主要是以这个 ct 为这个， 嗯，模拟去去摸。然后当然如果你们还有其他想要去理解选择题的，我们之前也发过一篇那个推文，大家也可以看到在 b 站上，呃，我们之前的有发过一篇文章，你可以看一下，就是里面对选择题进行的一个分析。 同学好，我们今天为大家带来的是这个二零二四年美赛 ct 的 一个讲解，主要的目的是帮助一些新手或者说第一次参加这个美赛的同学如何更好地利用 ai， 然后拿到一个 h 或者 m 的 奖项。 我们为大家准备了一个根据往年的欧奖体验出的一个覆盖了 mcm 还有 icm 的 全梯形的一个梯子模板， 它里面包括优化、预测，还有评价、决策、网络等比较常考的一种题型。我们这个 t 值词它主要分了四个部分，第一个部分就是你跟它的题目，我们去选择一个合适的模型，在这一方面我觉得主要是不需要你去进行很多的创新，你只要选择一个能够解决这个问题的一个基础模型就可以了。 因为有的时候你创新的那些评委他反而看不懂了，会显得很很空很假，所以我觉得你可以，大家如果读过往年的欧奖论文，就可以发现，他其实很多选择都是一种很基础，但是效果比较好。比如说这个 l s t m 或者 r u 之类的，最创新的也可能就是抓加个 transformers 之类的了。所以我们这个模型的选择还有问题的分析，它主要就是围绕着一个基础的模型来选择，你把这个基础的模型写好了，拿一个 h o s m， 我 觉得问题不大的。 第二个就是论文方法的转型，你只要选好了模型，如果你之前没有听说过这些模型，比如说我刚刚讲了这个 r s t m 之类的，如果你没有听说过，你也不懂，没有关系的，我们可以让 ai 告诉你，这篇论文里面它会用 他必须要提到哪些部分，必须要写哪些部分，要画出什么样的图，他会告诉你对应的这个你完全不用担心，根据这个我们选择模型去写一个代码。 当然如果你要先写代码，然后看效果再来选模型，我觉得也是可以的。只是说如果对于小白来说呢，可以把这两个方法就先写论文再写代码也是可以的。但是如果你是这种，已经参加过很多次了，我建议你是先根据模型来写代码，看效果，然后我们再来选方法。 第四部分就是最关键的加载，毕竟美赛有这种轮盘赌的一个特性，如果你这个加载写不好，可能你连第一关都过不去。 它是根据一个你的加载来定你是 h 还是 s 的， 就先分这个，如果你加载写的不好，可能你就直接打成 s 了，后面看都不会看的。所以我们挑选这四个模块，它也不复杂，包括现在，其实所有我们就为大家准备好了，到时候只需要 ctrl c、 ctrl v 一下就 ok 了。我们现在来应用一下， 比如说我这里现在要进行二零二四年的二零二四年美赛的一个 i d c t， 这个赛道是 mcm 赛道，它是 c t。 好， 把具体的问题复制过来。这里我其实也准备了一个翻译的版本， 其实这个题他本身难度不是很难，他主要是我觉得问法是比较抽象的，我还是简单分析一下。他说让你开发一个能够捕捉比赛进程中点数的模型，目的是为了我们评价有两个定词比较关键词，一个是特定的时间， 还有哪位球员表现更好，也就说你要判断特定的时间，给一个球员量化出一个分数，用这个数学模型去比较他们谁的成绩更高。这个模型我们先把题目复制过来，我们直接可以应用在我们的题的词里面。 我建议大家不要一次性把四个问题发完，因为如果你发完，你的质量可能比较低，我们最好是一个一个的来。好，我们把这个整个都复制过去， 这个提示词准备是比较详细的，所以大家不要担心。好，我这里用的是机迷你，但是你用别的 ai 当然也可以，我觉得问题也不是很大， 它可能会比较久。好，它已经给出了结果，我们看一下它的 ct 的 分析的一个报告啊。首先是问题分析，我觉得这一块大家可以直接就粘到你的论文里面，因为这块不是很关键。 你看他的核心目标，刚我们也说了，他主要是让你去针对他在某一个特定的时刻去评价某一个运动员的具体得分，所以他要求你开发一个动态的评分模型，尤其是捕捉每一分后的比赛进程。因为我们其实可以看一下这个题目，稍微的讲解一下。