这次申请南大 LAMDA 实验室直博时，我的背景比较偏科研型，材料里最重要的不是经历数量，而是机器学习方向的连续性。我的本科是清华大学计算机科学与技术专业，人工智能方向，GPA 3.98，专业排名 2/156，约前 1.3%。英语成绩是六级 612 分、雅思 7.5。
科研经历主要围绕机器学习展开。我参与过 1 项国家自然科学基金重点项目，做深度学习可解释性研究，是核心成员；以第一作者身份在 NeurIPS 发表过 1 篇机器学习可解释性方向论文，以第二作者身份在 ICML 发表过 1 篇强化学习方向论文；另外有 3 项发明专利申请，都是学生第一发明人。
竞赛方面有 ACM-ICPC 亚洲区域赛金奖、全国大学生数学建模竞赛国家级一等奖、中国高校计算机大赛人工智能创意赛国家级特等奖。项目经历里，我重点做过基于注意力机制的可解释性深度学习模型，用于缓解医疗影像诊断中的黑箱问题，准确率达到 97%；也搭建过强化学习自动驾驶仿真平台，用来实现复杂路况下的安全驾驶决策；还参与过自然语言处理情感分析项目，负责多模态数据融合算法优化，F1 值提升 22%。奖项包括 3 次国家奖学金、2 次清华大学特等奖学金、清华大学本科生科研优秀奖、ACM 竞赛专项奖学金和北京市优秀毕业生。
确定直博南京大学人工智能学院 LAMDA 实验室，导师是周志华老师。整个申请中我一共拿到 5 所院校或实验室的直博 offer，也放弃了麻省理工学院 CSAIL 实验室直博机会。选择南大 LAMDA，主要是因为它和我个人的学术规划、机器学习可解释性以及团队研究方向更一致。
我只参加了夏令营，入营后拿到直博优营；后续没有再参加预推免和九推。直博申请和普通硕士申请不太一样，老师更看重你是否已经具备稳定做研究的基础，以及未来几年能否持续围绕一个问题推进。
夏令营阶段，我投递并参加了南京大学人工智能学院 LAMDA 实验室，入营后拿到直博优营。清华大学计算机科学与技术系、麻省理工学院 CSAIL 实验室、上海交通大学人工智能研究院、浙江大学计算机科学与技术学院也都入营并拿到优营。
这些结果里，南大 LAMDA 对我来说不是“保底”选择，而是研究方向最贴合的选择。机器学习可解释性、强化学习和多模态学习这些经历，都能和 LAMDA 的研究传统连接起来，所以最后做决定时，我更看重学术匹配度和未来博士阶段的研究环境。
我的准备节奏主要围绕科研材料展开。简历前后修改了 12 版，核心是突出机器学习论文、科研成果和个人贡献，同时让内容贴合 LAMDA 实验室的研究方向。个人陈述打磨了 8 版，重点写直博阶段的科研规划、论文发表计划，以及为什么希望在南大人工智能学院继续做这个方向。
推荐信需要 3 封教授级推荐信，我提前联系了论文指导导师、大创项目导师和专业课老师。成绩单准备了前五学期盖章版本，夏令营期间又补充六学期完整成绩单，核心课程基本都在 95 分以上。奖项材料按国际级、国家级、省级和校级分类整理，项目材料则准备了论文预印本、系统演示视频和算法性能测试报告，并标注自己的核心贡献和技术创新点。
直博材料不能只写“我参与了项目”，而要让老师快速判断你能不能独立推进研究。我在简历和个人陈述里都尽量突出三件事：研究问题是什么，自己负责了哪部分，结果或创新点在哪里。
论文材料是重点。NeurIPS 和 ICML 相关工作需要准备论文摘要、实验设计、对比算法、消融实验和未来拓展思路。项目材料也要和论文方向连起来，比如可解释性深度学习模型如何用于医疗影像，强化学习自动驾驶平台的奖励函数怎么设计，多模态情感分析为什么能提升 F1 值。奖项和竞赛经历可以证明基础能力，但直博面试里更核心的还是科研深度。
面试在线下进行，地点是仙林校区，全程大约 50 分钟，包括 20 分钟专业笔试和 30 分钟综合面试。流程大致是英文自我介绍、专业笔试、科研论文深度提问、项目实战细节追问，再到学术规划阐述。
专业笔试主要考机器学习和概率论。综合面试里，机器学习基础包括深度学习模型优化方法、强化学习算法原理、可解释性 AI 技术；专业深度问题涉及注意力机制原理、医疗影像诊断算法选型、自动驾驶决策树优化。论文部分问得很细，包括创新点、实验设计逻辑、对比算法选择依据和未来研究拓展方向。
项目问题也不是泛泛问经历。老师会追问可解释性模型如何评估性能、强化学习奖励函数怎么设计、多模态数据融合的难点在哪里。综合问题里，直博动机、对 LAMDA 实验室研究方向的了解、如何平衡科研和学业压力都被问到了。
英语部分要求比较高。我准备了 3 分钟专业英文自我介绍，也遇到了机器学习领域英文文献摘要翻译，以及围绕论文研究方法和结论的英文问答。对于这类直博面试，英语不是装饰项，而是科研交流能力的一部分。
这类机器学习直博申请，最重要的是让自己的研究经历形成闭环。成绩、竞赛和奖项能证明基础，但真正决定面试表现的是论文能不能讲透，项目是不是自己深入做过，未来问题意识是否清楚。
如果目标是 LAMDA 这样的实验室，建议尽早把自己的研究方向收束起来。可解释性、强化学习、多模态这些方向都可以写进材料，但不能像关键词堆叠一样分散，要说明它们如何支撑你的博士阶段计划。
面试前我会把每篇论文按“研究背景、方法、实验、贡献、不足、下一步”重新拆一遍。老师问到任何一个细节时，回答都要能落回自己的工作，而不是停在概念解释。直博不是只看当下成果，也是在判断未来几年的科研稳定性，所以准备时要把长期规划想得足够具体。