两大须知

1、善用模型堆积

2、正确使用AI模型：AI辅助建模，不要AI直接建模。

三大技能

1、快速公式编辑能力(3min可实现10组公式编写)

2、数模智能体(一键式数模论文生成器，50min输出完成度80%的数模论文)

3、AI工具辅助(多种AI工具结合使用)

两大须知-善用模型堆积

研赛不同于国赛，由于其赛区承办制。题目主要来自承办赛区各大高校、承办学校、当地政府的科研项目。

例如，2023年D题双碳路径规划问题来自江苏(承办赛区)双碳院(江苏省碳达峰碳中和科技发展战略研究院,官网https://cpcn.njnu.edu.cn/gywm1/yjyjj.htm)

2023年E题来自江苏(承办赛区)东南大学(承办学校)

2023年C、F题来自江苏(承办赛区)陆军工程大学、南京工业大学(承办赛区各大高校)

正常的数模题目来自国内各大实验室、高校研究研所当下未解决问题或已解决寻求更优求解思路题目(某赛区负责人原话)。而研赛的题目其实来自于承办赛区各大高校、承办学校、当地政府的科研项目。这两者存在一定的区别，对于国赛我们可能需要使用单一模型能够完整、完备的实现高精度求解。

但是对于研赛的题目，其本质为科研基金。当下的基金大多与结合AI、拥抱AI为主(AI相关的给的经费多)。因此，研赛的题目更多的其实是需要展现四天的工作量而非使用单一模型能够完整、完备的实现高精度求解。

例如，对于C题时序问题可能存在真正可行的模型，但是需要我们在上千种模型里面选择，如果单独选择一种模型很大概率并不是最合适的，这种情况通常只能拿到三等奖或者不获奖。但是我们可以尝试使用4-20种不同的模型比较精度，展示工作量，从而实现模型堆积，基本可以稳定拿奖，大概率二等奖。
   一等奖固定240队，其中一半为运气较好选择到了真正可行的模型，剩余的一半为工作量巨大，堆积而成。

两大须知-正确使用AI模型

对于一道数学建模题目，一万只队伍进行基于同样的背景、同样的问题进行解题。模型重复、论文相似在所难免。通常竞赛规定相似度超过80%进行通报、超过60%不与评奖。目前，AI思路更会具有同质化。现在95%+的队伍都使用AI，也就意味着有两万支队伍都在参考AI给出的模型。具体可看以下两个今年的实际例子

注释:AI目前给出的思路是可行的，但是当下AI的最大问题在于同质化。

Ø2024年国赛，对于双目标优化模型求解算法，在无AI时代智能算法、NSGA-II（非显性排序遗传算法II）、MOPSO（多目标粒子群优化）等看起来高大上的模型。但是在实际评阅中60%以上的队伍都无脑使用了AI推荐的算法，就导致原本小众、较好的算法在竞赛中其实并不出众。国奖中大部分使用算法也并非AI推荐。(2024年九月还没到中文AI迸发的时代)。

Ø2025年国赛，各种中文AI层出不穷，赛中也给出了各种五花八门的求解方案。基本第一点就与评审要点不同(AI普遍建议使用聚类模型进行分组分类，评阅要点求其强调不推荐聚类模型直接分组)。

因此，当下AI时代下 数模竞赛其实需要的是人为简化题目、拆解题目并建立模型，利用AI辅助进行模型求解、论文写作；而非直接将问题扔给AI，让AI建立模型、实现模型、论文写作。一定要AI辅助建模，不要AI直接建模。