我觉得这个问题里面最关键的就是第一问， 因为他要求你要在特定的时间去评价，那你其实我们可以说的直接一点，就是在某一个时刻，这两个运动员的比分就代表他们在这一个时刻的特定表现，但是这样对不对？肯定是不对的。因为举个比较简单的例子，如果我们说画这样一个图， 他可能说在这一个点，这个运动员的比得分比较低，但是你在这个点之后，这个运动员他的分数可能就一直走高，那你说这个点肯定是个转折点吧，就属于一种比较关键的点，但是他在这一刻的比分比较低，你能把他作为一个依据吗？肯定不行的，肯定不能直接说他表现很差，所以你肯定要考虑后面的分数， 这就是一个动态的评价标准，比如说可以用这个马尔克夫列来解决。所以说好，我们看一下他给的模型的选择理论。首先他说 筛选的原则是针对这个网球比赛的动态博弈特征，因为他这个问题本身考察的就是博弈论，他说不使用这个简单的加权球和还有这个基础线型模型，这个也符合我们刚在那个 prompt 里面要求说不要使用那种过于简单的模型， 主要是围绕着动态捕捉，因为他这个题本身就是要求你动态建模，因为他要求你在特定时刻，那你特定时刻还要考虑就前面的时刻对该时刻的一个影响，他选择的模型，这就刚我们提到的那个马尔可夫列，他说要捕捉这个 比赛当中刚发生的事件对心理影响的最大特征，我们可以先分析他的理由，再对这个模型进行一个选择。 那我们看下面他说模型选择的论证，主要是看这一点，主要是看点对于大部分不熟悉的模型，比如说你都现在没有听说过这个叉机 boss， 还有马尔克夫，不知道他是什么的，你就可以先看一下这个模型选择的论证。我们让他用这种最通俗的大白话来讲， 他说这个网球比赛是一个典型的非平稳随机过程，我们要模拟不同的球员对这个挫折的记忆长度。马尔克夫列是这个常客，因为确实我记得 哦，二四年的这个欧奖论文公布之后，就有一个好像用的是马尔可夫列，他确实属于一种比较常见，不会说。我感觉如果你拿出一堆很高大上，评委都没有听说过的模型来做的话，拿奖的概率是比较低的。如果你用这种过于基础，其实也不容易拿奖， 因为过于基础的没有必要，就是刚才说的我们不使用现行模型，所以马尔可夫列如果我觉得他推荐的是一个比较不错的模型， 他说对比这个基础的 a h p 评价，采用这个七度胜率加这个动态增量，他基础层使用逻辑回归或者这个叉级 boost， 这两个模型都属于比较基础的七度爱好， 让再在动态层引入一个石头，如果我们最后认可他这个模型，就可以直接进到第二个阶段，这里我们就使用他给的这个模型就马可变结合什么评价， 我们把这个第二文就是问题的文章的写作转过来，我们是按照它要求这个 i c i 的 论文写的标准来完成这篇论文。好， 建议你需要输出一下，我们就可以直接核心模型为上述 推荐的模型。当然如果你觉得它推荐的不好，或者说你想要更多的这个方法可以进行一个改进。我要求先输出中文，因为先看一下，如果到时候比赛的时候我们直接翻译就可以了。再看一下它分层的这个方法论 好，它主要就是围绕我们刚要求的 e w m a 还有 log file 来进行解决。主要是这一张你要放到我们的文章里面去，它不是有一个定义符号说明吗？这个大家可以直接粘过去。还有符号还模型的假设，包括理性跟必要性其实都是美赛要求的， 我们重点看这个模型的构建，它刚不是说了吗？一个要有两个模型，一个是基础模型，还有一个是进阶模型，主要是围绕 球员的静态球水平以及动态的心理势头共同驱动，其实我感觉他这个就属于在这种比较基础的模型上进行了一个创新的，因为马尔可夫这样可以做一个基础模型，属于是你选择两个评委都看得懂模型，把他们进行了一个组合，就是 a 加 b 加 c， 而不是说你提出一个大家闻所未闻的一个模型， 他说指数加强、平局移动，其实这都属于你技术的模型，你把他们两个组合在一起，它的效果是远远大于你去提出一种大家从没有听说过的模型的。好，我们回到正位继续看，他给出了 表现强度量化，也就是针对每一个球员他的得分来进行对他心理得分的影响。就像我刚刚不是说了吗，我们不能用这个简单的得分来 评价这两个球员，你还要考虑他在我们刚画的这个图，你刚刚在这一个时刻他的得分对他后续产生影响。