オリジナル Datawhale チーム Datawhale

Datawhale体験

著者: Datawhale チーム

まずは明日、2025年度大学院入試を受験する皆さんの健闘を祈ります！

この記事は、大学院入学試験について知りたいすべての学生に捧げられています。

0. はじめに

この交流会は、大学院入試に関する一般知識を学生に提供することを目的としています。予備試験を終えたばかりの学生を含む複数のゲストを招き、経験を共有していただきます。試験の基本的な流れや注意事項、例えば、いつから準備を始めるべきか、何に注意すべきか、どの時点でどのような課題を完了させるべきかなどについて詳しく説明します。さらに、大学院生と博士課程の学生を数名招き、それぞれ異なる視点から経験を共有していただきます。ゲストの中には、大規模モデリング研究に携わる学生や、学際分野に携わる学生もいます。彼らは、大学選び、予備試験・再試験対策、専攻・指導教員の選定などについて、自身の経験に基づいた実践的なアドバイスを提供します。これらの共有セッションを通して、皆さんが大学院入試の進路をより明確に計画できるようになることを願っています。

このプレゼンテーションは主に 5 つの部分で構成されています。

1. 大学院入学試験プロセスの基礎

2. 学校選択

3. 予備試験と期末試験の準備

4. 専攻とメンター

5. 大規模モデル研究の方向性

I. 大学院入学試験プロセスの基礎

1月から9月までの情報収集と試験準備。

この段階の主な課題は、大学院入学試験に関する情報と資料の収集、そして基礎・集中的な復習です。情報源としては、以下のようなものがあります。

• 中国大学院入学情報ネットワーク（研招网）：大学院入学試験に関する公式情報を公開する権威あるプラットフォームであり、全国の大学の入学方針や主なカタログなどの重要なコンテンツを網羅しています。
• 大学大学院ウェブサイト: 各大学大学院の公式ウェブサイトでは、具体的な入学案内、プログラム紹介、出願要件などの情報が掲載されます。
• 家族内の上級生に相談してください。彼らの経験は、より的を絞った実践的なものになることが多いです。
• Bilibili、Zhihu、QQグループなどのオンラインプラットフォームでは、大学院入試に関する豊富な経験談や資料が共有されています。ただし、オンライン情報には誇張や不正確な情報が含まれている可能性があり、慎重に検証する必要があることに注意が必要です。

情報収集を行う際には、まず志望する専攻と学部を決める必要があります。関連情報は、以下のチャネルから入手できます。

• 入学案内、プログラムカタログ、出願要件などを確認するには、大学の大学院公式ウェブサイトをご覧ください。
• 中国大学院入学情報ネットワーク（研招网）：全国の入学情報を入手できます。
• 大学のウェブサイト: たとえば、北京大学大学院の公式ウェブサイトには、入学手続き、プログラムカタログ、出願要件などの詳細情報が表示されます。

目標を設定するときは、次の点に重点を置く必要があります。

• 入学者数: 対象専攻の入学者規模を把握します。
• 授業料：希望する専攻の授業料を確認してください。
• 応募倍率: 競争のレベルを示します。
• 前年の再試験のスコアライン: これを参考にして、自分の能力と目標のギャップを評価します。

志望校と専攻を決めたら、次は試験科目を決めます（まず適切な試験科目を選び、その後で適切な学校を選ぶこともできます）。試験科目は通常、一般教養科目と専門科目の2つの部分で構成されています。

• 公開コース:
• 政治学：マルクス主義、毛沢東思想、中国の特色ある社会主義の理論体系の基本原理を網羅する、全受験者必須科目。
• 英語：英語Iと英語IIに分かれており、難易度と問題形式が異なります。英語Iは一般的に難易度が高く、学術的な修士課程に適しています。一方、英語IIは比較的難易度が低く、専門職の修士課程に適しています。
• 数学：専攻によって数学I、数学II、数学IIIに分かれており、試験の難易度や範囲も異なります。
• 専攻科目：
• 統一試験 (408) には、データ構造、コンピュータ構成、オペレーティングシステム、コンピュータネットワークの 4 つのコースが含まれます。
• 自主試験：各大学は独自の試験問題を設定し、内容と形式は大学によって異なります。例えば、データ構造のみを試験する大学もあれば、データ構造に加えてコンピュータネットワークも試験する大学もあります。
• コンピュータサイエンス専攻の場合、専門コースは主に、全国統一試験と自主試験の 2 つの形式に分かれています。

