轻保研推出了VIP全流程辅导班，专注为大三的同学走好“保研最后一步”，同时为大一大二的同学提供了先人一步的机会，关注轻保研，回复【VIP圆梦班】了解VIP圆梦班的详细概况～
欢迎来到【推研小灶】栏目！在这里，我们邀请成功保研的学长学姐们分享他们的宝贵经验和故事。从申请准备到面试技巧，每一位学长学姐都将为你揭示成功保研的秘诀和路径，为你的保研之路提供有力的指导和启发。让我们与你一起追随他们的足迹，共同探索向理想研究生院迈进的道路。
轻保研
研途小灶
保研经验分享
写在前面
在激烈的保研竞争中，我选择了一条与众不同的路径——全程all in一个导师。这段保研经历中，遇到了鼓励与挫折，坚定与迷茫，但最终成功申请到中国科学技术大学的信息科学技术学院。这一切不仅得益于自身的努力，更得益于亲友的支持和导师、师兄们的指导。以下是我的详细保研历程，希望对你有所帮助。
01
我的保研奋斗历程
01
个人情况
- 背景：末二
- 排名：2%
- 英语：六级539分
- 科研：一项国家级大创（已结题）负责人，三篇SCI论文（两篇JCR Q1，一篇CCF C）共一
- 竞赛：一些程序设计类（非XCPC）和创新创业类的比赛，获得国奖和省奖（实用性不大）
- 最终去向：中国科学技术大学 信息科学技术学院
- 保研意向：不考虑直博，接受学硕或专硕，最好是AI方向
02
前期准备
一开始我的目标是浙大软院，联系了一位几年前保去浙软的师兄了解情况。结果师兄建议我冲浙计和清北，但我知道这两年CS保研竞争越来越激烈。另一位师兄建议我看看中科大，特别是6系和10系的AI方向，这对我产生了很大影响。我决定转向中科大。
02
保研经历
01
中国科学技术大学
在向一位师兄了解情况后，我更加坚定了去科大的目标。在师兄的帮助下联系上一位导师，随后导师安排了一位博后师兄面试我。面试前几天，我疯狂地准备了PPT，回顾项目细节，复现了几百行代码。
面试中，问的问题主要围绕PPT中的项目细节展开。比如：
1、如何理解“相较于卷积block，Transformer encoder block可以捕获全局信息和丰富的上下文信息”？
答：Transformer encoder block通过多头自注意力机制建模特征间的关系来获取全局信息和上下文信息，而卷积block是通过滑动的卷积核提取局部信息。
2、Transformer相较于CNN有哪些优点？
答：①适配大数据的能力更强；②迁移到下游任务的性能好，适合预训练；③统一了跨domain的建模范式，适合多模态大模型。
面试结束后，导师给我打来电话，确定了我的录取意向。整个过程非常高效，暑假在组里师兄的指导下做了一些工作，几乎没再准备保研相关的事情。
02
中山大学
- 背景和准备情况：因为拿到科大的口头offer，拒绝了天大和北师大的面试，决定参加中山大学软件工程学院的夏令营体验一下。刚考完期末，几乎没有准备。
- 学院概况：中山大学软件工程学院是一个比较新的学院，老师较少，招生名额也不多。大部分老师都有海外留学背景，年轻且易沟通。
- 面试过程：每人约20分钟，包含3分钟PPT自我介绍、概率论、数据结构、计组和操作系统问题（考核内容广泛，包括数一、408计算机学科专业基础综合、C/C++等），几乎毫无准备，专业课表现不佳。此外，还朗读并翻译了一段英文论文摘要，回答政治问题和老师自由提问。没有被问及与论文内容强相关的问题，唯一涉及图像分割的回答是关于Fast Segment Anything和OneFormer。
- 面试结果：专业课表现欠佳，最后考核合格（候补）。9月29日系统开放录取，12点59接到中山大学软件工程学院电话，放弃录取。
03
天津大学智能与计算学部
背景和准备情况：申请了天津大学智能与计算学部的夏令营，但由于拿到科大的口头offer，拒绝了面试。
学院概况：天津大学智能与计算学部是著名的海王营（拥有千人QQ群）。