比如说我在这进球了，我在这里拿到了一分，那我认为我又拿到了一分，那对我后面的影响肯定越来越大，越打越好的状态，所以说这一点你要考虑进去，我觉得是很合理的。 好，他说又提出了一个势头演化模型，还有这个胜利修正模型，然后我们后面就不仔细的看了，这个属于数学的呃范畴了，继续看，让他根据这个文章给我们代码，我们来输出结果 这里同样的， 我们粘过来它这个问，其实它有一个数据我记得，但这里为了我们尽快的展示，就不一一去罗列了。 然后我这里也没有用那个 pro 模型了，就为了方便 他这里其实就会给出一个，我们主要是从两个方面进行要求，一个是给出一个结果，第二个就是要求一个进行格式化，他的格式化，然后进行一个美化，因为比美赛他是比较看重这个图形的结果的， 这里我们设置了它的美化的一个风格。好，当我们这里完了之后，要进入最关键的一部分，要进行一个美赛的一个写摘要的写作，这里我们只有第一文，我们就拿第一文做个示意， 我们这里拿一个经典的欧响论文当成一个范文。好， 依然是让它根据理论， 我们这里主要就简单的展示一下，后面大家会用就可以，我到时候也会把提示词进行一个公布。 接下来就是给大家展示一下怎么画美赛当中那些比较漂亮的 结构图框图，还有模型的结构图这种。首先我们也是准备了一个比较详细的题词，还有我们之前用之前的那个 prompt 模板生成的一个完整的 ct 的 一个摘药， 这里我们要上传一张图片作为一个贩图，这里就随便选举了一个。好，我们这里使用这个 nublaba 进行一个生成，大家都是要选择一个这样的一个例图的， 他会尽可能的按照你这个意图去画，当然他有一个缺陷，就是一个不可编辑，我们不可以二创，不可以修改之类的，但是后面其实可以把它转换成一个另一个格式，是可以修改的，到时候我们也会给大家进行一个分享， 这个提示词也是比较详细的，很长。好，我们等待他给出这个结果。 好，今天其实他这个图还不是很符合我们传统意义上这个美赛的一个图片，因为传统美赛他不是 会画出很多的那种比较类似于框图，我们这个更多的是一种模型的结构图，所以我们这里也可以给大家展示下，我们换一个欧奖的模板，这里用一个比较传统点的，他画出来，就这样子就比较像那种框图了。

好，大家好，那这里是本次美赛 c 题目啊，第一问完整代码以及结果的讲解视频， 那本次这个代码呢，量是非常大的啊，因为这个 c 题目呢，数据库处理啊，包括后面这个实际求解啊，这个步骤是非常繁琐的啊，我收获都跟大家去讲清楚啊，包括这个数据处理之后什么样的样子啊，后面就求其结果，因为我们要得出那个投票数嘛，啊，就这个观众的投票数 啊，我都会一一的去给大家展示啊，请大家务必有耐心的把这个视频呢仔细的去看完啊，那目前第二问代码也是已经完毕了啊，等我后面把三四问全部解决完毕之后，我再给大家录一个完整代码的讲解视频吧。好吧，那么这个视频呢，就先给大家讲一下这个第一问吧。呃， 还有就是这个 a 题目啊， a 题目呢，第一问的代码呢 啊， a t m 这个完整代码我也是已经完成了。呃，一会我会再录一个视频给大家讲一下这个 a t m 的 代码，好吧，好，那么这个 a t m 和 c t m 完整原创论文以及相应代码和结果的说明呢， 大家可以看这个视频的评论区啊，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这两道题目的完整论文啊，即刻的代码。好，那么废话不多说，我们来看一下这个梅赛 c t m 的 第一问。呃，题目背景 好，包括这个思路呢，我就不用再给大家去多说了吧，因为我前面这两个视频呢，都跟大家讲过了啊，大家可以继续看前面讲个视频，我就直接从代码开始入手了，好吧，呃，首先我们带人第一步首先要去处理这个数据，我们可以看到呢题目给出我们这个原始的数据呢， 他这个非常非常长的这样一个宽表啊，什么叫宽表？就是他很宽，就是他这个宽度呢？大概是有 这个五十三列吧，应该五十三列，然后呢他这个行数一共是这个四百二十二行，然后包括呢这个题目后面有很多的关于这个数据的一些描述啊，包括呢这个数据的一些注示啊，比如说 n a 指是什么意思，那么进零分的是什么意思啊？ 