学習計画を立てる際には、成功した生徒の経験を参考にしつつ、自身の学習習慣や時間管理も考慮に入れることが大切です。教材を選ぶ際には、高額なものや人気の高い教材にこだわるのではなく、自分のニーズに合った教材を選ぶことで、的を絞った効率的な復習を実現できます。

9月～11月：試験準備と登録

A. 大学院入学ウェブサイトへの登録

コアツール：大学院入学ウェブサイトの正しい使い方

関数

1. 1. 大学院入学試験シラバスの照会：最新の大学院入学試験シラバスは毎年9月に発表され、変更は通常5％以内です（例えば、2023年には英語Iにグラフとチャートのエッセイ問題が追加されましたが、過去10年間は​​写真エッセイでした）。
2. 2. 入学登録システム：全国唯一の大学院入学試験公式チャンネル（ウェブサイト：https://yz.chsi.com.cn）
3. 3. データ検証プラットフォーム：各大学の出願倍率や推薦入学者数など、主要データの照会サービスを提供します。

フェーズ1：事前登録

（事前登録と本登録は有効期間が同じです！）

• 二重機能： ① 登録システムのストレステスト ② 受験者のための練習（全受験者に推奨）
• 重要事項: ✓ 成功の指標: 9桁の登録番号の生成 + 支払いの完了 (Alipay/UnionPay に対応) ✓ ID 写真の要件: JPG 形式、白背景、無帽、ファイルサイズ 100 KB 以下 (9 月から 10 月に撮影することを推奨)

フェーズ2：正式登録

• 変更許可手順:

ご注意：提出期限を過ぎた場合は受け付けられません。10月20日までに最終確認を完了することをお勧めします。

B. 入学案内パンフレットの詳細な分析

キー情報抽出テーブル

重要な情報は、大学の大学院入学事務局に電話して確認できます。

C. 標準化されたオンライン確認プロセス

材料準備チェックリスト

1. 1. 身分証明書: ID カードを持っている本人の写真 (両腕が見え、ID カードの情報が明瞭に判読できる必要があります)。
2. 2. 学歴証明書：今年度の卒業生は教育部が発行する「学業状況オンライン確認報告書」を提出する必要があります。前年度の卒業生は学位証明書番号を提出する必要があります。
3. 3. 居住証明: 試験地域の住民として登録されていない受験者は、社会保障の支払い記録/居住許可証をアップロードする必要があります (具体的な要件については、試験センターの発表を参照してください)。
4. 4. レビュー時間：提出後48時間以内にフィードバックを提供します。少なくとも2回は修正の機会を設けることをお勧めします。

試験および再試験は12月から翌年の5月まで行われます。

A. 試験準備（12月）

• 受験票印刷：12月中旬にPDFファイルをダウンロードしてください（電子バックアップの保存をお勧めします）。
• 試験会場確認：
• 試験センターが当校内にない場合、受験者は事前に試験センター近くの宿泊施設を予約する必要があります。
• 試験会場の場所や交通ルートは、試験前日に現地で確認してください。

B. 予備審査および結果照会

• 試験時間：12月の第2週末（毎日8:30～11:30/14:00～17:00）
• 結果は翌年の2月下旬に発表され、大学院入学ウェブサイトおよび省教育試験当局の公式ウェブサイトで確認できます。
• カットオフスコアの発表：✓ 自主基準のカットオフスコアを持つ34の大学：2月下旬に発表（通常は全国基準のカットオフスコアよりも高い）✓ 全国基準のカットオフスコア：文部科学省が3月上旬に決定

C. 再検討と調整（3月～4月）

再試験の準備：

1. 1. 評価形式：

• 一般的な組み合わせ：コンピュータベースのテスト + 専門分野の筆記テスト + 総合面接
• 特別な要件: 一部の大学では、コンピューター ベース テストおよび筆記テストを中止し、総合的な面接のみを実施しています (面接通知の対象)。

3. 2. 必要書類：中国語と英語の履歴書、研究業績の証明、上司にメールで連絡するためのテンプレート。

支払いシステムの運用:

• オープン時期：全国入場ライン発表後1週間（3月中旬～下旬頃）。
• 応募ルール: ✓ 同時に最大 3 つの選択肢を提出してください ✓ 応募は 36 時間以内に締め切られます

