美赛 / AI 教程

用 Scientify 参加美赛的教程

按 2027 年美赛的四天赛程,逐步说明怎样用 Scientify 读题、建立基线、迭代模型和算法、检验结果并写出论文。

直接答案

Scientify 是运行在云电脑里的科学智能体。参加美赛时,参赛队把赛题和附件交给它,它建立基线模型,逐轮替换模型结构和求解算法,记录每一版的指标,在留出数据上检验最终版本,并按 COMAP 模板写出 25 页以内的英文论文。参赛队负责选题、确定迭代方向和取舍方案。COMAP 的规则允许参赛队使用 AI 工具。

本页说明

教程
这页解决什么
美赛只有 99 小时,参赛队要在这段时间里完成选题、建模、编程、检验和英文论文。你想用 AI 把模型迭代到 M 奖、O 奖论文的水平,但不清楚每天让 AI 做什么、怎样判断结果够不够好。
适合谁
准备参加 2027 年美赛的本科生队伍,至少一名队员能读懂 Python 代码。
读完你会得到
读完知道四天里每一天让 Scientify 做什么、看哪些结果,以及怎样判断模型是否达到获奖论文的水平。
覆盖
  • 赛前准备与队内分工
  • 第 1 天读题和建立基线
  • 第 2–3 天迭代模型和算法
  • 第 4 天检验和灵敏度分析
  • 写论文与提交
  • 对照获奖论文的检查项
不覆盖
  • 报名步骤(见「2027 年美赛时间与报名」)
  • 奖项比例(见「美赛奖项与获奖比例」)

主线步骤

为什么做这一步开赛前准备好账号和流程,比赛时把时间都用在建模上。

  1. 01

    注册 Scientify 账号

    新注册用户免费获得一台云电脑和 5 美元等值额度,足够跑完一道往届题。

  2. 02

    用往届赛题跑一遍

    从 COMAP 网站下载一道往届题,连同附件交给 Scientify 完整跑一遍,熟悉它的项目结构,以及代码、日志和结果文件放在哪里。

  3. 03

    确定队内分工

    一人主导选题和迭代方向,一人检查代码和结果,一人负责论文和摘要页。

为什么做这一步第 1 天(北京时间 1 月 29 日 6:00 开赛)用基线结果选题。

开赛后,把两到三道候选题的题面和附件分别交给 Scientify,每道题一个项目。它检查数据字段和缺失值,列出可用方法,并写出能运行的基线模型。

参赛队对比各题基线的结果、数据质量和队员擅长的方向,选定一题。选定后,这个基线就是后续迭代的起点。

给 Scientify 的第一条指令示例text
这是 2027 年美赛 C 题的题面和附件。
请先检查数据字段与缺失值,列出 3 种可用的建模方法,
为每种方法写一个能运行的基线,并在同一组验证数据上报告指标。

为什么做这一步第 2–3 天(1 月 30–31 日)把基线推到获奖论文的水平。

Scientify 逐轮提出假设,替换特征、状态定义、模型结构和求解算法。每一版都在同一组验证数据上记录指标,被淘汰的版本保留在项目里,随时可以回看。

参赛队每隔几小时查看一次指标,决定继续当前路线还是换方向。参赛队休息时任务继续运行,手机上可以查看进度并追加迭代方向。

2024 年 MCM C 题案例各版本的开发集 macro F1

  1. v6e

    0.745

  2. v6n

    0.793

  3. v7

    0.700已淘汰

  4. v8

    0.920

  5. v9

    0.937

数据来自 Scientify 2024 年 MCM C 题案例项目的会话记录。v7 路线没有达到冻结线,被淘汰;v9 为最终版本。
迭代阶段的指令示例text
当前版本开发集 macro F1 为 0.793,最弱类别的 F1 为 0.63。
请分析逐场误差,提出两种替换状态定义的方案,
分别实现并在同一验证集上比较,不要读取测试集。

为什么做这一步第 4 天(2 月 1 日)证明结果可靠。

冻结最终版本,在没有参与调参的留出数据上测试一次,测试结果写进正文和摘要页。

再让 Scientify 做灵敏度分析和误差分析:改变关键参数,看结论是否稳定;列出模型误差大的情况。这些结果写进论文的模型检验部分。

为什么做这一步2 月 2 日 9:00 前完成 25 页以内的英文论文。

  1. 01

    写摘要页

    Scientify 先写摘要页:问题、模型、关键数值结果和结论。COMAP 的规则写明评委非常看重摘要页。

  2. 02

    按模板排版

    用 COMAP 的 LaTeX 模板写正文和附录,每页页眉写控制号和页码,全文不超过 25 页。

  3. 03

    导出并核对

    导出 PDF,文件名为控制号,小于 25 MB。参赛队通读全文,核对论文中的数值与项目里的结果文件一致。

  4. 04

    提交

    通过 COMAP 在线表单提交,10:00 前完成。

原理与判断

用 O 奖论文的标准逐项检查自己的论文。COMAP 在结果页提供往年 O 奖论文全文的入口。

  • 以同类题型 O 奖论文的指标作为目标值。
  • 模型有基线对照,迭代过程能说明每一次改进为什么更好。
  • 最终结果来自留出数据,没有用测试数据调参。
  • 有灵敏度分析和误差分析。
  • 摘要页写出了关键数值结果。

参考与附录

Scientify 独立完成了 2024 年 MCM C 题网球势头建模,从数据检查、建模、九个版本的迭代、留出测试到论文,所有代码和记录保存在同一个项目里。

Scientify 留出测试准确率
96.02%
201 个预测时点
同题 O 奖论文 2401445
82.40%
球员表现判断准确率
同题 O 奖论文 2401445
77.60%
势头转折预测准确率

新注册用户免费获得一台云电脑和 5 美元等值额度。付费套餐按每月额度计费:轻量版 19 美元/月(60 额度)、研究版 29 美元/月(100 额度)、专业版 99 美元/月(350 额度)。1 额度等于 1 美元的标准 API 用量,同等用量的价格约为标准 API 的 30%。

参考资料

常见问题

数学建模用哪个 AI 好?

取决于要 AI 做什么。只需要解释公式或改写句子,对话式 AI 就够用。需要 AI 自己写代码、运行、比较多个版本并保留记录,要用能执行代码的智能体。Scientify 在云电脑里运行代码,项目保存题面、代码、数据、日志和结果,适合在四天内持续迭代模型。

美赛可以用 AI 吗?

可以。COMAP 允许使用大语言模型和其他 AI 工具,使用情况写在论文后附的 AI 使用报告中,这部分不计入 25 页。

Scientify 能独立完成一道美赛题吗?

能。在 2024 年 MCM C 题上,Scientify 独立完成了数据检查、建模、九个版本的迭代、留出测试和论文,留出测试准确率 96.02%,高于同题 O 奖论文报告的 82.40%。

队员需要会编程吗?

代码由 Scientify 编写和运行。队里至少一人能读懂 Python 代码会更好,用来检查代码和结果。

关掉电脑后任务会停吗?

不会。任务在云电脑里运行,关掉电脑后继续,手机上可以查看进度。

使用 Scientify 要多少钱?

新注册用户免费获得一台云电脑和 5 美元等值额度,付费套餐从 19 美元/月起。

2027 年美赛,用 Scientify 迭代出 O 奖水平的模型

开赛后上传赛题和附件,Scientify 在云电脑里连续建模、迭代模型和算法,并按 COMAP 模板写出论文,代码和运行记录都留在项目里。新注册用户免费获得一台云电脑和 5 美元等值额度。