啊？再比如说一共矮有四位评委啊，然后各种周次啊，反正各种中东西啊，那么这些呢，都是我们在数据处理过程中需要考虑到的东西， 能理解吧？啊？当然我们这个数据处理呢，在第一步的时候，我们最重要的是要把这个数据呢这个官表呢处理为一个适合我们建模的这样一个长表的格式啊。然后在这个处理为长表的这个格式的过程中呢，我们再去把每一个变量 啊，每一个数值啊，包括什么空值啊，零啊， n a 啊这些呢，都做统一的处理，能理解吧？好，我们来看一下这个具体的数据与处理的过程。 呃，还那句话啊，这道题目呢，还是比较复杂的。呃，目前呢，也可以看到网上各种满天飞的什么完整的每一问的代码呀，思路什么的都出来了，我只能说大家 见仁见智吧。啊，就是你这么快的速度，要是把每一问的代码和结果全部都得出的话，那这个质量你可想而知吧啊，总之呢，呃，我只做好我自己的这个代码和结果啊，呃， 好，大家自己去看一下我这个代码就知道了。好，我们来看一下第一步，呃，我们把这个数据呢先上传到这里啊，这是题目原始的这个数据 啊，这原始的数据，我们首先呢第一步先去读取数据，那么这对于原始数据数据中呢？啊，还有这个 n a 的 这个字符串的我们进行处理，然后呢清理列名，去除掉可能会有的空格，然后呢统一进行小写啊，这是为了方便我们后去读取列名， 接下来我们要去解析他们的淘汰周数，那么关于这个思路的方面呢，我们前面就免费思路的原因给大家讲过了，就是我第一问都用的这个模型呢，是这个 mcmc 啊，这个模型这个方案。那么在后面我不是给大家讲了一个这个 每一问的这个关键信息和一些雷区和注意点吗？啊，包括这个阶段一怎么处理百分比置，然后阶段三这个混合之家评为拯救， 然后在数据惊喜中的一些雷区我也给他讲过了。呃，这个呢，大家自己去看我之前的那个数字讲解视频就可以了，我在这里就不多做赘述了。好吧，就顺着代码去跟大家讲吧。总之第一问我们的目标不就是通过题目之后给我们的啊，这个他是否淘汰以及评委的 啊，这个评分啊，包括一些其他的各种数据来去推断出来，他最初时的就是反建构出他最初时的这个粉丝投票数嘛，对不对啊？这是题目要求我们的第一问要去做的这个事情，看一下题目第一问估算的粉丝投票数，好吧， 好，来看一下数据处理。呃，然后呢，接下来下一步呢，我们是要去解析他们的淘汰周数了，我们需要去知道每一个选手到底是在第几周被淘汰的，或者说他是进入了决赛，那么假如说他是没有结果的话呢，那么他就是说啊，坚持到了最后 啊，这是第一个处理，那我们把决赛的处理呢啊，决赛的这个选手呢？进行一个处理啊，就是说假如说 是这样的，那么他们说明他们参加了所有周四啊，我们可以给他们很大的一个数字，一直去表示他们直到这一季的最后一周他都在，那么这个最大数字呢？我就设置为九十九了啊，大家也可以设置为其他数字都行了的啊，都行的， 这个呢，我，我无所谓的，就是你随便设置一个比较大的数字啊，一一百多也行，总之代表就是说他们一直是重活到了决赛，能理解吧？ 好，然后接下来是应用这几级函数，然后我们构建这个长格式数据，去构建这个长格式数据表，我们获取一下它的最大周数，然后提取它所有可能出现的周数， 提取完之后我们去构建这一周这个评委翻数的列名和列表。那么我们这里是假设最多有四个评委，为什么要这样假设呢？因为题目呢，原初始的这个 数据说明里面我们跟我们说过了啊，就是这个 n a 值，通常用于一个，就是说第四位评委的分数啊，假如说这周没有第四位评委，就是一般有三位啊，就是意思就是说最大就是四位嘛，这么个意思。好， 显然在这里我们假设是最多有四个评委，然后提取这一周的分数，然后把这个 n a 值啊和控值呢全部处理 过滤完了之后呢，我们只在这一周有有效分数时候才记录该条数据啊，这周呢，我们就把那些被淘汰之后的周次，我们就自动过滤掉了，因为这个被淘汰之后的周次呢，他的得分都是零嘛，对不对？好，那么接下来就是个长表，他都包含一些什么样的这个 变量啊？一个是他的赛季，一个是他的这个周数啊，然后包括有这个原始列吧，他可以查啊，评委的总分，评委的数量，他是三个还是四个，有的时候可能是三个，有的时候可能是四个，然后呢？