AI 总结中国科学技术大学网络空间安全本科，GPA约3.5+、排名20名以后，无国奖，有微软亚洲研究院与上海人工智能实验室OpenMMLab等实习及大模型全链路工程经历、大量论文阅读与开源产出。原计划MSRA与中科大联培博士因实体清单政策取消，转而套磁并参加清华叉院、人大高瓴、北大信科、中科院自动化所、上海AILab等考核，pjlab多轮技术面试后给出口头录取。九月底选择上海交通大学人工智能学院与上海AILab联培攻读博士学位。提醒勿完全放弃课业追科研。
我中科大网安学院21级，GPA 3.5+，rank 21/84，比赛很水无国奖。最终去向：上交AI学院学博（pjlab & OpenMMLab）。方向是LLM高效预训练、RLHF、大模型Reasoning。
🔴 基本情况：rank 真的不重要吗？
我说"rk不是很重要"是有前提的。科研素养（insight、论文积累）和项目实践才是最稀缺的能力——但这话只适用于已经攒够筹码的人。
两段核心实习：MSRA Beijing 两个月，做可控文生图轻量化，用 MoE 把 Stable Diffusion 可控网络压缩几十倍还涨点；上海ailab OpenMMLab 一个月，从无到有训了自己的 1.5B 大模型，数据合成过滤、infra、预训练配比、SFT、DPO 全流程一个人跑通。夏令营老师主要逮着这两个问，技术细节多到能叭叭二十分钟，没给老师们问我GPA的机会（bushi
但说实话，"没给机会"是结果，不是策略。我大二上进组至今在高校实验室四处乱窜，联邦学习、差分隐私、传统CV、Efficient AI、强化学习、推荐系统大模型、多模态大模型、视频理解与生成……主流AI方向基本摸遍。300+篇 paper 阅读，几十篇 survey blog，GitHub 和 Huggingface 十余个 repo/model/dataset。这些才是底气。
⚠️ 但GPA与科研这个 trade-off 很难 balance。学弟学妹还是要兼顾一下GPA，不要学我 all in LLM，确实有点冒险。（吐槽：不过假使我科大 rk1，好像也没有更好的去处了）
🔵 保研意向变动：MSRA 飞来横祸
网安学院保研率 80%+，大二就定下策略：GPA>3.5 即可。高年级开始异常懒惰，课内快翘光了，上课抱 paper 读，考前两天快速拟合资料。编译原理、密码学、计嵌 PPT 超级多，没看完就匆匆上考场——幸好老师出卷仁慈。
大二上第一次进组，本校计科张兰老师，隐私计算方向。兰姐人很 nice，刚生完娃还不忘指导我们。但 22 年 ChatGPT 横空出世，我和朋友成天讨论 AGI，隐私计算吸引力确实比较小，逐渐对 AI Security 没了兴致，也放弃了网安院老师们的陶瓷。
转型期像大模型预训练的 loss 曲线，开头直线下降，后面平坦的尾，loss 眼瞅着没降，但泛化性越来越好了。刷完李沐动手学深度学习、李航统计机器学习（现在看用处不大），读 paper 还是读 paper。做了工业级落地项目，深觉学院派与工业界差距之大。
简历上攒了四五个单人项目：大模型量化蒸馏、监控重识别&向量数据库、RL agent、kaggle 小比赛、Math LLM、视频理解等等。开始陶瓷！
但 2024 年 5 月，中科大被美国列上清单，MSRA 联培博士项目突然流产。5 月了还没找过老师，形势非常不利，完全陷入被动。尝试联系 THU 贵系，刘知远唐杰下面都是大二就开始进组考核的预定哥，有点幽默了。
有点慌了，保命要紧，开套！
🟡 套磁 THU、RUC、PKU、PJLAB
成功的：清华叉院、人大高瓴、中科大大数据、中科院自所、北大信科、上海ailab
没成功的：清华 KEG、北大 yuan-group（真是我配不上的地方
本校大数据 LDS 实验室：何向南老师主导，王翔老师超级 nice，学术强悍，翩翩君子之风，还能放阿里 Qwen 组实习。趣闻：外校夏令营碰到的科大同学，莫名其妙好多都有 LDS 实习经历，蝌蝻轨迹总是如此相似。