D. 入学手続き（4月～5月）

1. 1. オファーの確認: 通知を受け取ってから 24 時間以内に返信する必要があります。
2. 2. 入学審査：

• 健康診断報告書（グレードII以上の病院発行）
• 身元調査フォーム（公印の押印が必要です）

4. 3. ファイルの取得: 5 月に EMS 機密チャネル経由で転送されます (最近の卒業生の場合は 7 月に延期されます)。

II. 学校選択

1. 関連資料

A. 適用規則の特殊性

• 一括出願制度：大学院入学試験では、出願者は 1 つの大学と 1 つの専攻にのみ出願できます（大学院推薦/編入では 3 つの同時出願が可能です）。
• 事前意思決定: 試験準備の初期段階で正確な学校選択を完了する必要があります。

B. コア情報プラットフォーム

1. 1. 中国大学院入学情報ネットワーク（優先度★★★★★）

• 検索用語: 過去の入学案内、実際の入学者数、推薦入学者の割合。
• 対象範囲: 全国の大学および短期大学に関する完全なデータ。

3. 2. 大学の大学院プログラムの公式ウェブサイト（優先度★★★）

• 追加のお問い合わせ：カリキュラムと教員の研究分野
• 警告信号: 情報の更新頻度が年 1 回未満である学校やデータが不完全な学校には注意して対応する必要があります。

C. 過去問の入手方法

D. データ分析の次元

1. 1. スコアラインの傾向

• 重要な観察事項：過去3年間における全国基準カットオフスコアと大学基準カットオフスコアの差の変化
• リスク警告: 専門家は、2 年連続で株価が 15 ポイント以上上昇した株式を報告する際には注意する必要があります。

3. 2. 出願・合格率の分析

• 計算式：統一入試による入学者数（実績）÷当該年度志願者数
• 警告しきい値: 競争比率が 1:20 を超える場合は、自身の強さを再評価する必要があります。

5. 3. ポリシー変更の監視

• 主な焦点: 文部科学省の規律評価結果 (C- 以下の評価を受けた専攻者は登録停止の危険に直面する)。
• 典型的なケース: 985 大学のソフトウェア エンジニアリング プログラムは、分野の評価で基準を満たすことができず、2024 年の実際の入学者数はゼロになりました。

E. 戦略的考慮

1. 1. 政策指標：教育省の公式ウェブサイトの「学位管理・大学院教育部」の発表を定期的に確認してください。
2. 2. 大学の最新情報: 大学院入学事務局の WeChat 公式アカウントを購読して、リアルタイムの通知を受け取ります。

2. 学校選択

A. 大学選択決定マトリックス

B. 特別入学ユニットの比較表

C. 開発パス決定ツリー

3. 専門職修士課程と学術修士課程の選択

A. コア相違点の比較表

B. 主要な意思決定要因の分析

1. 1. キャリアプランニング指導

• 研究職/大学教員職：修士号取得必須（博士号取得者には合格率向上）
• 国営企業/公務員: 修士号取得者が望ましい(求人要件に明記)。
• 民間企業への就職: 専門修士号を取得すると、費用対効果が高くなります (1 年の時間を節約できます)。

3. 2. 経済的原価計算（例）

1. 3. さらなる教育への道を選ぶ

• 修士課程と博士課程の複合プログラム: 修士課程の学生のみが応募できます (一部の大学では、専門職修士課程の学生が博士課程に編入することを許可しています)。
• 海外で博士号を取得する場合：修士課程の研究成果はより高く評価されます（SCI 論文の重みが増します）。

III. 予備試験と最終試験の準備

1. 予備審査

I. 準備段階の区分

（１）時間計画の原則

標準的な準備期間は、3月から試験日までとすることが推奨されます。ただし、専攻を変更する学生（例えば、土木工学からコンピュータサイエンスへ）は、1～2ヶ月前から基礎構築を開始し、C言語などのプログラミングスキルの強化やアルゴリズムの実践に重点を置く必要があります。準備期間が長すぎると、後々モチベーションの低下につながる可能性があるため、個々のニーズに合わせて期間を柔軟に調整することをお勧めします。

