新芽训练营简介

Last updated on Oct 20, 2025

为发掘和培养具备扎实工程能力与前沿科研视野的计算机领域后备人才，中国计算机学会学生领航计划（CCF Student Pilot Program, SPP）特别设立“新芽训练营”。本项目主要面向对科研有浓厚兴趣、学有余力的低年级本科生，旨在通过系统性训练，提升其问题定义与解决能力、动手实践能力，以及对人工智能等前沿技术的理解，为其未来的学术深造或职业发展奠定坚实基础。

新芽训练营注重学生的科研潜力、学习韧性与持续投入意愿，不以学校层次、专业排名或已有成果作为选拔门槛。对于顺利完成各阶段任务的学员，我们将提供必要的计算资源支持、科研指导及生涯发展建议，并有机会在优秀导师的带领下参与实际科研项目或高水平竞赛。

我们诚挚欢迎真正热爱科研、愿意长期投入的同学加入。由于训练营资源有限，我们要求参与者能保证稳定的投入时间（原则上包括周末及寒暑假的大部分时间）。若因课程压力、出国申请或其他原因可能长期中断或退出，请在报名前慎重考虑，并主动说明情况，以便我们将宝贵名额留给能够全程参与的同学。我们始终相信：诚信是科研之路的第一块基石。

报名与选题

目前，新芽训练营提供以下三种报名途径：

推荐制报名：每年春、秋季，我们将联合全国多所合作高校开展宣讲活动。感兴趣的同学可通过所在院校的联系教师报名。在支持力度较大的院校（如南开大学），也可通过辅导员发布的飞书报名链接直接参与。
课程衔接报名：部分高校开设《人工智能实践课（初级/高级）》，选修该课程的学生可同步加入新芽训练营。
实名自荐报名：若无法通过上述渠道报名，欢迎发送实名自荐邮件至南开大学戴一冕副教授（邮箱：yimian dot dai AT nankai.edu.cn），邮件内容需包括：
- 个人简介
- 对新芽训练营的理解与期待
- 未来学习与科研规划
- 个人简历（PDF格式）

成功报名并入群后，请于入群后一周内，按格式【姓名-学校-入学年份】（例如：张三-南开-2024级）修改群昵称。未按时修改者将视为自动放弃，并由管理员友好移除以优化群组管理。

入群后，每位同学需从新芽手册(https://grokcv.ai/sprouts/)中选择一个感兴趣的研究专题作为考核方向。该选择将作为后续学习与考核的基础，同时这也是一个可能深远影响您科研道路的战略性决策，请务必认真对待。每周一，管理员将发布专题确认问卷，一经选定，本届训练营期间不可更换专题。

第一阶段：播种期

此阶段旨在帮助营员构建坚实的领域知识基础，掌握阅读、分析前沿文献的核心技能，并养成持续学习、定期总结的良好科研习惯。

为保障训练质量与学习连续性，我们对打卡提出以下要求：

每周学习报告：营员需围绕所选专题，每周提交学习报告，汇报对推荐论文或自选相关文献的学习进度、核心思想理解、技术细节分析以及下周的学习计划。
持续性要求：在总计 16 次打卡机会中，有效打卡次数需达到 12 次，且打卡率不低于 85%。持续、高质量的投入是通往下一阶段的门票。打卡率过低将被视为自动放弃资格。
学术诚信：我们鼓励营员利用AI等前沿工具辅助学习，但所有提交内容必须是个人独立思考与分析的结晶。训练营设有严格的学术诚信核查机制。内容空洞、与专题关联度低（如汇报基础知识）、或明显由大模型直接生成的报告，将被视为无效。

打卡内容示例：

本周按照李沐老师课程的顺序回顾了上学期中已学习过的一些简单的神经网络的内容：从最基本的线性回归开始，到 softmax 回归，多层感知机和 CNN 中最基础的知识且又动手从零开始构建过。在回顾的过程中收获颇丰，不仅加深了记忆，也对当时遗留下来的一些问题又有了一些新的理解。同时最初步的阅读了一下所选主题中一篇关于 LoRA 的论文，从论文中了解到随着模型规模的不断增大，全参数微调变的不再可行，取而代之是 LoRA 的思想：冻结原矩阵，引入一个可训练的矩阵并对其进行低秩分解以只训练较少的参数。
下周目标：继续推进李沐老师的课程的学习；学习论文中所提到的 transformer 架构以及其前置知识；继续理解这篇论文的公式及其原理。

完成打卡要求后，学员可申请播种期结业口头汇报。汇报需满足以下条件：

深入研读至少 4 篇研究论文（不含综述）；
其中不超过 3 篇来自专题推荐的进阶文献，至少1篇为学员自主检索的近 3 年重要工作；
幻灯片建议在 1 个月内完成并提交戴一冕老师审核；
每位学员有3次修改机会，审核通过后方可预约答辩；
超过3个月未提交者，视为自动放弃。

为确保汇报质量，结业汇报质量应至少达到以下所展示的往届报告水平：

本阶段综合得分超过85分的营员，方可进入下一阶段。

第二阶段：培育期

此阶段的核心是从理论学习转向动手实践，重点培养和考察营员的代码实现与工程能力。新芽学子需要选择一篇与第一阶段专题相关的前沿论文，使用国产深度学习框架 Jittor (计图) 进行算法复现，并将完整项目在个人 GitHub 上开源。

开源代码要求：

完整性：README 文档中需包含清晰的环境配置、数据准备、模型训练与测试脚本的说明。
可复现性：提供完整的训练日志、性能指标和与原版 PyTorch 实现对齐的实验结果（如Loss曲线、评估指标、可视化结果等）。若计算资源有限，可在小规模数据集上完成对齐验证。
原创性：为鼓励探索与创新，请务必选择 GrokCV/Jittor-Sprouts 列表中尚未包含的论文进行复现。

与播种期类似，营员需准备结业汇报，展示复现工作。建议在2个月内完成准备，审核修改机会同样为 3 次。超过 4 个月未提交汇报者，视为自动放弃。

为确保汇报质量，结业汇报质量应至少达到以下所展示的往届报告水平：

本阶段综合得分超过 85分的营员可进入最终阶段。其中，得分超过 95 分且在后续成长期表现优异者，将获得“新芽优秀”认证，并享有南开大学媒体计算实验室、中关村学院及众多合作团队推免和招聘时直通最后一轮面试的资格。

第三阶段：成长期

此阶段旨在帮助营员完成从知识学习者到科研实践者的蜕变，将在前序阶段积累的知识与技能内化为真正的科研创新能力。顺利通过前两阶段考核的营员，将有机会正式加入新芽导师的课题组实习，接受更为系统和深入的科研训练，主攻方向包括：

前沿学术研究：深度参与课题组的前沿科研项目，在导师指导下进行创新性探索，并接受系统的学术论文写作训练，力争产出高水平成果。
顶级学科竞赛：组队参与或备战国内外顶级人工智能竞赛，在实战中淬炼算法设计与团队协作能力。

给新同学的建议

新芽训练营是一项高强度、高投入的科研启蒙项目，完整参与通常需要300–400小时或更多时间。我们整理了部分往届学员的经验分享，供你参考：

科研之路道阻且长，但每一步都算数。

愿你在新芽训练营中，收获知识，结识同道，遇见更好的自己。

新芽训练营保留对本计划内容的最终解释权。如有调整，将通过官方渠道及时通知。