30日备赛计划·第30期｜资料汇总指南

过去一个月，我们实现了日更，陆续发布了大量备赛资料。但视频内容冗杂，参赛者很难快速定位所需资源。因此，所有资料已全部汇总到官网，可按需使用。本期系统介绍官网的全部资料板块——从近几年题目速览、AI提示词、论文模板，到Skills全家桶、数模字典、国奖名额查询，帮助参赛者快速上手。本文作为《30日备赛计划》第30期，也是30期备赛视频的收官之作。

---

01 近几年题目速览：赛前选题预估

官网第一个板块是近几年题目速览。

打开后可以看到近五年每一个题目的具体问题，以及该题目涉及的模型。参赛者可以针对不同年份、不同题号、不同类型的题目，有一个质性的判定。

这个板块的核心用途是：方便参赛者在赛前做初步的选题预估。 通过了解历年题目的类型和模型分布，可以在比赛开始前对自己适合做哪类题目形成基本判断，避免开赛时临时慌乱选题。

02 AI提示词：自用版与润色版

第二个板块是AI提示词。这些提示词是授课人在做资料和打比赛过程中自己使用的，并非市面上高大上的通用提示词。

提示词分为两类：

• 纯自用版： 生涩、不精致，但用着舒服，是实战中打磨出来的；
• AI润色版： 在自用版基础上让AI润色过，表达更规范。

按功能分为以下板块：

1. 数据处理： 根据AI的描述提取出数据集的描述词，再将数据集描述词和题目一起发给AI，进行下一步；
2. 思路规划： 基于题目和数据描述，规划建模思路；
3. 正文撰写： 指导如何写正文的建模板块；
4. 图表撰写： 指导如何写图表的文字描述；
5. 摘要总结： 指导摘要和总结部分的写作。

这些提示词均来自实战，可以直接复制使用。

03 论文模板与往期论文

论文模板： 即此前发布的86页、约5万字的中文论文模板，覆盖论文全部板块的规范与写法。

往期论文： 官网收录了往届的数模论文，但需要特别提醒：

• 这些论文并不是优秀论文，也不是满分论文，它们都存在或多或少的缺陷；
• 如果想参考格式，不要直接按着一篇去模仿，一定要多篇横向对比；
• 任何格式规范，都要进行3篇以上的对比，如果多篇都这么做、形成共性，再采纳；
• 如果觉得横向对比太麻烦，也可以直接参考我们发布的论文模板。

04 自查表：从287项到三种使用方式

自查表的本意，是给参赛者在提交前做一个小表格，自查哪些板块没有完成。但随着内容不断补充，最终做到了287处检查项。

针对这287项自查，提供了三种使用方式：

1. Skills自动查： 调用论文总自查Skills，AI自动完成全部检查；
2. 手动打对勾： 如果觉得Skills不好用或不会用，可以拿着表格逐项手动打勾；
3. AI代填Excel： Skills中分享了对应的Excel表，参赛者可以把论文和Excel表一起发给AI，让AI帮忙填写表格，比手动填写更快更方便。

05 必备工具与智能体

编程软件： Matlab、Python、Codex、CC等，这些已经是今年的刚需。打个比方，如果别人都在用火器而你还在用弓箭，你确实可以拿到一定的奖项，但会有明显的压力。

MMA智能体：

• 由业内大佬自研，直接输入题目即可全流程解题；
• 运行环境、绘制流程图的环境都会自动配置好，使用体验很舒服；
• 只能当做初稿使用，不要指望直接获奖；
• 成本极低，基本上一块钱就能跑出一篇Word版论文；
• 需要一点操作：智能体会给你代码，你需要在本地运行后再上传结果，因此比较便宜（没有后台的各种开销）。

06 AI模型与Skills全家桶

AI模型板块

官网整理了各板块常见的模型，并给出两个警告：

1. 国赛要做AIGC检测，国内AI的生成率普遍较高，因此只推荐国外的几个模型；
2. 思路构建方面有一定的建议，参赛者可以参考。

Skills全家桶（核心）

Skills分为三大类：

一、综合评价类

• 论文点评Skills： 从数模评审的角度评估论文能得多少分，并加入指导老师和学校的维度，评分更加直观准确。

二、生成类（做的不多，因为已有很多智能体能直接生成论文）

• 逐句翻译： 不是写在论文里的，而是方便理解题目。国赛的每一句话都有所指，输入赛题后可逐字逐句翻译，帮助参赛者提前明白每句话的含义；
• Modeling Ideas： 根据题目生成一系列模型推荐（不是单一模型），与数模字典联动——拿着这一系列推荐去查数模字典，比对5000多个模型，看哪个最适合题目和数据集。也可以用自己AI生成的思路直接去查字典；
• 问题重述生成式： 包含研究背景、研究综述等板块的生成；
• AI生成报告。

三、自查类

• 分板块自查： 摘要、题目、关键词、问题分析、模型假设、符号说明、建立与求解、灵敏度分析、附录、AI生成报告，每个板块都有对应的自查Skills。逐个查比较耗token，但最细致；
• 总自查： 基于287项检查的快速自查，查的细致程度不如分板块。时间和token充足的话建议逐个查，时间紧张可以先做总自查；
• 数模字典： 判断思路与题目、数据集是否最适配。收录5000多个模型，远超AI的模型数据库——这些模型是通过大量网站检索整理的，一个模型往往需要检索二三十个网站，并非来自AI的知识库，因此覆盖更完备；
• AI痕迹自查： 识别AI思路和文字方向的痕迹，给出初步建议，但仍需做正规的AIGC检测；
• 其他开源工具： 中文AI驱痕工具、MMA开源全流程工具等。

07 数模字典网页版、信息差与国奖名额

数模字典网页版：
对于客观上无法调用Skills的参赛者，可以直接使用网页版数模字典：

• 输入模型名称（如"线性混合"）即可查询，点进去有各种应用场景；
• 可以复制提示词直接发给AI，AI会告诉你该模型怎么用；
• 复制提示词后粘贴数据和题目，即可判断模型是否适合当前问题；
• 相当于把字典变成一个指向性工具，确实没有Skills好用，但也是没办法的替代方案。

信息差：
这是30期备赛视频最后的结尾彩蛋。目前初步撰写，内容不止于此，会很有干货，计划在最后一天更新。

选题分析：
整理了近几年的选题情况，帮助参赛者大致决定做哪个题，形成一定的选题倾向。需要说明的是，每个赛区的获奖率不一样，因为分子分母的计算口径不同——有的赛区把所有队伍都算进去，有的赛区只计算部分参赛队伍。

国奖名额查询：

• 很多学校其实没有国奖名额。例如，如果某大学在过去五年都没有获得过国奖，那么今年也基本不可能获得；
• 参赛者可以通过这个工具查询自己学校到底有没有国奖名额，以及获得国奖的概率；
• 防骗提醒： 有些同学找代做，对方承诺包国奖，但如果你的学校本身没有国奖名额，对方还声称能做国奖，那基本是自欺欺人或骗取定金。建议先查清楚自己学校的名额情况；
• 工具还提供每年获得国奖的数量，以及今年的预测数量（基于一个小型预测模型）。

---