（２）三段階審査制度

① 基礎段階（3月～6月）

• 重要なタスクは、主題の知識フレームワークの構築を完了することです。
• 数学科目では、基礎知識のポイントを体系的に復習する必要があります。
• 1日の平均勉強時間は6～8時間です（キャンパス内の授業も考慮します）。

②強化期（7月中旬～9月中旬）

• 貴重な夏休み中、毎日10時間の効率的な学習を継続しましょう。
• 主なタスク: 過去の試験問題で練習する / 間違った答えを復習して修正する / 重要な概念の理解を深める
• 専門コースでは、コーディング実践スキルの向上に重点を置く必要があります。

③ ファイナルスプリント（9月下旬～試験前）

• 模擬試験トレーニングと重要かつ難しい知識ポイントの強化に重点を置きます
• 卒業プロジェクトなどの学校運営の調整

II. 作業と休息の管理計画

① 標準時間割（学力の進捗状況に応じて動的に調整可能）

08:00-12:00 集中数学セッション（20分の休憩を含む）

14:00-18:00 専門コースの集中学習（昼休み後に冷たい水でリフレッシュすることをお勧めします）

19:00-23:00 英語と政治の集中的な学習と、日中に学んだ知識の復習。

② 特殊な事情により、6月への変更は、期末試験と大学院入試対策の調整が必要となるため、実施時期を調整いたします。推奨事項：

• 大学院入試の主要科目を1日3時間重点的に勉強する
• 断片的な時間を活用して知識のポイントを記憶する
• 試験週間中は大学院入学試験の準備の負担を軽減します。

注：この計画は、個々の学習効率、専門分野、大学のコース要件に基づいて柔軟に調整する必要があります。機械的にコピーすることは避けてください。重要なのは、持続可能な学習ペースを維持し、初期段階での過度な努力を避け、後で燃え尽き症候群に陥らないようにすることです。

III. スプリント段階（試験100日前）の具体的な計画

数学をマスターするための戦略（１）科目難易度分類

• 数学 I: 微積分、線形代数、確率論を扱います。数学の基礎が弱い人は慎重に選択することをお勧めします。
• 数学 II: 微積分と線形代数に焦点を当てており、専攻を変更する工学部の学生に適しています。
• 数学III：経済学専攻者のみ対象で、計算スキルの訓練に重点を置きます。

（２）三段階審査のポイント

• 基礎段階: 知識ポイントを 100% カバーしていることを確認し、教科書を参照して基本的な質問タイプを完了できるようにします。
• 集中フェーズ: 知識ネットワーク グラフを確立し、厳格な持ち込み禁止の条件下で「660 の質問」などの古典的な質問バンクを完了します。
• 集中フェーズ: 毎日 3 時間の制限時間付き模擬試験 (推奨: Li Lin 練習問題 4/6 セット + Beyond Co-creation)、2010 年以降の過去の試験問題の分析に重点を置きます。

（３）マスターティーチャーコース構成制度

英語科目の突破口

• 英語の試験は100点満点で、読解力は40点です。ですから、読解力に優れている人が合格するでしょう。読解の基礎は語彙力なので、単語を暗記し続けることが重要です。

（１）段階的なタスクの分解

• どの段階でも語彙の暗記を怠らないでください。

政治学のための効果的な戦略（１）３つのタイプの候補者のための準備計画

• 集中コース（10月開始）：シャオの8つの多肢選択問題＋シャオの4つの主要問題＋シスターレッグの予測クラス
• 保守的なアプローチ（7月開始）：徐涛の集中コース + 肖の1000の質問 + 集中レビューハンドブック
• 高得点獲得アプローチ（3月開始）：コア試験準備システムの学習 + 過去の試験問題を使った分類された練習。

（２）科目モジュールの優先順位

IV. 専門コース準備の方法論（コンピュータ408を例に）

• 基礎段階: 主要な概念を暗記し、Wangdao の教科書にある多肢選択問題を練習します。
• 強化フェーズ: 重要なポイントをもう一度確認し、難しい質問に的を絞った練習を実施します。
• 最終スプリント: 過去 15 年間の試験問題に基づいた時間制限付きの模擬試験 + 弱点を特定するための練習テスト