这个是本周 啊，由于结果被淘汰的，然后这个全居记录何人该时淘汰，然后呢？这是一个最终名次，这是一个预处理之后的数据啊，这是最终整理出来这个场表 啊，一共就这么几个变量，对，淘秒呢，一共就是两千七百多。行了。好，然后我们去提取它的技术信息表啊，用于这个我们的第三问，这个建模啊，我们一行这个处理就可以了， 处理完了之后呢，我们做一个比较简单的一个结果检查，然后保存这个结果就可以了，我这个结果呢，是保存为了一个域处理后数据啊，那么大家大家可以继续改这个表名啊，这我就不用读，跟大家读说了吧。啊，好， 呃，我们检测的最大周数呢，是一到十一周这个范围，假如呢，我们数据处理之后呢，一共是两千七百七十七行，然后一共是九列包含的总赛季数量呢，一共三十四个赛季嘛，根据这个题目来说， 然后我们检查两个具体的例子吧。啊，好吧，我们来看一下题目给我们的这几个例子， 这个结婚呢，是给我们了一个第一季第四周啊，这几个参赛者，他们最终的这个排名情况啊，排名情况和他们预估的这个粉丝投票数啊，我们就根据这个例子来做一下，来看下代码， 我们可以先看一下这个 s 一 啊，被淘汰的这个人啊，那么他呢是在第四周就被淘汰了，对不对？好，我们来看下代码， 所以呢，他就应该就是说运行完之后呢，他应该被标记为在第四周是淘汰的。其实大家可以看到呢，这个 week 四啊，就是第一赛季的第四周，那么这个人呢，就被标记为淘汰了，后面是个处，对吧？那么另外一个例子就是 s 一 的这个冠军 啊，就是这个评委评判排名的啊，这个第一哦。啊，他就是呢，一直没有被标记过淘汰啊，一直没有被标记过淘汰。好， 那么整个这个数据处理步骤就完成了，然后呢我们检测了一下这两个视力啊，也是正常的合理的啊，但是你们大家也可以去踩，就是说啊，使用一些其他的例子去验证也可以啊，也可以。 ok， 那 么在数据处理全部完成之后呢，我们就要去做这个 啊，实际的我们估算他每一个周四中产生的这个粉丝图飙数 啊，那么这部分的思路呢，我前面也给大家讲过了啊，就是我这题采用的这个模型呢啊，我最终采用的这个方案的是这个避风啊，也是个 mcmc 啊，就是求粉丝投票的这个概率分布情况。 好，我们做一下模拟，那么这部分的核心代码呢？我就不给他展示了，这个核心代码呢，也比较长，呃，也很难，那么这个呢？呃，大家都能拿到我这个论文和代码的人，自己去看就可以了。好吧，呃，我这我就不多赘述了，因为我要保证这个限量，我就给大家展示一下最终这个结果啊，那么最终这个结果呢，我们模拟完之后 也可以得到这样的一个结果，那么这个结果呢啊，我们可以做一些结果分析啊，这个非常非常合理的。然后这里呢，我们求出来其实就是他这个占比，就是投票的占比，大家能理解吗？啊，这是一个投票的占比， 因为我们这个种票数呢，他是不定的啊。这个是还那句话，这个题目在求解决过程中有许多我们需要去注意的点，大家千万不要去忽略啊，去瞎写，哎，记住， 可以看到就像网上各种满天飞的各种思路啊，什么代码视频啊啥的，可能有的很多人都没有讲到这个问题，这是个总票数呢，他是不定的，这是未知的，所以呢，他只是选择一个假设值去产生最终的正确排名，而且呢，这个总票数呢，是我们永远无法得知的，大家能理解吗？ 因为我们这个总收视率的是不定的啊，你，你这个总票数可能是，呃，一百万，有可能是一千万，这个没有人能知道，没有人能知道，我们在书学方面成层面的 最多最多就只能纠解出来他们的投票占比，能理解吗？啊？所以在纠解完这个之后呢，我们得到了他最终的这个结果啊，保存为这个，我们打开给大家看一下这个结果这个结果表格，那这就是他们最终得到这个结果表格啊。我们反推出来这个粉丝投票数， 那么当然了，这也就是我们得出来的这个反推出来的是粉丝投票的占比。投票的占比，那有人要问了， 可是人家题目要求的是让我们给出他们的粉丝投票数呀，对不对啊？人家第一位让让我们给出他具体的粉丝投票数呀，我们估算粉丝投票数呀，包括我们第二问，第三问也都是要用这个粉丝投票估算值和其余数据来计算呀。那，那那以现值投票占比怎么办呢？啊？