近年來(lái)，隨著以DeepSeek為代表的大模型技術(shù)迅猛發(fā)展,，人工智能正以前所未有的速度重塑科研生態(tài),。大模型憑借其強(qiáng)大的數(shù)據(jù)處理能力,、知識(shí)整合能力和跨領(lǐng)域遷移能力，為科學(xué)研究提供了全新的工具和方法論,，正在深刻改變傳統(tǒng)科研模式,。由中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，CCF學(xué)生分會(huì)工作組,、CCF YOCSEF廣州分論壇,，香港科技大學(xué)（廣州）以及CCF廣州分部聯(lián)合指導(dǎo)CCF中山大學(xué)學(xué)生分會(huì)，CCF華南農(nóng)業(yè)大學(xué)學(xué)生分會(huì),，CCF廣東工業(yè)大學(xué)學(xué)生分會(huì),，特別舉辦了“走進(jìn)港科廣：DeepSeek浪潮下的AI科研新思路（學(xué)生分會(huì)前站論壇）。本次論壇聚焦人工智能大模型技術(shù)革新對(duì)科研范式的深度影響,?；顒?dòng)邀請(qǐng)前沿領(lǐng)域的研究生分享大模型對(duì)其研究課題的創(chuàng)新影響。論壇另設(shè)互動(dòng)研討環(huán)節(jié),，圍繞大模型對(duì)科研效率,、思維局限突破與科研能力躍遷等議題展開思辨，旨在啟發(fā)青年學(xué)生在AI浪潮中探索兼具創(chuàng)新性與落地價(jià)值的研究思路,?；顒?dòng)于3月1日在香港科技大學(xué)（廣州）成功舉行。

出席本次活動(dòng)的嘉賓包括中國(guó)計(jì)算機(jī)學(xué)會(huì) NOI主席,、香港科技大學(xué)（廣州）校長(zhǎng)顧問(wèn)杜子德,，中山大學(xué)計(jì)算機(jī)學(xué)院教授、國(guó)家優(yōu)秀青年基金獲得者,、CCF YOCSEF廣州主席李冠彬,，香港科技大學(xué)（廣州）助理教授、YOCSEF廣州AC劉李,，廣東工業(yè)大學(xué)計(jì)算機(jī)學(xué)院教授戰(zhàn)蔭偉以及香港科技大學(xué)（廣州）人工智能學(xué)域助理教授陳穎聰,。本次活動(dòng)邀請(qǐng)了華南理工大學(xué)博士生成鑫、中山大學(xué)碩士生李治達(dá),、香港科技大學(xué)博士生謝添鑫,，華南理工大學(xué)計(jì)算機(jī)學(xué)院研究助理?xiàng)畈?，華南農(nóng)業(yè)大學(xué)碩士生周子楓作為引導(dǎo)發(fā)言嘉賓,，并設(shè)立了三個(gè)思辨議題。借由五位引導(dǎo)發(fā)言嘉賓的分享和老師們的點(diǎn)評(píng)以及有關(guān)思辨議題的精彩發(fā)言,，為同學(xué)們共同呈現(xiàn)了一場(chǎng)內(nèi)容豐富,、思辨激烈、干貨滿滿的學(xué)術(shù)論壇,。參與本次活動(dòng)的學(xué)生分會(huì)有華南農(nóng)業(yè)大學(xué)學(xué)生分會(huì),、廣東工業(yè)大學(xué)學(xué)生分會(huì),、華南理工大學(xué)學(xué)生分會(huì)、中山大學(xué)學(xué)生分會(huì),、華南師范大學(xué)學(xué)生分會(huì),、廣東外語(yǔ)外貿(mào)大學(xué)學(xué)生分會(huì)等。本次論壇的主持人為CCF華南農(nóng)業(yè)大學(xué)學(xué)生分會(huì)候任主席陳豪基和CCF中山大學(xué)學(xué)生分會(huì)執(zhí)委張仕杰,。