自主試験科目（854 データ構造を例に挙げる）

• 情報戦戦略：
• 過去5年間の試験問題を収集（大学大学院入学事務局/大学院入試フォーラムから）
• 志望大学（印刷所）から学部期末試験用紙を入手します。
• シラバス変更のパターン分析（過去3年間のシラバス変更の比較）
• テスト受験スキル:
• 短答形式の質問に対して標準化された回答テンプレートを確立します。
• 主にコーディング スキルの向上を目的として、LeetCode でコーディングの問題を練習することに集中します。

V. 再試験の準備に関するアドバイス

1. 1. 結果を待つ期間中の主なアクション:

• 卒業プロジェクトを改良します（面接の質問の材料になる場合があります）。
• 継続的な英語スピーキング練習（毎日20分のTEDトークを読む）

3. 2. コアコンピテンシー予備リスト:

• 分野の最新の動向を追跡する（主要な会議論文の要約に重点を置く）
• 研究の可能性を示す資料（競争・特許実績からまとめたもの）
• 圧迫面接シミュレーション研修（チーム制本格模擬面接）

2. 二次試験

A. 再試験のためのコア資料の入手戦略

1. 1. 効果的な情報を選択するための原則

• 志望大学大学院の公式サイトに掲載されている詳細な面接ガイドライン（コンピュータベーステストのシラバスを含む）
• 過去 3 年間に入学した学生の履歴書のテンプレート (学術ソーシャル メディア プラットフォームを通じて現在の大学院生に連絡することで入手可能)。
• 優先チャネル: 目標の大学に無事入学した学生の体験談を共有する Zhihu/CSDN の投稿 (過去 3 年間の評価の高い投稿に重点を置きます)。
• 「面接問題バンク」を装った有料教材には注意してください（実際には、コンテンツの 60% は実際の試験問題とは無関係です）。
• コアリソース:

B. 履歴書作成方法

1. 1. コンテンツ作成の黄金律（STAR-Lモデル）

1. 2. 緊急時対応計画（研究経験のない方向け）

• Kaggleの実践的なパス： ① 入門レベルのコンペティション（Titanicなど）を選択する ② TOP10ソリューションを再現し、特徴量エンジニアリングを改善する（GitHub上に完全なプロジェクトを構築する必要がある） ③ 技術レポートを生成する（EDA /モデル比較/可視化を含む）
• コース設計のアップグレード方法: たとえば、データベース コースの設計を「高同時実行シナリオでの Redis キャッシュ最適化の実践」にリファクタリングします。

C. 面接攻撃防御システムの構築

1. 1. 専門能力評価マトリックス

1. 2. 死に関する質問回答テンプレート

• プロジェクトの弱点：「開発中に、データ量が10万件を超えるとモデルの推論速度が40%低下することがわかりました。モデルプルーニング技術を導入することで、レイテンシを元の75%にまで削減できました。この教訓から、本番環境でのパフォーマンス最適化にさらに注意を払うようになりました。」
• 知識ギャップ：「おっしゃったフェデレーテッドラーニングにおけるプライバシー保護メカニズムについてですが、私のコース設計では主にモデルの最適化に重点を置いています。面接後、すぐに『フェデレーテッドラーニング』の第3章の関連内容を学習します。」

D. コンピュータテスト準備計画

1. 1. 研修システム

• 主に C 言語コードに精通しており、LeetCode を使用してコーディング思考スキルを開発します。
• 参考文献: *アルゴリズム入門*、*コード考察*、*Cプログラミング言語*

1. 2. 診察室での緊急時の対応

• 未知のアルゴリズムの問​​題に遭遇したときは、まずは基本的なポイントを確保するための総当たり方式の解決策を書いてください。
• 思考の流れを中断しないように、複雑なコードについては最初に疑似コードコメントを記述します。

E. リソースサポートシステム

DataWhaleオープンソースプロジェクト

• 機械学習の基礎：「パンプキンブック」による公式導出の詳細な解説
• 実践ディープラーニング：PyTorchで簡単学習 - 付属ノートブック
• アルゴリズムの強化：LeetCodeにおける高頻度問題タイプの分析

IV. 専攻および指導教員の選抜

1. 専攻の選択

A. 情報取得パス

• 公式ルート： ① 対象大学の大学院入試情報サイト（入学案内・推薦入学者数・新規研究機関に注目） ② 教育部学位・大学院教育発展センター（第4次規律評価結果を確認） ③ 陸軍士官学校入試情報サイト（一部専攻は一般出願可能）
• 隠れたチャンス:
• 新設の学部（インテリジェント工学部や未来技術学部など）では、初年度の入学者獲得競争は比較的緩やかです。
• 学際的なプロジェクト（バイオインフォマティクスやフィンテックなど）により、新しい研究分野への移行が容易になります。
• 異なる大学間の共同プログラム（医学部とコンピュータサイエンス学部など）では、特に最初の入学期間中は競争が少ないことがよくあります。