没关系的，没关系的，这这个呢很好处理， 首先代码里面呢，我们再加入这么一段，把这个估算的份额呢去转换为具体的票数就可以了。那么怎么转换啊？其实就是根据它们的舒适率假设一下，假设一下能理解吧， 那它这个，呃，一般来说啊，这个电视节目呢，都是早期赛季是比较火爆的，那么后期是略有下降的，是我们可以设定为啊，早期的这个 s 一 到 s 十是一千五百万票，那么 s 十一到 s 二十是一千万票，那么后面的这些数是六百万票，那么当然在这个数值大家可以自己去先假设， 而且呢这个数值怎么假设呢？跟我们后面两三位的二三位的求解呢？是没有关系的，能理解吧？就后面二三位呢？有人可能要问了，那这个你假设为这么个票数，那么前面赛季是一千五百万票，后面是六百万票，会不会导致我们第二三问求解的时候，出现这个求解不一致的这个情况呀？ 对不对？这个是完全不会的，因为我们求解一个人淘汰呀，什么排名啊？这情况呢，都是在单个赛季内去完成的， 不存在说是你这一个第一个赛季跟第三十四个赛季进行对比，这个我情况的是不存在的，那样理解吧。啊，所以我们都是在这个单个这个赛季里面循行求进， 所以呢，当然你们也可以设置为 s， 一 到 s 三四都是稳定的，都是一千万票也行，都行，这个呢，我们只是想把这个投票占比呢去转化为他们的 绝对票数而已，这个呢，其实意义也没有多大，包括这个 a 多少万票，你们给黑市进行修改啊，拿到代码的到时候也可以自己去进行修改啊，我这里设置一千五百万票，你刚刚可以把它设置为你一百五十万票啊，这个这个你多减个零也行嘛。啊，这个这个影响都不大的， 因为我们题目上面给出这个意思呢，哎，他也这个票数呢，也是一个估算的，这个估算的好，我们转化完之后我们就可以得到这样一个结果，我们把这个结果打开给大家看一下啊，那这里就是转化之后的啊，这个总的票数我们拖到最后，我们也给大家看一下 啊，那这里就是最后的这个这一点啊，就是他们的这个投票总数了啊，啊，投票数，这这一点就是他们的投票数。好， 那接下来啊火美这个代码呢，就是做这个一致性的检验和确定性的检验了吗？对不对？这也是题目明确要求我们的，其实我们要去看一下啊，他这个一致性的度量啊，是否是一致性的，然后呢再一个就是呢，这个投票总数呢，是有多大的确定性？ 这个一致性度量呢？其实就是说我们这个求解第一问这个模型呢，是精准还是不精准啊？你要就一致性的很低的话，那证明你完全是错的嘛，你投票总数就关键是求解错了的， 就你根据这个投票总数我现在去计算啊，他还跟咱们的淘汰这个结果是完全一致的，比如说我们第一问的这个模型呢，是完全正确且合理的啊，这就是一致性度量的意思。另外一个就是说这个投票的总数呢，有多大的确定性 啊？就这个训练型呢，对于每一个参赛者，每一周或者是总是相同的，是否是总是相同的啊？提供我们一个训练型的度量，这个呢就是我们这个思路得兼独厚的一种优势，因为我们采用这个 mcsm 模型呢， 我们的确定性读量呢，就直接通过我们后延风格的这个标准差和执行区间呢，就会完全能够就直接回答其波中说提出的这个确定性的问题了。哎，所以这也是我为什么最终舍弃掉了其他两个方案。其实我们这个呢，在回答确定性上面呢，是一个非常非常好的一个顶级方案。好，我们来看一下代码， 那么这部不带马的实际确定性度量和一致性检验的这个核心结构，我就给大家展示了，我来开案就用这个结果吧。好吧，那么我在这里呢，我是哎 啊，就是查看了两个人啊，一个是第一个赛季的这个和第一个赛季这个做了一个一次性检验和确定性的毒粮，然后做了一个二十七第二十七个赛季的这个一次性检验和毒粮，那么我为什么会采用二十七赛季呢？啊？这也是根据提议 啊去确定的，就在这个提议里面呢，他是从二十八赛季不是开始变这个规则了吗？啊？二十八赛季开始变规则了，这是因为呢，我们前面中期的这个到二十七赛季发现这个可能啊，这个规则可能不太好或者怎么样的翻开，二十八开赛季不是变了吗？而而且这个二十七赛季呢，不是冲见出现了一个争议吗？就这个人 啊，可能就是因为它出现争议啊，所以最终导致二十八赛季这个规则改变了，所以我们呢最好呢是把二十七赛季呢啊去做一个展示啊，当然你们采用其他赛季也行啊，也行，那我这里给大家展示一下这个第一个赛季的吧。