中國(guó)計(jì)算機(jī)學(xué)會(huì)NOI主席,、香港科技大學(xué)（廣州）校長(zhǎng)顧問(wèn)杜子德在開幕式致辭中，以學(xué)者與教育管理者的雙重視角,，回溯了YOCSEF創(chuàng)立的初心與發(fā)展脈絡(luò),。他結(jié)合自身深耕學(xué)術(shù)與推動(dòng)產(chǎn)學(xué)研融合的實(shí)踐經(jīng)驗(yàn)，強(qiáng)調(diào)YOCSEF始終以“搭建開放平臺(tái),、培育青年力量”為使命,，通過(guò)跨領(lǐng)域協(xié)作持續(xù)引領(lǐng)技術(shù)創(chuàng)新。針對(duì)本次學(xué)生分會(huì)論壇,，他高度肯定“學(xué)生主持,、教授點(diǎn)評(píng)”的互動(dòng)模式，稱其“既彰顯青年科研人的主體性,，又融合資深學(xué)者的智慧沉淀”,，是激發(fā)學(xué)術(shù)活力的創(chuàng)新嘗試。他指出,，科研生態(tài)的繁榮離不開思維碰撞——從觀點(diǎn)交鋒中迸發(fā)的靈感火花,，不僅能突破固有范式，更能錘煉研究者的問(wèn)題凝練,、邏輯表達(dá)與批判性思維等核心素養(yǎng),。致辭尾聲，他代表主辦方向全體與會(huì)嘉賓致以熱烈歡迎,，并表達(dá)深切期許：“期待本屆論壇以DeepSeek技術(shù)浪潮為切入點(diǎn),，深入探討AI驅(qū)動(dòng)科研的底層邏輯與跨界應(yīng)用，為學(xué)界開辟兼具創(chuàng)新性與落地價(jià)值的研究路徑,，共同繪制智能時(shí)代的科研新圖景,。

在致辭環(huán)節(jié)之后，論壇進(jìn)入引導(dǎo)發(fā)言階段,。本次論壇邀請(qǐng)到的五位引導(dǎo)發(fā)言嘉賓分別作了題為“淺談大模型訓(xùn)練流程和LLM科研應(yīng)用”,、“淺析大模型在科研流程中的應(yīng)用”、“從指令到聲音：大語(yǔ)言模型為語(yǔ)音合成研究注入新動(dòng)力”,，“評(píng)測(cè)驅(qū)動(dòng)LLMs發(fā)展：從數(shù)學(xué)到代碼的評(píng)測(cè)基準(zhǔn)UTMath”,，“基于LLM的企業(yè)大數(shù)據(jù)異常指標(biāo)分析與應(yīng)用”的分享。

來(lái)自華南理工大學(xué)的博士生成鑫以“淺談大模型訓(xùn)練流程和LLM科研應(yīng)用”為題,，系統(tǒng)解析了大模型技術(shù)的全鏈條創(chuàng)新,。他強(qiáng)調(diào),，傳統(tǒng)數(shù)據(jù)合成面臨同質(zhì)化和多樣性不足的問(wèn)題，建議通過(guò)多Agent協(xié)同和數(shù)據(jù)演化技術(shù)提升數(shù)據(jù)質(zhì)量,。在預(yù)訓(xùn)練階段,，成鑫提到高效并行技術(shù)和混合精度訓(xùn)練的重要性，以平衡模型性能與資源消耗,。他重點(diǎn)展示了代碼生成工具（如Cursor,、GitHub Copilot）的實(shí)踐價(jià)值，尤其是Cursor的“多行補(bǔ)全”和“智能重寫”功能,，能夠快速解決復(fù)雜問(wèn)題,。最后，他總結(jié)道：“大模型不僅是工具,，更是重構(gòu)科研范式的核心引擎,，需從數(shù)據(jù)、算法到應(yīng)用全鏈路創(chuàng)新,。”

