科研前言
输入“/”快速插入内容
🔬科研前言
科研前言
用户6913用户69139月10日修改
3月13日创建
294
613
🎉 欢迎新同学加入小组！！！
🎈 团队简介
•
我们小组属于厦门大学MAC实验室视觉理解组，目标是「让 AI 高效地感知、理解并探索真实世界与科学世界」
•
研究主线：高效多模态感知与世界建模
◦
具身智能：真实环境中的感知、建模、交互与决策
◦
科学智能：科学数据中的表征、建模、推理与发现
•
核心技术： 多模态小模型、高效感知模型、高效世界模型 等
•
团队氛围：灵活 · 勤奋 · 开放 · 创新【练好基本功，发挥想象力】
小组合影 (2026.9)
🥁 培养计划
1.
关于成长与选择
“求其上者得其中，求其中者得其下，求其下者无所得”。我希望每一位加入小组的同学，都能够对自己的未来有所期待，也愿意认真思考自己希望成为怎样的人、走怎样的路。继续深造、进入行业、创业，或者探索其他职业方向，都没有唯一的标准答案。相比于选择哪一条道路，我们更看重的是：你是否逐渐形成了自己的判断，是否有一个真正愿意投入时间和精力去实现的目标。如果你有一个想尝试的方向，无论是一个研究想法、一个工程项目，还是一个职业发展的规划，都欢迎大胆提出。我们可以通过类似 “sell your idea” 的方式展开讨论：你需要思考为什么这件事情值得做、准备怎么做、可能遇到什么困难，也需要尝试说服团队相信它的价值。只要想法经过充分讨论、具有合理的目标和可行性，团队都会尽可能提供所需要的资源、指导与支持。我希望这里既有对优秀工作的追求，也有尝试新想法的空间。可以有野心，也允许试错；可以坚持自己的判断，也要愿意听取不同的声音。
2.
我们希望重点培养的能力
硕士或博士阶段，具体技术会不断更新，今天熟悉的软件、模型和方法，几年后可能已经发生很大变化。尤其在人工智能快速发展的背景下，我更希望大家能够逐渐建立一些不容易被工具替代的底层能力。
其中，我认为最重要的是两类能力：
2.1 信息筛选、处理与表达
面对快速增长的论文、数据、代码和行业信息，能够判断哪些信息真正重要，快速找到问题所需要的知识，并将复杂信息整理成清晰的结构。同时，也要能够把自己的研究思路和判断准确地表达出来。
这包括：
快速筛选和理解领域内有价值的学术与工程信息；高效处理论文、数据、实验结果和技术资料；
清楚地解释“问题是什么、为什么重要、我们准备怎么解决”；逐渐提升学术写作、口头汇报和团队沟通能力。
好的科研不仅是“做出了什么”，也包括能否想清楚，以及能否把它讲清楚。
2.2 问题分析、拆解与推进
科研和工程中，大多数真正有价值的问题，一开始都不会有现成答案。因此，我们会特别训练大家面对复杂问题时，能够逐渐做到：
发现问题 → 定义问题 → 分析原因 → 拆解任务 → 设计验证 → 根据结果调整 → 持续推进
希望经过几年的训练，你不仅能够完成别人交给你的任务，也能够逐渐独立判断：现在最重要的问题是什么？下一步最值得做的实验是什么？如果结果与预期不一致，应该如何定位原因？有没有比当前方案更好的路径？
3.
科研训练
科研训练的目标，不只是完成论文，而是逐渐建立提出问题、设计研究、验证假设和形成独立判断的能力。
3.1 课题选择
课题通常会综合考虑：
实验室长期研究方向；领域中的前沿问题；个人兴趣与能力特点；项目的科学价值与实际可行性。
在充分讨论之后，我们会共同确定 1–2 个相对聚焦、能够真正推进的研究课题。我不太希望一开始就选择非常宏大但无法落地的问题。一个好的课题应该既有足够的想象空间，又能够被拆解成一步一步可以验证的问题。确定课题后，我们会一起梳理：
研究背景 → 核心科学问题 → 研究假设 → 技术路线 → 关键难点 → 阶段性目标
并形成共享文档。这份文档不是一份一成不变的“任务书”，而更像是一张研究地图。随着实验结果和领域发展，我们可以不断修改它。
3.2 完整研究流程训练