啊，二十七赛季我就给大家展示了，那我这里就会生成一个第一赛季的这样一个趋势图 啊，这就是一个不确定性范围的这样的一个呃呃，图啊，然后这里是他们的不确定性的热力图啊，这是他们的不确定性的热力图， 颜色越红，那就是表示他越不确定啊，那么颜色越淡呢，就是表示他越确定啊。大家这就是完美回答了这个节目中所提出的这个问题啊，一方面我们的一致性呢，全部检验完毕了，再一个呢，我们也就确定性 啊，我们给出了注量啊，也计算出来了啊，然后呢，对于每一个参赛者或者每一周出是否总是相同的，那当然不相同了吗？对不对？那代码这里面热力图都已经给出了吗？每一个这个人啊，每一周他的这个确定性的注量都不一样，我们热力图也获取出来了， 那就完事了啊，二十七赛季的我就不给他多展示了。好，那么第一问完整的这个代码和节目呢，大致就是这个样子啊，我们把第一问的所有决定目标全部都学完毕了，对不对？再来回顾一下啊，这个我们也纠结完毕了，这个也纠结完毕了，这个也纠结完毕了，全部完成了。好吧，呃， 那再给大家说一下，到时候大家拿到我的这个代码和论文的人呢，这个所有代码图片的颜色也都可以进行修改啊，那么关于这个代颜色怎么修改，我到时候在代码里面也都会有注置， 大家到时候拿到我代码和这个代码操作视频的人呢，自己去看就可以了。好吧，那关于问这个完整成品论文和代码的书们，大家可以看这个视频的评论区。 呃，我预计会在明天中午，也是一月三十一号中午左右就更新完毕。呃，美赛 c 题目啊，完整的原创论文签代码和结果，那么到时候呢，也会有一个完整代码和论文的详细视频，那么这个视频呢，只是给大家讲一下第一问， 希望能够帮助到大家，特别是关于这个数据处理部分。呃，希望能够帮助到大家吧，好吧，那么就说到这里吧，呃，谢谢大家。

这里是岁月肩膀老哥，我是你们的阮老师。那么啊，我们是已经获取到了跟 a 题题目直接相关的大部分数据，那么是可以直接用于 a 题的直接模型验证的 啊，那么很多同学应该是比较苦恼这个数据该怎么去收集，感觉这个数据很好收集，但是，呃，想真正整理起来还是挺麻烦的，对吧？好，那么，呃，我这边是 啊，编写了一个脚本，然后把这些数据都整理了一下。好，但这个脚本大家都知道，所以这个也不能发给大家了。 呃，你们如果说有这个技术能力的话，可以自己去写一个脚本，然后去获取一下对应的数据啊，基本上就是相当于把网上的数据给它爬到一块，然后给整理起来了。好，我，所以我们这个数据量非常的大啊，大家可以看到我们比如说这个不同场景下的这个电池电量变化，我们的数据量 啊，都是万级别以上的，那这个的话，你基本上你在同类级别，应该在全网应该是找不到第二家的，对吧？好，那么其他的对应的数据，我们最少都是有几千组数据的，所以这个啊，大家去做对应的一个第一问这个模型验证，对吧？那么第一问你看啊，第一问的要求不是这样的吗？ 他要求我们去呃数据作为支持，而非替代，您可以收集或使用数据进行参数估计和验证，如果开放数据有限，您可以使用已经发布的测量或规格啊，前提是参数得到明确验证。好，那实际上就是 你第一问做的这个模型，然后你用真实的实验数据去测测得你这个是相当于，就是 啊验证一个模型是对的吗？好，那么大家来看一下，所以我们这个数据就非常之多了，对吧？比如说我随便，呃，我随便列，列一组，我就列这个不同场景下的一个，呃，电量使用。好， 那么大家来看一下。好，首先第一个是时间啊，对吧？好，然后对应的 soc 啊，然后我们的一个电池总容量，然后我们的温度，然后我们的状态啊，然后我们的状态，然后我们的电池容量，好，然后那么 这边可以看到吧？是不是啊？这个是我们的系数，好，全部都在，是不是？那么以及你到底是什么样的状态 啊？我们这个待机，然后不同的时间，所以不同的组合，各种各样的一个参数组合，我们这边全部都是有的，就是所有的组合我们全部都是给你爬到了， 你想怎么分析就怎么分析，没有任何的问题。明白了，你说我想分析一个特殊的路，加一个特殊的状态，再加一个特殊的电池容量，再加一个特殊的系数，再加一个特殊的，呃，什么？什么？