來(lái)自中山大學(xué)的研究生李治達(dá)以“淺析大模型在科研流程中的應(yīng)用”為題,，探討了大模型技術(shù)在科研全鏈條中的深度融入。他指出,，在科研課題初始化階段,，大模型能夠迅速建立領(lǐng)域視野。同時(shí),，模型還可批量分析文獻(xiàn)缺陷,，并生成改進(jìn)建議。在技術(shù)方案設(shè)計(jì)環(huán)節(jié),，李治達(dá)通過(guò)提問(wèn)激發(fā)創(chuàng)新思路,，模型提出結(jié)合CLIP與NeRF的方案，涵蓋多個(gè)關(guān)鍵技術(shù)路徑,，并輔助解決代碼實(shí)現(xiàn)問(wèn)題,。在學(xué)術(shù)論文撰寫方面，他倡導(dǎo)聚焦高層邏輯與細(xì)節(jié)處理的結(jié)合,，強(qiáng)調(diào)大模型在評(píng)估大綱及語(yǔ)言潤(rùn)色中的作用,。李治達(dá)總結(jié)道，大模型是提升科研效率的“加速器”,，但仍是輔助工具,，研究者需以批判性思維驗(yàn)證結(jié)果，深入探索核心問(wèn)題,。

針對(duì)李治達(dá)的演講，李冠彬老師點(diǎn)評(píng)提出了使用大模型在科研中的雙刃劍效應(yīng)：一方面能提升科研水平，另一方面可能導(dǎo)致過(guò)度依賴,，影響創(chuàng)新,。建議在使用大模型輔助科研時(shí),，應(yīng)先有充分的個(gè)人思考和領(lǐng)域調(diào)研,，以確保創(chuàng)新性。同時(shí),，鼓勵(lì)學(xué)生分享如何將大模型應(yīng)用于自己的研究課題,，以減少討論的冗余度,，并促進(jìn)科研工作的有效性和深度,。

來(lái)自香港科技大學(xué)的博士生謝添鑫以“從指令到聲音：大語(yǔ)言模型為語(yǔ)音合成研究注入新動(dòng)力”為題,，探討了大語(yǔ)言模型（LLMs）在語(yǔ)音合成領(lǐng)域的革命性影響,。LLMs通過(guò)高效的數(shù)據(jù)處理和模型訓(xùn)練,，能夠生成更自然流暢的語(yǔ)音，克服傳統(tǒng)技術(shù)的固定模板限制,。他強(qiáng)調(diào),，LLMs通過(guò)深度學(xué)習(xí)從海量數(shù)據(jù)中提取復(fù)雜語(yǔ)言模式，使得生成的語(yǔ)音更具人性化,，適應(yīng)多種語(yǔ)境與情感表達(dá),。結(jié)合指令生成能力,，用戶可以簡(jiǎn)單輸入文本，指導(dǎo)模型生成不同風(fēng)格的語(yǔ)音,，廣泛應(yīng)用于教育,、娛樂(lè)和客服等領(lǐng)域。謝添鑫還分享了研究案例，展示了如何利用LLMs提升語(yǔ)音合成質(zhì)量,，并為未來(lái)研究提供新視角,，推動(dòng)該領(lǐng)域的進(jìn)步。

來(lái)自華南理工大學(xué)的研究助理?xiàng)畈┮?/span>“評(píng)測(cè)驅(qū)動(dòng)LLMs發(fā)展：從數(shù)學(xué)到代碼的評(píng)測(cè)基準(zhǔn)UTMath”為題,，指出大語(yǔ)言模型（LLMs）在數(shù)學(xué)評(píng)測(cè)中存在挑戰(zhàn)：傳統(tǒng)基準(zhǔn)過(guò)于依賴簡(jiǎn)單計(jì)算,，復(fù)雜領(lǐng)域表現(xiàn)薄弱（如圖論,、拓?fù)鋵W(xué)通過(guò)率低于16%）,。為此,，楊博團(tuán)隊(duì)構(gòu)建了UTMath評(píng)測(cè)基準(zhǔn),，涵蓋9大數(shù)學(xué)領(lǐng)域的1053道題,，確保問(wèn)題復(fù)雜性與學(xué)科前沿接軌,。他提出的RCoT（推理到代碼思維）方法將推理與編碼分為兩個(gè)階段,，顯著提升通過(guò)率（最佳模型o1-mini達(dá)32.57%）,。楊博總結(jié)，代碼與數(shù)學(xué)推理的融合是未來(lái)方向,，引用DeepSeek-Coder研究表明，代碼能增強(qiáng)邏輯嚴(yán)謹(jǐn)性,，為L(zhǎng)LMs解決復(fù)雜科學(xué)問(wèn)題開辟新路徑,。