B. 意思決定評価マトリックス

C. よくある誤解を避ける

• 概念の混乱:「研究の方向性」（大規模モデルの応用など）と「専門分野」（コンピュータサイエンスとテクノロジー）の区別
• キャンパスの違い：同じ大学でもキャンパスによって専攻が異なる場合、入学試験の点数や重点分野が異なる場合があります。例えば、ハルビン理工大学（HIT）メインキャンパスとHIT深圳キャンパスなどです。

2. メンターの選定

A. 入学資格確認パス

• 明示的な経路： ①大学の公式ウェブサイト上の教員リスト（「修士課程および博士課程の指導教員」と記載されているもの） ②今年度の大学院入学案内（指導教員の連絡先が記載されているもの）
• 非表示のチャンネル:
• 新規採用者（学校人事部の発表を参照）
• 学際メンター（学際研究機構の募集要項を参照）

B. メンター評価のための5次元モデル

C. メンターマッチング戦略

• 学術的進路: IEEE フェロー/優秀若手科学者を選択します (トップジャーナルの出版実績、名誉称号の有無、主要な資金提供プロジェクトの有無に重点を置きます)。
• 就職志向のパス：企業コンサルティング経験のあるメンターを優先します（業界資金による研究プロジェクトの数に重点を置きます）。
• 起業の道：サイエンスパーク内のインキュベーションプロジェクトの担当者を特定します（事業登録情報を確認します）。

D. リスク早期警告メカニズム

• 性格評価:
• 「Mentor Evaluation Network」、「Zhihu」、「Xiaohongshu」などのソースからのデータを使用してクロス検証を実行しました（過去 3 年間の評価を選択する必要があることに注意してください）。
• 研究室を直接訪問します（ビデオ会議を通じて教師と生徒のやり取りを観察します）。
• 教授が研究指導者として適しているかどうかを、学部課程を教えたかどうかのみに基づいて判断するのは、信頼できないアプローチです。
• 卒業遅延の警告:
• 過去 5 年間の卒業生の就学期間に関する統計（標準就学期間を 30% 超過している卒業生は、真剣に考慮する必要があります）。
• 研究グループ内で博士課程から修士課程へ編入する学生の割合に注目してください（割合が 20% を超える場合は注意が必要です）。

V. 大規模モデルの研究方向

1. AIの開発背景

A. AI研究の方向性

人工知能（AI）の核心は、コンピュータを用いて現実世界の問題を解決することです。処理対象となる対象の違いに基づき、AI研究は主に以下の5つのカテゴリーに分類できます。

• 構造化データ処理: 株価予測などの数値の処理。
• 自然言語処理 (NLP): 対話システムやテキスト分析などのテキスト データの処理が含まれます。
• コンピュータービジョン（CV）：画像情報を処理し、自動運転や物体認識などのシナリオに適用されます。
• オーディオ処理：音声認識、同時通訳、その他のテクノロジーなど。
• 時系列データ処理: 天気予報などの時系列データを分析します。

B. AIにおける中核研究手法

• 教師あり学習: 「1+1=2」などの例を使用してモデルに数学的パターンを教えるなど、「質問と回答」データセットに基づいてモデルをトレーニングします。
• 教師なし学習: ラベルのないデータからパターンを自律的に発見します。典型的なアプリケーションは、大量のテキストを使用して言語モデルをトレーニングすることです。
• 強化学習: 継続的な試行錯誤を通じて AlphaGo が囲碁のスキルを向上させるなど、環境からのフィードバックを通じて意思決定を最適化します。

