信息来源：人大高瓴人工智能学院 发布日期：2026年6月17日

张鑫恺，中国人民大学高瓴人工智能学院2022级本科生，本科导师为窦志成教授。本科期间曾获国家奖学金、京东特等奖学金、北京市优秀毕业生等荣誉，担任2022级本科拔尖班班长。

【写在前面】

回望大学四年，许多重要的时刻，都从一个问题开始。这些问题有大有小，也并不总能马上得到答案。但正是在不断追问的过程中，我逐渐找到了自己的兴趣和方向。推动我向前的，不只有对结果的追求，更有那份想把问题真正想明白的好奇心。很高兴能在毕业之际分享我的故事，也希望这些真实的经历，能给正在前行的同学们带来一点启发和力量。

1

在基础中扎根：从好奇到理解

“如何让机器产生智能”是从小时候起就让我感到好奇的问题之一。那时，这个问题更多停留在想象里，并没有清晰的轮廓。直到来到人大高瓴人工智能学院，它才有了真切的回应。

大一时我选修了“普通心理学”这门课。在课上，我接触到了人脑结构、视觉机制、记忆机制等内容。后来学习卷积神经网络时，我发现卷积的设计与视觉细胞的工作机理有关；再后来接触智能体记忆领域时，我又发现很多工作也借鉴了人类大脑的相关机制。这些经历能带给我很神奇的体验：原来曾经出于兴趣学到的知识，真的可能在未来某个时刻以另一种方式重新出现，并和新的学习内容产生共鸣。

这种体验也延续到了后来的专业学习中。无论是数学，还是算法、机器学习等课程，我都很喜欢从一个具体问题出发，逐步理解其背后逻辑的过程。刚接触一道题、一个算法或一个系统，我常常会先感到困惑，但也正是这种困惑推动我继续追问：它的核心假设是什么？它为什么能这样建模？换一个角度，会不会得到更简洁、更本质的解释？突然想通某个关键环节时，我总会很有成就感。慢慢地，我也发现，很多看似不同的问题背后，往往有相通的思维方式。现在想来，我对科研的兴趣，或许是从这些不断追问的过程中开始的。

幸运的是，高瓴人工智能学院的老师也在很大程度上回应了我的好奇。很多老师并不会直接给出结论，然后照本宣科地讲解知识点。反之，他们会从实际问题出发，带我们理解背后的原理，再讲清楚相关理论和工具如何解决这个问题。这种学习方式对我帮助很大，也让我逐渐意识到，真正有效的学习并不只是机械地记住知识点，而是带着问题去理解它、使用它，并在理解中继续产生和解答新的问题。

2

在科研中追问：从完成任务到提出问题

如果说课程和竞赛训练了我求解问题的能力，那么科研则是让我第一次真正接触到“没有标准答案”的问题。

刚开始接触科研时，我并不熟悉完整的科研流程。科研和课程作业最大的不同在于，课程作业往往有明确的目标和相对清晰的评价标准，而科研中的很多问题，一开始并没有那么确定的“答案”。这要求我必须不断思考，反复尝试，同时要学会在失败中不断修正方向。

我非常感谢我的本科导师窦志成老师，是他将我领进了科研的大门。窦老师给了我们很多可以探索的题目，让我们根据自己的兴趣去尝试，并经常给予我们宏观和微观上的指导。我最终选择了一个和现实场景结合较紧，并且在当时的我看来“比较容易做”的方向：可解释的个性化商品搜索。真正做下去之后，才发现并不简单。这让我第一次意识到，很多看起来“简单”的问题，真正研究起来往往比想象中更复杂。

这段科研经历称不上顺利。很多时候做科研不会一帆风顺地抵达终点，而是会在不断试错中慢慢深化对问题的理解。相比最后的结果，对当时的我来说，更重要的是在探索过程中积累经验、锻炼能力，并学会以更加耐心和开放的心态面对未知的挑战。

在这段时间里，实验室师兄师姐们给了我很多帮助，我非常感激他们，他们总是愿意为我这个“科研小白”提供力所能及的支持。其中，我想特别感谢王淑婷师姐和刘炯楠师兄，他们手把手地带我入门科研，教我如何选择方向、设计实验、分析结果、写作论文……我从他们身上学到了很多科研的方法和技巧，也感受到了高瓴的人文关怀和温度。

后来实习时，我的研究方向转向了提升智能体的试错与反思能力。围绕这个方向，我花了很多时间在工程实现、数据收集等看似“琐碎”的工作。也正是在这些工作中，我也逐渐意识到，科研不只是提出一个想法，更要让这个想法真正落到系统里、数据里和实验里。好在有之前在高瓴打下的科研基础，在老师、师兄的指导下，这段科研总算是有了不错的结果，论文最终被ACM SIGIR 2026会议接收。这是我发表的第一篇论文，也算是不负一路的努力，总算在科研之路上有了一些正反馈。

科研并不轻松。实验结果不如预期、模型效果不增反降、程序在各种地方报错……这些都是我的常态。但也正是在这些“挫折”中，我逐渐理解了科研的意义——在各种不确定和失败中找到一个值得追问的问题，并尽自己的努力，把它向前推进一小步。