在這個(gè)議題上，參會(huì)的各位老師和同學(xué)代表們討論了將某個(gè)思想應(yīng)用于數(shù)學(xué)之外的其他領(lǐng)域,，強(qiáng)調(diào)了數(shù)學(xué)的可測(cè)性以及生活中的重要問(wèn)題的抽象性,。提出了對(duì)數(shù)據(jù)轉(zhuǎn)換形式和效率評(píng)估的疑問(wèn),，并探討了算法對(duì)用戶規(guī)模和內(nèi)容的依賴性，以及加入語(yǔ)音和線性方面內(nèi)容的可能性,。

來(lái)自華南農(nóng)業(yè)大學(xué)的研究生周子楓以“基于LLM的企業(yè)大數(shù)據(jù)異常指標(biāo)分析與應(yīng)用”為題，聚焦企業(yè)數(shù)據(jù)整合與分析的挑戰(zhàn),。他指出，企業(yè)面臨數(shù)據(jù)激增與分析碎片化的問(wèn)題,，導(dǎo)致決策效率低下,。為此，他團(tuán)隊(duì)開發(fā)了一個(gè)指標(biāo)異動(dòng)分析系統(tǒng),，依托大型語(yǔ)言模型（LLM）的自然語(yǔ)言理解,、分步推理和歸納總結(jié)能力,，實(shí)現(xiàn)全鏈路智能化的“問(wèn)數(shù)-取數(shù)-用數(shù)”,。系統(tǒng)通過(guò)精準(zhǔn)匹配用戶查詢與8000余種數(shù)據(jù)指標(biāo),，拆解復(fù)雜問(wèn)題生成深度報(bào)告,，根據(jù)不同單位的信息偏好輸出個(gè)性化結(jié)論,，解決傳統(tǒng)看板的模板化展示問(wèn)題。周子楓強(qiáng)調(diào),，該系統(tǒng)不僅提升了分析效率,，還推動(dòng)了數(shù)據(jù)跨層級(jí)穿透,，量化生產(chǎn)對(duì)財(cái)務(wù)指標(biāo)的影響,。

針對(duì)周子楓同學(xué)提出的大模型在相關(guān)農(nóng)牧企業(yè)中的應(yīng)用，戰(zhàn)蔭偉老師提出由于相關(guān)農(nóng)牧企業(yè) 規(guī)模較大,，需要處理大規(guī)模的數(shù)據(jù),，順勢(shì)提出了大模型高效處理大規(guī)模數(shù)據(jù)遇到的困難,。老師還強(qiáng)調(diào)了個(gè)性化報(bào)告和標(biāo)準(zhǔn)化的必要性，并指出大模型可能過(guò)于復(fù)雜,，需要提煉干貨,，以提高理解和學(xué)習(xí)效率。

