1. 沟通模型要素 沟通模型包含发送者、接收者、信息、渠道、反馈等要素 发送者准确表达，接收者正确理解，信息清晰，渠道合适，反馈及时，才能有效沟通。 模型在职场作用。 在职场中，领导与员工沟通任务时，一句模型确保信息传达无误，提高工作效率。 有效沟通技巧 倾听技巧 积极倾听：全神贯注，眼神交流，不打断对方，让对方感受到被尊重。 同理心倾听：站在对方角度理解，体会情感，基于恰当回应，增强新人。 反馈式倾听：适时反馈，确认理解正确，避免误解，促进沟通顺畅。 表达技巧 团队角色 领导者 执行者 倾听者 角色优势与互补 不同角色优势互补，如领导者与执行者配合，创新者与执行者协作，提升团队效率。 学生了解自身优势，找到适合角色，发挥特长，促进团队合作。 角色认知与团队合作 正确认知角色，避免角色冲突，增强团队凝聚力。 团队成员相互理解支持，发挥各自优势，共同完成任务。 团队协作工具 项目管理软件 在线文档协作工具 工具选择与应用 我们的这个研究方向一直在调整 21世纪初做物联网方向，比尔盖茨的《未来之路》，关于社会未来互联互通的场景。 从物联网到后来的大数据，数据的存储、传输。云边端协同。现在有了大模型，智能体。 我们的同学应该如何开展学习，以不变应万变。 刚刚举行的《世界数字教育大会》。 课程体系在人工智能的潮流下如何适应。 能力上： 1. 数理基础（理解技术的底层逻辑） 2. 万行代码（扎实的工程落地能力） 3. 核心技术与算法（不只会调API） 4. 行业对接（懂场景、能落地） **态度上：** - 不追风口，而是打好底子（数理 + 代码 + 算法） - 不唯工具论，而是把AI当作基础工具，深入行业找真问题 - 接受不确定性，保持持续学习 gdp的增长大部分以数字经济gpd增长。以后需要什么人才？ 谁也不知道这个工作五年前和五年后会成为什么样的风口、我们需要掌握什么样的技术。 未来若干年从不同人的视角，应该有什么样的态度、能力？ 张智予（浙大控制学院） ### 一、研究方向与学术定位 - **所在单位**：浙大控制学院 - **研究领域**：优化、统计与博弈的交叉方向，重点关注**在线优化**与**统计机器学习** - **应用场景**：生成式AI、机器人、能源、经济、金融 ------ ### 二、个人底色与早期观念 - **童年影响**：5岁时建立死亡概念，促使他形成两种朴素观点： 1. **实践优先**：不愿稀里糊涂过一生。 2. **做独特的事**：留下印记。 - **成长背景**：北京出身的“考二代”，清华附中→清华机械实验班，相对身心健康，未受过度高压。 ------ ### 三、关键学习经历 - **清华阶段**：基础课教学质量高、学风扎实。 - **荷兰代尔夫特理工（TU Delft）交换**： - 高年级选课自由，交换课程不计入绩点。 - 观察到荷兰在**控制理论**（如ASML光刻机）方面的优势，认为控制思想（迭代、低通滤波）可泛化到其他问题。 - 形成理念：学习应是**主动探索**而非被动接受。 - **回国后动力**：目标明确为出国深造（美国硕博、瑞士科研型硕士）。 ------ ### 四、博士阶段（BU系统工程） - **博士一年级**： - 专业接近工业工程/运筹，一届约10名PhD。 - 经历轮转、上课、博士资格考试。 - 课程（控制理论、线性规划、随机过程、动态规划等）内容开放，看不到上限。 - **博士二年级**： - 初期课题（药物调控）觉得深度不够。 - 发现美国学术受**funding**主导，且funding常与研究深度负相关。 - 转向**神经科学+CS的强化学习**（正值RL火热期：18-19年）。 - 理论基础薄弱，导师放养，靠自己摸索。 - 接触到**在线机器学习**课程，感受到简洁性、实用性与理论深度兼具。 - 从EM算法与隐变量模型入手，套壳到模仿学习，完成初步工作。 - **博士三年级**： - 与其他老师（小C老师：哈佛数学+CS本科，斯坦福生物工程PhD）共同指导。 - 取得导师信任很重要。 - 发现自己的结果与导师4年前的工作撞车（方法不同但仍需大改）。 - 技术力与品味明显提升，开始自己掌舵问题。 - 控制思想“回归”：用连续flow刻画问题，自然应用优化算法。 - 遇到极大技术难点，经历一年的尝试、怀疑、放弃、再尝试，最终量变到质变。 ------ ### 五、对学术与人生的核心观点 - **做学术的意义**：提升人生价值，而不是让自己变得可怜。 - **研究常态**：被卡住是常态，需要劳逸结合，YOLO（You Only Live Once）。 - **选题与方向**： - 不做无关痛痒的题目，那是对人生的浪费。 - 深入其中才能体会失败、成功与境界提升。 - **在AI时代如何选择方向**： - **兴趣优先**：不要因反复考量磨灭锐气，年轻人最可贵的是冲劲。 - 技术发展难以预测，现在做大模型的博士当年并不存在这个方向。 - 决策有滞后性：若现在去读大模型博士，5年后竞争可能极为拥挤。 - 人可以自私一点：即使AGI被解决，对你也未必是好事。 - **天才与竞争**： - 现代科学领域足够大，不同风格的人（解决问题者、远见者、聪明型、苦功型）都能找到空间。 - 天才扎堆的领域通常更有深度，做起来更有意思。 - **关于金钱与生活**： - 担心学术钱少事多，但中国当前物质富足，体面生活成本低。 - 精神富足同样重要。 - **学术工作的特点**： - 优点：可以在任何地方工作，每天都是学习日。 - 缺点：每天都是工作日。 **刘庆涛**（中国地质大学机械专业与自动控制专业相关背景）经历、思考与观点的总结： ------ ### 一、身份与背景 - **学校与专业**：中国地质大学，涉及**机械专业**与**自动控制专业** - **核心特质**：喜欢探索未知，有激情去探索未知 ------ ### 二、面临的困境（内忧与外患） #### 内忧 - **从0开始**：课题组几乎没有现成基础，没有师兄师姐的经验传承 - **研究方向调整**：经历了一次小的研究方向转变 - **导师也在转型**：大家都在摸索中前进 - **具体困难**：系统搭建、实验调试、反复试错、调实验到深夜 #### 外患 - **热点方向冲击**：3DV等方向快速升温，更热门、似乎更容易出成果 - **同辈压力**：产生自我怀疑、诱惑与动摇 ------ ### 三、应对策略与心态转变 #### 1. 相信方向 - 灵巧手操作是通用机器人的核心能力，这个判断没有变 #### 2. 接受节奏 - 专注当下，坚持不是硬撑，而是想清楚**做什么、凭什么做** #### 3. 形成自己的科研观与方法论 - 方向对了，掌握属于自己的节奏，努力会产生**乘法效应** #### 4. 面对挫折 - 被拒稿后很难过、受到打击，但**没有停下来** ------ ### 四、关于热情与行动的核心观点 - **别用“考虑清楚再开始”来拖延热情**：热情本身就是信号 - **持续的好奇心**：对一件事有持续的好奇心，那就是值得追的方向 - **不要等万事俱备**：先动手，边做边想 - **坚持不等于硬撑**：该换方向就要换，但换之前要认真想清楚“为什么换”和“换了又怎样”——这才是勇气 ------ ### 五、给初学者的建议 - **进实验室打杂不丢人**：每一个实验步骤、每一次组会讨论、踩过的每一个bug，都是在建立自己的认知地图 - **不要刚开始就追求完美**：没有完美，只有更好。先把全流程跑通，再逐步打磨细节，一开始**抓大放小** - **站在巨人的肩膀上**：不要重复造轮子 - **多和人沟通**：导师、同门、同行——一次交流可能省你一个月的弯路 - **用AI建立全面的宏观体系**：效率应该用于提升 ------ ### 六、跨校/跨专业交流的收获 - 乐观 - 做长期主义者 - 做诚实于自己的人 ------ ### 七、为什么进入工业界 - **不是放弃研究**：是换了一个更好的土壤 - 技能更系统，目标更清晰 - 所以最该做的事：**把基础打扎实，研究做深** ------ ### 八、自我反思的四个阶段 > 探索期 → 突破点 → 波动期 → 收敛期 这既是数据结果的呈现，也是学习历程的呈现。 ### 1. 理论与实践如何融合？ **结论：最好的方式是上手项目。** - 理论学习和实践能力不是先后关系，而是在项目中相互缠绕、相互促进的关系。 - 项目会暴露真实问题，倒逼你理解理论；理论又帮你更高效地解决实践中的坑。 - 不要等“学完了再做”，而是**边做边学，以项目为驱动**。 ------ ### 2. 跨领域时，如何确定自己掌握到足够程度？尤其文理大类跨越，越学越觉得缺怎么办？ **核心观点：不同阶段有不同的优先级，不要试图“学完”再跨。** - **学生阶段**：跟着导师或合作者一起做，边做边补，入门后再逐步深化。 - **公司/团队阶段**：有团队支持，跨领域的难度会降低，可以更自由地探索。 - **关键是接受“越学越缺”是常态**： - 不可能把一个领域所有细节都学完再跨。 - 真正重要的是**掌握核心框架、关键概念和问题意识**。 - 细节可以边用边查，不要因此不敢行动。 > 别人一跟他（导师/合作者）合作，学生们一开始跟他做就好了——说明**实践中的指导与合作**比独自啃完一个领域更有效。 ------ ### 3. 博士还记得大一学的微积分吗？如何处理这么多年学过的知识？有没有自己的管理方法？ **核心观点：不追求记住所有细节，而是建立知识宫殿/图谱，记住“概念的存在”。** - 记住所有细枝末节是不现实的，也没有必要。 - **真正要记住的是**： - 核心的 idea - 关键概念之间的关联 - 这个知识“存在”以及它能解决什么类型的问题 - **细节交给AI和工具**：需要的时候再查、再补。 - 知识管理的本质不是“存储全部”，而是**建立索引系统**——你知道哪里有什么，遇到问题时能想起“这个问题可以用X领域的方法”就够了。 > 你得先记住这个概念**存在**，而不是它的公式。