3

在交流中望远：让算法进入更大的世界

在高瓴人工智能学院的四年里，许多跨学科、跨文化的交流也极大地开阔了我的视野。

大二时，我很幸运地入选了“人大—耶鲁人工智能、新兴科技和中美关系学生对话”活动。这个项目几乎贯穿了我的大学生活。三年里，我分别在北京、纽黑文、苏州、杭州等地和耶鲁同学线下交流，结识了许多来自不同国家、不同学科背景的朋友。大三寒假，我还有幸通过FACES学生论坛前往斯坦福交流，实地感受硅谷同龄人的学习与生活，也进一步拓宽了自己观察技术与世界的视角。在这些经历中，我逐渐体会到，技术从来不是孤立存在的。人工智能的发展不仅关乎算法和模型，也与产业、社会和国际关系紧密相关。

还记得大三的时候，我们和国外的同学探讨过中美在人工智能领域的合作问题。我会先从技术角度判断是否可行，法学院的同学会更关注权责边界，国际关系学院的同学则会考虑大国间的竞争和博弈。也是在这样的讨论中，我逐渐意识到，如果只站在算法内部看算法，就很容易忽略它进入真实世界后的复杂性。人工智能的研究不应该只局限于学术领域，而应该将目光投向更广阔的世界。

后来，我加入了人大和西湖大学联合创办的未来人类联合研究院，参与了这个组织从无到有的建设过程。在这里，我遇到了许多对未来科技、人类社会和文明发展感兴趣的同伴。

正因为这些交流和合作经历，我越来越喜欢把自己置身于“在算法和世界之间”。对算法的学习让我养成更严谨的思维方式，而与现实世界的交互则不断提醒我保持开放的心态。前者让我有能力分析和解决问题，后者让我不断反思问题应如何更好地解决。对我而言，这种张力正是人工智能这门学科最有吸引力的地方。

在人大高瓴，学科交叉并不是一句抽象的口号，而是真实发生在课堂、科研和交流中的日常。未来不是某一种技术、某一个领域单独决定的，而是所有学科、所有国家的人们共同创造的。对我而言，这些交流带来的最大的收获，不是某个具体结论，而是让我学会了以更加开放的视角去看待未来，在面对未知时保持好奇，在面对分歧时保持理解，在面对问题时愿意倾听不同的声音。

4

与人同行：理解“有温度”的人工智能

除了学习、科研和交流，学生工作也深刻地影响了我。我连续四年担任班长和副团支书，也曾参与明理书院自管会、人工智能研学社等学生工作。这些经历有时并不宏大，甚至常常是琐碎的：组织班级事务，协调活动安排，传达通知，收集材料。它们不像论文和竞赛那样容易被量化，却让我在具体的场景中理解了责任、沟通和陪伴的意义。

我还记得大一刚入学时，明理书院组织过一次国家奖学金答辩交流会。会上师兄师姐的分享给了当时刚入学的我很多启发。那时我问了一个很直接的问题：“怎么做才能拿到国家奖学金呢？”师兄师姐的回答给当时有些迷茫的我提供了着力点和方向，也让我对大学四年有了一个大致的规划。后来，在老师、同学和朋友们的帮助下，我的很多规划都一步步实现了，也很幸运地连续获得了三年的国家奖学金。正因为一路上受到了很多帮助，所以我也想着能够为师弟师妹和学院做点什么，希望能把这份帮助传承下去。在分享经验时，我常常会遇到刚进入专业学习的低年级同学。他们的问题有时很像当年的我：不知道一门课该怎么学，不知道科研应该选择什么方向，也不知道面对人工智能这样快速发展的学科，应该从哪里开始。当我能够把自己走过的路、踩过的坑，以及一些真实的感受和建议分享给别人时，我觉得这就是一种传承。它不是站在高处给出标准答案，而是作为一个走过相似道路的人，把自己曾经得到过的帮助再传递下去。

高瓴人工智能学院的口号是“做有温度的人工智能”。最初听到这句话时，我会更多地把它理解为一种愿景；后来，我慢慢觉得，所谓“有温度”，并不一定总是宏大的表达。它可能是一位老师在科研和生活中的耐心指导，可能是同学之间一次及时的帮助，也可能是在交流中对他人的认真倾听。我很感谢学院营造了这样一个共同进步的环境，让我能够和老师、同学们一起彼此启发、共同成长。

人工智能是一门关于机器智能的学科，但它最终仍然要回到人这个主体上。也正是在与老师、同学和朋友们同行的过程中，我慢慢理解了“有温度”的含义——它真切地发生在一次次指导、帮助、倾听和陪伴之中。这些经历让我相信，真正有意义的技术，不应只是让人走得更快、更远，而更应该增强人与人之间的理解与善意。

【写在最后】

回首本科时光，那些我曾经反复追问的问题，有的已经有了回应，有的仍然没有答案，而很多新的问题也正在前方。带着对问题的思考继续出发，或许比得到最后的答案更加重要。在这里我真诚地祝愿每一位同学都能对生活保持热爱与好奇，在面对变化与挑战时保持勇气，在追求理想的道路上坚定前行；也愿我们始终记得大学时光里收获的知识、友谊与温暖，在更广阔的世界中能够找到自己的方向。

在算法和世界之间，在理想与现实之间，愿我们都能保有提问的勇气，不断寻找问题的答案，在往后的旅途中，遇见更好的自己。