接著,，參與論壇的各位老師,、嘉賓以及各個(gè)學(xué)生分會(huì)代表對(duì)于三個(gè)思辨點(diǎn)充分發(fā)表了自己的看法。

思辨點(diǎn)1：遇見(jiàn)“DeepSeek”,，如何平衡科研效率與角色,？

對(duì)于這個(gè)議題，華南理工大學(xué)的成鑫表示DeepSeek等工具通過(guò)強(qiáng)大的數(shù)據(jù)處理和知識(shí)整合能力,，顯著提升了科研效率,。例如，它能快速完成文獻(xiàn)綜述,、生成實(shí)驗(yàn)代碼,、輔助論文潤(rùn)色，甚至提供跨領(lǐng)域的研究靈感,，將研究者從重復(fù)性勞動(dòng)中解放出來(lái),。他表示曾在一項(xiàng)多模態(tài)數(shù)據(jù)分析項(xiàng)目中借助DeepSeek自動(dòng)清洗和標(biāo)注數(shù)據(jù)，耗時(shí)從兩周縮短至兩天,，同時(shí)其跨學(xué)科知識(shí)遷移建議幫助團(tuán)隊(duì)發(fā)現(xiàn)了生物學(xué)特征與算法參數(shù)間的潛在關(guān)聯(lián),。然而，李冠彬老師提出效率提升不等于科研質(zhì)量的必然躍升,。過(guò)度依賴大模型可能導(dǎo)致兩個(gè)問(wèn)題：一是“路徑依賴”,，研究者可能滿足于模型生成的表面結(jié)果,，忽視對(duì)底層邏輯的深度思考,；二是“創(chuàng)新惰性”，模型基于已有數(shù)據(jù)的推演可能限制突破性思維的涌現(xiàn),。李老師認(rèn)為DeepSeek是一把雙刃劍，它將大家拉到了同一起跑線,，不能對(duì)其過(guò)度依賴,，若想持續(xù)提升自我必須時(shí)刻堅(jiān)持獨(dú)立思考和批判性思維的處事習(xí)慣,。

思辨點(diǎn)2：借力“DeepSeek”，如何突破思維局限,？

對(duì)于這個(gè)議題,，華南農(nóng)業(yè)大學(xué)的周子楓認(rèn)為，DeepSeek作為一款強(qiáng)大的工具,，不僅僅是一個(gè)數(shù)據(jù)分析平臺(tái),，更是激發(fā)創(chuàng)新思維的重要助推器。并且分享了他在使用DeepSeek時(shí)的經(jīng)驗(yàn)和體會(huì),。他提到,，借助DeepSeek的智能推薦功能，他能夠快速獲取相關(guān)文獻(xiàn)和數(shù)據(jù),，從而拓寬自己的研究視野,，發(fā)現(xiàn)原本未曾考慮的研究方向。通過(guò)分析大量數(shù)據(jù),，DeepSeek能夠揭示潛在的趨勢(shì)和模式,，幫助他在復(fù)雜的科研環(huán)境中找到新的突破口。與此同時(shí),，戰(zhàn)蔭偉老師也指出,，僅依賴工具并不足以實(shí)現(xiàn)真正的創(chuàng)新,?？蒲腥藛T需要在使用DeepSeek的同時(shí)，保持獨(dú)立思考與批判性分析,。只有在充分理解問(wèn)題的基礎(chǔ)上,，結(jié)合DeepSeek提供的智能分析，才能將工具的優(yōu)勢(shì)轉(zhuǎn)化為實(shí)際的創(chuàng)新成果,。此外,，戰(zhàn)蔭偉老師還提到在跨學(xué)科的研究中，DeepSeek能夠幫助不同領(lǐng)域的學(xué)者進(jìn)行有效的合作與交流,。通過(guò)共享數(shù)據(jù)和見(jiàn)解,，團(tuán)隊(duì)成員能夠集思廣益，從而在思維上突破各自的局限,，實(shí)現(xiàn)多元化的創(chuàng)新,。