04
北京师范大学人工智能学院
背景和准备情况：申请了北京师范大学人工智能学院的夏令营，但由于拿到科大的口头offer，拒绝了面试。
03
预推免
01
四川大学计算机学院
背景和准备情况：报名了四川大学计算机学院的预推免，因是线上面试，决定参加。
面试过程：包括1分钟自我介绍，朗读并翻译一段英文，回答一道专业课问题，综合提问（论文和项目）。面试过程很快，参加面试的人很多。
机试过程：使用川大自己的评测系统，支持C、C++、Java和Python，IOI赛制。全程白板写代码，时间一个小时，两道题，一道BFS，一道位运算+模拟。我AC了第一题，第二题得了部分分。
面试结果：面试结果不公布，考生需在研招网的推免服务系统填报川大。面试结束后，被拉进一个新钉钉群，全员禁言。
04
人工智能常见面试真题整理
01
计算机视觉
Q
如何理解卷积神经网络中的池化层作用？
A
池化层用于下采样，通过取局部区域内的最大值或平均值来减少特征图的尺寸，同时保留重要信息，降低计算量和防止过拟合。
Q
什么是数据增强，如何在图像处理中应用？
A
数据增强是一种通过随机改变图像的亮度、对比度、旋转、裁剪等方式，生成新的训练样本的方法，有助于提高模型的泛化能力。
Q
ResNet网络中的跳跃连接如何解决梯度消失问题？
A
跳跃连接通过直接将输入传递到后面的层，允许梯度直接通过这些连接反向传播，有效缓解梯度消失问题，帮助训练更深的网络。
02
机器学习
Q
支持向量机（SVM）如何处理非线性问题？
A
SVM通过核函数将低维特征映射到高维空间，在高维空间中找到线性分隔超平面，从而处理非线性问题。
Q
随机森林与决策树的区别？
A
随机森林由多棵决策树组成，通过对每棵树进行训练并结合它们的预测结果提高模型的稳定性和准确性，减少过拟合风险。
Q
如何选择模型的正则化参数？
A
通过交叉验证的方法选择正则化参数，在训练集和验证集上进行多次实验，选择使模型在验证集上表现最好的参数。
03
自然语言处理
Q
什么是词向量，如何生成？
A
词向量是将单词表示为实数向量的方法，常用的生成方法包括Word2Vec、GloVe等，通过在大规模文本语料上训练获得词的向量表示。
Q
LSTM与GRU的区别？
A
LSTM有三个门（输入门、遗忘门、输出门），而GRU只有两个门（更新门、重置门），GRU结构相对简单，计算量更小，但在某些任务上性能略逊于LSTM。
Q
Transformer架构的优势是什么？
A
Transformer利用自注意力机制建模全局依赖关系，具备并行计算能力，相比传统的RNN和LSTM，训练效率更高，适用于大规模数据和复杂任务。
以上就是学长的经验分享，这些干货全部收录于我们的保研资料中，想要获取更多保研干货，可以看看我们新推出的《轻保研·一步到位资料包》！
7 大核心资料包，全方位助力保研成功！
全面覆盖：
1、保研理念指南：从基础到高阶，全面解析保研流程和时间节点。
2、一站式备考宝典：专业课复习资料、常见面试题库，备考无忧。
3、英语口语大师手册：口语技巧、实战策略与题库示例，轻松应对英语面试。
4、前辈经验秘籍：100+位学长学姐的亲身经验和成功心得，一手掌握。
5、保研面试共题攻略：院校专业问题详解，实战计划与答题技巧，面试无惧。
6、文书模板框架：个人陈述、简历和文书模板，完美呈现自我。
7、机试知识模板：ACM模板、机械技巧和算法经典，让你脱颖而出。
05
总结
保研终于尘埃落定，感谢关心我的父母和老师们，感谢一路上给予我帮助的师兄们，你们的热情和耐心真的令我难忘。感谢支持和鼓励我的小伙伴们。最后，祝考研的小伙伴们成功上岸梦校，祝就业的小伙伴们拿到满意的offer，祝大家都有光明的前途！
突破备考难关，拿下保研offer！
在公众号后台回复【一步到位资料包】或者扫码上方二维码领取《轻保研·一步到位资料包》，一研为定！