近年來，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)。大模型憑借其強大的數(shù)據(jù)處理能力、知識整合能力和跨領(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。由中國計算機學(xué)會（CCF）主辦，CCF學(xué)生分會工作組、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，CCF華南農(nóng)業(yè)大學(xué)學(xué)生分會，CCF廣東工業(yè)大學(xué)學(xué)生分會，特別舉辦了“走進(jìn)港科廣：DeepSeek浪潮下的AI科研新思路（學(xué)生分會前站論壇）。本次論壇聚焦人工智能大模型技術(shù)革新對科研范式的深度影響?；顒友埱把仡I(lǐng)域的研究生分享大模型對其研究課題的創(chuàng)新影響。論壇另設(shè)互動研討環(huán)節(jié)，圍繞大模型對科研效率、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)新性與落地價值的研究思路?；顒佑?月1日在香港科技大學(xué)（廣州）成功舉行。

出席本次活動的嘉賓包括中國計算機學(xué)會 NOI主席、香港科技大學(xué)（廣州）校長顧問杜子德，中山大學(xué)計算機學(xué)院教授、國家優(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)計算機學(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。本次活動邀請了華南理工大學(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)計算機學(xué)院研究助理楊博，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評以及有關(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。參與本次活動的學(xué)生分會有華南農(nóng)業(yè)大學(xué)學(xué)生分會、廣東工業(yè)大學(xué)學(xué)生分會、華南理工大學(xué)學(xué)生分會、中山大學(xué)學(xué)生分會、華南師范大學(xué)學(xué)生分會、廣東外語外貿(mào)大學(xué)學(xué)生分會等。本次論壇的主持人為CCF華南農(nóng)業(yè)大學(xué)學(xué)生分會候任主席陳豪基和CCF中山大學(xué)學(xué)生分會執(zhí)委張仕杰。

中國計算機學(xué)會NOI主席、香港科技大學(xué)（廣州）校長顧問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)與推動產(chǎn)學(xué)研融合的實踐經(jīng)驗，強調(diào)YOCSEF始終以“搭建開放平臺、培育青年力量”為使命，通過跨領(lǐng)域協(xié)作持續(xù)引領(lǐng)技術(shù)創(chuàng)新。針對本次學(xué)生分會論壇，他高度肯定“學(xué)生主持、教授點評”的互動模式，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，深入探討AI驅(qū)動科研的底層邏輯與跨界應(yīng)用，為學(xué)界開辟兼具創(chuàng)新性與落地價值的研究路徑，共同繪制智能時代的科研新圖景。

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：大語言模型為語音合成研究注入新動力”，“評測驅(qū)動LLMs發(fā)展：從數(shù)學(xué)到代碼的評測基準(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題，建議通過多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。他重點展示了代碼生成工具（如Cursor、GitHub Copilot）的實踐價值，尤其是Cursor的“多行補全”和“智能重寫”功能，能夠快速解決復(fù)雜問題。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，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)計環(huán)節(jié)，李治達(dá)通過提問激發(fā)創(chuàng)新思路，模型提出結(jié)合CLIP與NeRF的方案，涵蓋多個關(guān)鍵技術(shù)路徑，并輔助解決代碼實現(xiàn)問題。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，強調(diào)大模型在評估大綱及語言潤色中的作用。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證結(jié)果，深入探索核心問題。

針對李治達(dá)的演講，李冠彬老師點評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)致過度依賴，影響創(chuàng)新。建議在使用大模型輔助科研時，應(yīng)先有充分的個人思考和領(lǐng)域調(diào)研，以確保創(chuàng)新性。同時，鼓勵學(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。

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

來自華南理工大學(xué)的研究助理楊博以“評測驅(qū)動LLMs發(fā)展：從數(shù)學(xué)到代碼的評測基準(zhǔn)UTMath”為題，指出大語言模型（LLMs）在數(shù)學(xué)評測中存在挑戰(zhàn)：傳統(tǒng)基準(zhǔn)過于依賴簡單計算，復(fù)雜領(lǐng)域表現(xiàn)薄弱（如圖論、拓?fù)鋵W(xué)通過率低于16%）。為此，楊博團隊構(gòu)建了UTMath評測基準(zhǔn)，涵蓋9大數(shù)學(xué)領(lǐng)域的1053道題，確保問題復(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階段，顯著提升通過率（最佳模型o1-mini達(dá)32.57%）。楊博總結(jié)，代碼與數(shù)學(xué)推理的融合是未來方向，引用DeepSeek-Coder研究表明，代碼能增強邏輯嚴(yán)謹(jǐn)性，為LLMs解決復(fù)雜科學(xué)問題開辟新路徑。

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

來自華南農(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題，導(dǎo)致決策效率低下。為此，他團隊開發(fā)了一個指標(biāo)異動分析系統(tǒng)，依托大型語言模型（LLM）的自然語言理解、分步推理和歸納總結(jié)能力，實現(xiàn)全鏈路智能化的“問數(shù)-取數(shù)-用數(shù)”。系統(tǒng)通過精準(zhǔn)匹配用戶查詢與8000余種數(shù)據(jù)指標(biāo)，拆解復(fù)雜問題生成深度報告，根據(jù)不同單位的信息偏好輸出個性化結(jié)論，解決傳統(tǒng)看板的模板化展示問題。周子楓強調(diào)，該系統(tǒng)不僅提升了分析效率，還推動了數(shù)據(jù)跨層級穿透，量化生產(chǎn)對財務(wù)指標(biāo)的影響。

