这次申请的核心支撑，是比较完整的科研、竞赛和 AI 项目经历。本科在同济大学电子与信息工程学院计算机科学与技术专业，GPA 3.91/4.0，专业排名 3/189，约前 1.59%。英语方面，六级 598 分，雅思 6.5 分。
科研方面，我以第一作者身份发表过 CCF B 类会议论文《基于注意力机制的图像语义分割算法研究》，也参与过国家重点研发计划项目《面向智慧城市的人工智能关键技术研究》，负责模型优化与部署模块。此外还申请了 3 项发明专利，其中 2 项已受理，1 项已授权。
竞赛经历包括 ACM 国际大学生程序设计竞赛亚洲区域赛银奖、全国大学生数学建模竞赛国家一等奖，以及中国高校计算机大赛人工智能创意赛全国二等奖。项目方面，我主导过智能交通信号控制系统，用强化学习做交通流量实时优化，并在上海某路口试点应用；还参与过分布式深度学习训练平台和基于 Transformer 的校园知识图谱问答系统。
去向确定为同济大学计算机科学与技术系人工智能实验室，进入蒋昌俊院士团队，研究方向偏 AI 与智慧城市交叉。整个申请中一共拿到 7 个 offer，包括同济、清华、北大、上交、浙大、中科院计算所和南大。
最后选择留在同济，不是因为外校机会不够，而是因为自己前期科研项目已经和智慧城市 AI 方向结合得比较深，团队资源和研究延续性都很强。夏令营阶段结果确定后，我没有再参加预推免和九推。
夏令营阶段，我投递并参加了同济大学计算机科学与技术系、清华大学计算机科学与技术系、北京大学信息科学技术学院、上海交通大学电子信息与电气工程学院、浙江大学计算机科学与技术学院、中国科学院计算技术研究所和南京大学计算机科学与技术系，最终都入营并取得优秀营员结果。
这些学校的考核侧重点不完全一样，但共同点是都很看重科研经历的真实性和技术细节。对我来说，后续选择主要围绕研究方向、导师团队、项目延续性和长期发展来权衡。
大三下学期开学第一周，我先办理成绩单和排名证明，并重点标注数据结构、算法设计、人工智能等 90 分以上的核心专业课。3 到 5 月主要是打磨简历、个人陈述和科研材料，同时整理竞赛获奖、专利和项目证明。
夏令营投递前，我把智能交通信号控制系统、分布式深度学习训练平台、智能问答系统三个项目都重新梳理了一遍，包括问题背景、技术路线、个人贡献、实验结果和应用价值。入营后，重点准备科研汇报 PPT 和专业基础问答。
拿到同济夏令营结果后，我继续和导师团队沟通研究方向，确认后续是否能延续智慧城市 AI 相关工作。因为目标已经比较明确，后面没有再分散精力参加预推免和九推。
简历一共修改了 16 版，重点是用具体数据量化科研、竞赛和项目成果，比如交通通行效率提升 25%、分布式训练速度提升 40%、问答系统准确率达到 90%。这些数据要能在面试里解释清楚来源和计算方式。
个人陈述改了 11 版，主要写自己为什么对人工智能与智慧城市交叉领域感兴趣，以及已有经历如何支撑未来研究规划。推荐信准备 3 封，分别来自蒋昌俊院士、专业基础课老师和 ACM 竞赛教练。
奖项材料按国家级、省部级、校级分类整理，附获奖证书扫描件和证明材料。项目材料包括项目报告、代码片段、演示视频和用户手册，每个项目都单独说明个人贡献和技术创新点。
面试整体强度比较高，流程包括 20 分钟 PPT 汇报、25 分钟专家提问和 10 分钟英语交流。PPT 汇报需要把科研项目、竞赛经历和未来规划串起来，不能只堆成果。
专业问题覆盖数据结构、算法设计和人工智能。比如红黑树原理与应用、哈希冲突解决方法、动态规划优化策略、贪心算法适用场景、Transformer 模型结构和图像分割算法对比。科研部分会追问论文创新点、实验设计、项目开发中的技术难点和解决方案。
老师也会问未来研究方向是否可行，以及我对智慧城市领域 AI 应用的看法。英语部分包括 3 分钟英文自我介绍、计算机视觉最新研究进展、强化学习应用场景、Transformer 相关论文摘要翻译，以及 convolutional neural network、reinforcement learning 等专业术语解释。
强科研背景的申请更容易被老师追问细节，所以材料里写得越满，准备时越不能只停在标题层面。论文的创新点、实验对照、模型选择、数据来源和失败尝试，都要能说清楚。
本校申请并不意味着考核会轻松。导师团队对你已有工作更熟悉，也会更清楚哪些地方可以继续深挖。选择留校时，要想清楚研究方向是否有延续性，而不是只因为路径熟悉。
如果目标是 AI 与智慧城市这类应用交叉方向，建议提前把算法能力和场景理解放在一起准备。老师既会问 Transformer、强化学习、图像分割，也会问这些方法为什么适合交通、城市治理或智能问答场景。能把技术和实际问题接起来，是这类面试里很重要的部分。