人大高瓴 AIBox 赵鑫老师：严谨认真，对 LLM 真的饱含热情，组内文娱活动超级丰富。线下聊天时他非常得意地给我 show 马上准备发表的工作——llama3 8B 持续预训练还能涨点，相当硬核。我设计 1.5B 模型语料配比时受他影响很大。人大高瓴全体转向大模型，很有勇气和毅力。
清华叉院赵行老师 MARS 实验室：清叉定位奇怪，院不大但做啥的都有，量子信息、金融学、控制论、强化学习、TCS 济济一堂。文章理论味好重，真做 NLP 纯 LLM 的不多，过去八成又要换方向。
北大信科：整体 AI 不如清华（逃）。文科强校，老师语言表达功底突出卓绝，多模态很强。但方向不 match，而且整个信科都在昌平区……昌平，哒咩！
上海ailab：投着玩了一下，不晓得为什么是 MMLab 而非 GVLab 联系我。创始人汤晓鸥，没去成 MSRA 那 kaiming 名扬天下的地方，在这里勉强和恺明佬攀攀关系（bushi）。
pjlab 面试是我经历过最专业的。前两轮都超过 1 小时：讲 ZeRO 和各种并行策略，kv cache 和 decoding 原理，pytorch 分布式基础，解释 PPO 细节，SFT 数据合成和质量评估，多模态架构分析，LLM RAG & function call，前沿看法，手撕 lora 和 SD unet 代码，简历项目挨个问。一面工程师、二面研究员、三面大 Leader，底裤都被看光了，毕生所学都要说完了。面完就给口头 offer，非常干脆。
后来去实习，显卡嘎嘎多，有数据积累和 infra 分布式经验，周围资深工程师，还能恰工资。看到联培博士本科已手握好几篇顶会一作，更加佩服。
9 月底，漫长而幸福而痛苦地斟酌后，选了上交 AI & pjlab 联培博士。
🟢 直博 or 学硕？
我更 prefer 直博，没考虑科大保研很大程度因为 USTC 几乎不给直博名额，只给学硕。
个人性格与研究兴趣，更愿意在科研上走深远。读博意味着更深耕耘、更持久动力。偏功利考量，LLM 方向最好还是读个博，没有几篇拿得出手的 paper，在大模型公司怕是好的实习都找不到。
两年试错后找到了热爱方向，每天保持 1-2 篇阅读量，上头时一天十篇。如果没有热忱，不敢相信自己会自发做到——我可是上课无聊就会完全不学只等期末复习的人。
硕转博给自己留退路未必是好事。贪心算法只能保证局部最优，未必全局最优。可能不按博士标准约束自己，做起事来畏首畏尾，未尽全力，反而遗憾。
📅 All in AI？
大一迷茫，看就业分析文章前景拔凉。感谢科大平台，最大帮助是赐予一批志同道合的小伙伴，非常上进，笨拙而友善，擅长互相学习。从朋友身上所学，比学院培养计划所教多很多。这才是我的大学。
All in AI 受计科好朋友罗神影响。他强大的项目动手能力、论文吸收速度、分析问题的 insight，给大二的我极大震撼。见贤思齐，开始亦步亦趋效仿。（虽然他也放弃课内，但 GPA 比我高太多了……我就是单纯学歪了，我错了，我反省）
他对我最大影响是对 AGI 的信念感，不是人云亦云的随大流，确实建立在一定论文积累上。
（做 AI 其实蛮快乐的，日常吐槽刚出的某某大模型文章咋又在灌水，机器之心又开始标题党了，bushi
💻 Reflection
最重要的是科研 taste 和分析问题的 insight（再来点适当的高绩就完美了）。二者需要不断亲自试错和勤勤恳恳大量积累，不能一蹴而就。
理论上最优解：大二联系清华刘知远、唐杰进组，猛猛卷两年。但那样超累的，我也没那么聪明，感觉坚持不下来。（那时候的我还在吭哧吭哧做隐私计算呢，啥也不知道，一问一个不吱声，哈哈哈哈哈哈）
时也，运也，命也。
⚠️ 一些话
上方是 AI 整理的精读版。原作者亲笔写的完整经验贴 （含更多细节、原始语气、问答互动）仅对会员开放。 升级后即可解锁全站全部经验贴，不限次数阅读。