思辨點(diǎn)3：如何解鎖DeepSeek變身高手？

針對(duì)議題3,，華南師范大學(xué)的同學(xué)表示,，對(duì)需要解決的問(wèn)題，首先要搭建好一個(gè)大框架,。在某一階段,，若有對(duì)模型的需求,，就向大模型提出在該階段要模型實(shí)現(xiàn)的具體功能問(wèn)題。大模型可能會(huì)給出幾個(gè)備選答案,，并對(duì)其進(jìn)行簡(jiǎn)單介紹,，然后使用者依據(jù)這些介紹，從中挑選出自己認(rèn)為合適的答案,。在這個(gè)過(guò)程中,，大模型就如同秘書一般，能為使用者提供選擇的輔助,，幫助使用者在不同階段,，根據(jù)自身對(duì)模型功能的需求，通過(guò)大模型的備選和介紹,，選出恰當(dāng)?shù)?/span>答案,，以更好地達(dá)成目標(biāo)，逐步實(shí)現(xiàn)從普通到高手的進(jìn)階,。廣外學(xué)生代表在研討中強(qiáng)調(diào),，與大模型的交互不應(yīng)停留在簡(jiǎn)單提問(wèn)層面，而應(yīng)構(gòu)建系統(tǒng)性的科研協(xié)作框架,。他們提出,，有效利用大模型的關(guān)鍵在于掌握"提問(wèn)的藝術(shù)"。首先要明確科研目標(biāo)的邊界,，將復(fù)雜問(wèn)題拆解為可驗(yàn)證的子問(wèn)題,，例如在語(yǔ)言學(xué)研究中，可將"分析某方言語(yǔ)法特征"細(xì)化為"提取特定句式的頻率分布"等具體任務(wù),。他建議采用"問(wèn)題迭代法",，初始提問(wèn)需包含明確的約束條件（如時(shí)間范圍、數(shù)據(jù)量）,，并根據(jù)模型輸出的質(zhì)量動(dòng)態(tài)調(diào)整參數(shù),。例如在翻譯研究中，首次提問(wèn)可設(shè)定 "保持學(xué)術(shù)文本專業(yè)性" 的要求,，若輸出不符合預(yù)期,，可補(bǔ)充"對(duì)比三位譯者的風(fēng)格差異" 等細(xì)化指令。

他強(qiáng)調(diào)大模型應(yīng)作為科研的"思維催化劑"而非答案供應(yīng)商,。通過(guò)設(shè)計(jì)具有挑戰(zhàn)性的問(wèn)題框架,，研究者不僅能激發(fā)模型的創(chuàng)造性潛能，更能在交互過(guò)程中深化對(duì)問(wèn)題本質(zhì)的理解,，最終實(shí)現(xiàn)從 "被動(dòng)接受" 到 "主動(dòng)引導(dǎo)" 的科研能力躍遷,。

李冠彬老師針對(duì)思辨點(diǎn)3表示，解鎖“變身高手”的方法,，即深入理解其原理和研究脈絡(luò),，而非單純使用,。強(qiáng)調(diào)了研究者明確的動(dòng)機(jī)和解決問(wèn)題的針對(duì)性設(shè)計(jì)，鼓勵(lì)研究生和博士生思考科研的思維路線和創(chuàng)新,。同時(shí),，相關(guān)的文章也指出了深度學(xué)習(xí)技術(shù)可能帶來(lái)的問(wèn)題，如原創(chuàng)性減少和鑒別優(yōu)質(zhì)研究的困難,。最后,，提出了對(duì)使用AI審稿工具的謹(jǐn)慎態(tài)度，強(qiáng)調(diào)了其雙刃劍特性,。

參與論壇的每位嘉賓都對(duì)本次論壇議題發(fā)表了各自的看法,，論壇思辨現(xiàn)場(chǎng)討論熱烈。此次論壇歷時(shí)近三小時(shí),，廣州分論壇主席李冠彬對(duì)此次論壇進(jìn)行了總結(jié)并再次對(duì)與會(huì)嘉賓表示感謝,。他認(rèn)為這種活動(dòng)的二級(jí)聯(lián)動(dòng)模式非常有效，能夠指導(dǎo)學(xué)生分會(huì)舉辦活動(dòng)并分享經(jīng)驗(yàn),，促進(jìn)學(xué)生快速成長(zhǎng),。通過(guò)與老師合作，資源得到共享,，活動(dòng)順利進(jìn)行,。討論議題時(shí)結(jié)合學(xué)生和老師觀點(diǎn)，使討論更深入,。今天的議題聚焦于科研新思路,，討論了DeepSeek在教研中的應(yīng)用。希望未來(lái)有更多機(jī)會(huì)深入交流,，助力科研發(fā)展,。最后，論壇在一片熱烈的討論氛圍中圓滿結(jié)束,。