呃， 这个初次容量，等等，你看初次容量，我们这个参数组有多丰富呀？这个相当之丰富，好吧，所以这个我大家完全不用缺数据了，那么 a 题，嗯，基本上这套数据就够够你们做的了，明白了吧？完全足够你们做。好，你看，那么我们浏览了一千多组， 那现在到网页，网页浏览场景了，是吧？好，那网页浏览场景那也是各种各样的参数，来回组合一遍。 好，然后我们再往下，那就视频播放场景，那么视频播放场景再往下，那么对应的其他的场景，好，完全一样的道理，是不是？好，那现在来我们来看一下啊， 从第一个开始，我带大家仔细去看，那么第一个是不同电池容量下的一个电池行为数据， 不同电池容量这地方有，以及对应的各种各样的一个行为，他们的容量到底有多少，是吧？好，第二个不同老化程度下的一个电池的行为数据啊，不同老化程度啊，大家可以看一下， 好啊， u usage 啊， scenery 啊，对吧？不同程度的老化好，然后不同使用场景。好，那这一块，其实这个相当于也是在网上呃，获取到的，然后整理在一块的，那这个是什么意思呢？大家来看一下，这个就是 题目中啊，这样一问，那如果说你找不到对应的一些数据吗？对吧？啊，那么可以用什么呢？可以用已发布的测量规格啊，或者一些参数。好，那么这边啊，我就是根据啊，网上绝大部分啊，那些所谓的科技博主测的一些参数。好，好， 这些工具单位都是好安啊，好安，这个确定一下，我这个我没在单位了。 好，最适合列宽，然后这样子，你看你不同不同的使用场景下啊，他们对应的 啊，不同的功号，比如说你是待机的时候，待机的时候你总功耗，你就一个基础功耗，对吧？你屏幕是黑的，你又不使用 app， 然后网络的话，网络话虽然用，但是你基本是处于待机状态，所以功耗几乎可以设计为零，对吧？好，你网页浏览 啊，网页浏览我们不考虑带定位带等等其他的静态网页了，那么视频播放，那么声音是不是有，对吧？那摄像头不需要，对吧？好，拍照啊，摄像头要，对吧？那 gps 不 需要， 音乐播放等等。好，这个是绝大部分场景，当然我不可能说把有些用户那种特殊的使用场景，就是他可能浏览个网页，然后又听歌，然后又拍照的，那这种网页一般也比较少，是不是？好？ 然后再回过头来，我们再来看一下不同场景下的一个电池容量，在这个地方啊，可以得到，是不是完全一模一样的啊？完全一模一样的， 而且为什么我要整理成这样呢？我是特地结合了我们这个题目的实际需求，然后呢？这些字段都是我单独去设置的，都是我单独去设置的，明白了吧？ 好，然后将他们整理起来，那么大家做题的时候也方便一点，那要不然的话，你像有些人，他整理数据整理的一堆乱七八糟的，然后你根本不知道哪些有用，哪些没用，对吧？我找的这个数据所有的都是有用的，明白了吧？就 多就是那些没用的数据，我就直接剔除掉了，我找的全部都是能够用于我们直接做题目验证的，比如说你，你画图，你很简单，你直接把这个题目一画，嗯，来，比如说这个啊，视频播放，嗯， 怎么看呢？这个参数量啊，这个你到时候可能要拎一下了，对吧？要，要塞一下啊，不同不同参数情况下，它的一个，它的一个情况是不是好把它整理出来？好，那这个主要就是我们现在的一个大致方案，好，没问题吧？ 啊？然后最后啊，不同温度下的一个电子用量变化啊，不同温度下好，大家可以看到 时间， soc 啊， power， 然后 temperature 使用场景，然后我们的电池容量啊，对吧？啊，以及我们最后我们的系数好，所以这地方都是有的， 是不是啊？都是有的，好，所以这就是我们啊给大家准备的数据啊，所以大家也不用担心说啊，这个数据找不到了，不会做了，是吧， 所以 a 题啊，可以完全做了，放放心大胆的去做啊，没有任何问题的，明白了吧？啊，如果后面数据使用觉得，哎，什么地方出问题了啊，可以在互动区或者说直接在我们的这个群里啊跟我说 啊，然后我会及时的给大家去修正啊，因为啊，爬取的时候可能会出现一点点啊，脏数据进去都有可能啊，但是注意我这个数据是， 嗯，绝对没有缺失值，我检查过了，明白了，所以你们没有必要在上面去做太多的数据处理啊，所以这一点大家注意啊，行吧，好，那这个就是我们目前 a 题的所。