C. NLP技術の進化と大規模モデルの出現

• 象徴段階: 初期の段階では、テキストは伝統的な言語学の分析方法と同様に、文法規則に基づいて処理されていました。
• 意味表現と統計学習: テキストを数値ベクトル (単語頻度統計や単語埋め込みなど) に変換し、決定木などのモデルと組み合わせてパターンを抽出します。
• ディープラーニングの時代：ニューラルネットワークによりエンドツーエンドの学習（機械翻訳など）が可能になり、2017年のTransformerアーキテクチャの導入が重要な転換点となった。
• 事前トレーニング + 微調整パラダイム: モデルは、最初に大量のテキストによる事前トレーニングを通じて一般的な知識を学習し、次に特定のタスクに合わせて微調整します。これは、「最初に幅広く学習し、次に特定の分野でブレークスルーを達成する」という人間のアプローチに似ています。
• 大規模モデルの時代: GPT-3、Llama シリーズ、Qwen シリーズに代表される大規模な事前トレーニング済みモデルは、意味理解と生成能力において質的な飛躍を達成し、NLP を新たな開発段階へと推進しました。

まとめると、大規模モデルは本質的にNLP技術の進化の産物であり、その画期的な機能はディープラーニングアーキテクチャの革新と大量データを用いた学習に由来しています。現在、大規模モデルは複数の分野で高い応用可能性を示しており、AI開発の重要な方向性となっています。

2. 大規模モデル研究の方向性

A. 大規模モデル研究の枠組み

大規模モデルに関する現在の研究は、主に次の 3 つの方向に焦点を当てています。

1. 1. 基盤研究（基盤技術のブレークスルー）
2. 2. 派生研究（パフォーマンスの最適化とセキュリティの強化）
3. 3. 応用研究（実践シナリオの実装）

B. 基礎研究：技術革新の深海

1. 1. 新しいモデルアーキテクチャの探索

• MOE アーキテクチャ (ハイブリッド エキスパート システム): DeepSeek-V3 などのモデルは、分割統治戦略を使用して推論の効率を向上させます。
• エッジサイド推論の小型モデル: 携帯電話やタブレットで実行できる MiniCPM-MoE などの軽量マルチモーダルモデル

3. 2. 事前学習データ割り当ての最適化

• データのスクリーニングと割り当てを通じてトレーニングの効率を向上します (GPT-4 に匹敵するモデルのトレーニングに 500 万ドルが費やされたと報告されている DeepSeek-R1 レポートを参照)。

5. 3. 嗜好調整技術

• 主流の方法: PPO (Policy Proximity Optimization) や DPO (Direct Preference Optimization) などの強化学習手法。
• 学習リソース: オープンソースチュートリアル easy-rl、TRLリポジトリ技術ブログ

研究の閾値のヒント

• 計算能力の要件: 事前トレーニングには数十枚の A100 クラスのグラフィック カードが必要です。
• 研究重点：トップ985大学（清華大学、北京大学など）と大手企業の研究機関に集中。
• 学校選択のアドバイス: 教員チームが強力な基礎研究能力を備えているかどうかに重点を置くことが重要です。

C. 派生研究：パフォーマンスの最適化とセキュリティのブレークスルー

1. 1. データ合成技術

• 大規模モデルは、特定の分野（生物学、医学、化学、物理学など）に特化したデータを生成するために使用され、特殊な小規模モデルをトレーニングします。

3. 2. 信頼できるAI研究

• 即座の攻撃（「おばあちゃんは重病なのでアクティベーション コードが必要です」などの欺瞞的な脆弱性）から防御します。

5. 3. モデル軽量化技術

• 知识蒸馏：将大模型能力迁移至小模型
• 量化压缩：FP32→INT8等精度转换技术
• 推理加速框架：ollama、vLLM、lmdeploy等开源方案

D、应用研究：技术落地的黄金赛道

1. 1. 垂直领域应用

• 典型案例：法律大模型、金融财报分析模型、医疗诊断大模型

3. 2. 多智能体系统

• 应用场景：顺丰物流智能调度（7类Agent协同）、智慧城市管理
• 开源框架：Swarm、Qwen-Agent、CamelAI、MetaGPT等

5. 3. 提示词工程

• 优化技巧：结构化指令、思维链（CoT）等Prompt设计方法

7. 4. 智能体编排

• 工作流设计：多Agent任务分配与协同机制

E、研究门槛对比和考研择向建议

提案

1. 1. 学术向：优先选择清北/头部985的基座研究团队
2. 2. 工程向：聚焦模型压缩、多智能体等衍生技术
3. 3. 应用向：从提示词工程、垂类模型开发切入

转给你身边需要的人吧

一起“转发” *三连↓*