針對周子楓同學(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。老師還強調(diào)了個性化報告和標(biāo)準(zhǔn)化的必要性，并指出大模型可能過于復(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、嘉賓以及各個學(xué)生分會代表對于三個思辨點充分發(fā)表了自己的看法。

思辨點1：遇見“DeepSeek”，如何平衡科研效率與角色？

對于這個議題，華南理工大學(xué)的成鑫表示DeepSeek等工具通過強大的數(shù)據(jù)處理和知識整合能力，顯著提升了科研效率。例如，它能快速完成文獻(xiàn)綜述、生成實驗代碼、輔助論文潤色，甚至提供跨領(lǐng)域的研究靈感，將研究者從重復(fù)性勞動中解放出來。他表示曾在一項多模態(tài)數(shù)據(jù)分析項目中借助DeepSeek自動清洗和標(biāo)注數(shù)據(jù)，耗時從兩周縮短至兩天，同時其跨學(xué)科知識遷移建議幫助團隊發(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。過度依賴大模型可能導(dǎo)致兩個問題：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，不能對其過度依賴，若想持續(xù)提升自我必須時刻堅持獨立思考和批判性思維的處事習(xí)慣。

思辨點2：借力“DeepSeek”，如何突破思維局限？

對于這個議題，華南農(nóng)業(yè)大學(xué)的周子楓認(rèn)為，DeepSeek作為一款強大的工具，不僅僅是一個數(shù)據(jù)分析平臺，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時的經(jīng)驗和體會。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。通過分析大量數(shù)據(jù)，DeepSeek能夠揭示潛在的趨勢和模式，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，戰(zhàn)蔭偉老師也指出，僅依賴工具并不足以實現(xiàn)真正的創(chuàng)新?？蒲腥藛T需要在使用DeepSeek的同時，保持獨立思考與批判性分析。只有在充分理解問題的基礎(chǔ)上，結(jié)合DeepSeek提供的智能分析，才能將工具的優(yōu)勢轉(zhuǎn)化為實際的創(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。通過共享數(shù)據(jù)和見解，團隊成員能夠集思廣益，從而在思維上突破各自的局限，實現(xiàn)多元化的創(chuàng)新。

思辨點3：如何解鎖DeepSeek變身高手？

針對議題3，華南師范大學(xué)的同學(xué)表示，對需要解決的問題，首先要搭建好一個大框架。在某一階段，若有對模型的需求，就向大模型提出在該階段要模型實現(xiàn)的具體功能問題。大模型可能會給出幾個備選答案，并對其進(jìn)行簡單介紹，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。在這個過程中，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)自身對模型功能的需求，通過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)，逐步實現(xiàn)從普通到高手的進(jìn)階。廣外學(xué)生代表在研討中強調(diào)，與大模型的交互不應(yīng)停留在簡單提問層面，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"提問的藝術(shù)"。首先要明確科研目標(biāo)的邊界，將復(fù)雜問題拆解為可驗證的子問題，例如在語言學(xué)研究中，可將"分析某方言語法特征"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"問題迭代法"，初始提問需包含明確的約束條件（如時間范圍、數(shù)據(jù)量），并根據(jù)模型輸出的質(zhì)量動態(tài)調(diào)整參數(shù)。例如在翻譯研究中，首次提問可設(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，可補充"對比三位譯者的風(fēng)格差異" 等細(xì)化指令。

他強調(diào)大模型應(yīng)作為科研的"思維催化劑"而非答案供應(yīng)商。通過設(shè)計具有挑戰(zhàn)性的問題框架，研究者不僅能激發(fā)模型的創(chuàng)造性潛能，更能在交互過程中深化對問題本質(zhì)的理解，最終實現(xiàn)從 "被動接受" 到 "主動引導(dǎo)" 的科研能力躍遷。

李冠彬老師針對思辨點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。強調(diào)了研究者明確的動機和解決問題的針對性設(shè)計，鼓勵研究生和博士生思考科研的思維路線和創(chuàng)新。同時，相關(guān)的文章也指出了深度學(xué)習(xí)技術(shù)可能帶來的問題，如原創(chuàng)性減少和鑒別優(yōu)質(zhì)研究的困難。最后，提出了對使用AI審稿工具的謹(jǐn)慎態(tài)度，強調(diào)了其雙刃劍特性。

參與論壇的每位嘉賓都對本次論壇議題發(fā)表了各自的看法，論壇思辨現(xiàn)場討論熱烈。此次論壇歷時近三小時，廣州分論壇主席李冠彬對此次論壇進(jìn)行了總結(jié)并再次對與會嘉賓表示感謝。他認(rèn)為這種活動的二級聯(lián)動模式非常有效，能夠指導(dǎo)學(xué)生分會舉辦活動并分享經(jīng)驗，促進(jìn)學(xué)生快速成長。通過與老師合作，資源得到共享，活動順利進(jìn)行。討論議題時結(jié)合學(xué)生和老師觀點，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。希望未來有更多機會深入交流，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。