2026年”高教社杯”全国大学生数学建模竞赛将于9月10日（周四）18:00开赛，9月13日（周日）20:00截稿，全程共74小时。知乎和往年相比，今年最大的变数是组委会在8月3日正式发布了2026年度AI使用试行新规。哔哩哔哩备赛社区的气氛也很分裂：一边是几乎所有队伍都在用 AI写论文、生成模型、调试代码、画图表。小红书另一边是所有人都在试探边界在哪里——用到什么程度算辅助，越过哪条线直接取消评奖资格？
难度也不低。国赛国一的获奖率只有0.8%，国二2.7%，省一8%。知乎与其继续争论原则，不如拿国赛里最基础、也最常出现的模型——线性规划——当切入点：哪些活可以放心交给AI，哪三件事必须自己守住，以及剩下的19天该怎么用。
优化类题目，是国赛的常青树
先盘一下真题。2025年国赛A题《烟幕干扰弹的投放策略》，完整解题过程本质上就是一轮带约束的寻优。知乎同年C题更直接，第二问要把267名孕妇按BMI分组、为每组决定检测时点，以组内总风险分最小为目标，约束为时点落在 10—25 周窗口、组内达标覆盖比例不低于目标、每组样本量不低于下限。知乎这就是线性规划的标准三件套：目标函数、约束条件、可行域里找最优解。
热身赛也是同一个味道。2026年五一杯数模B题做的是多车间联合调度混合整数线性规划模型。哔哩哔哩2026年华数杯C题围绕“算力—电力—储能—通信”联合优化，依次建立了统计分析、短期预测、基础调度、碳感知调度、储能协同与多区域协同优化的系统性模型。知乎
也就是说，9月抽到什么题，大概率都会碰到优化模型。而线性规划的三个基本功——把要优化的东西翻译成目标函数、把不能违反的条件翻译成约束、在可行域里找最优解——是所有这些题的共同底座。底座不牢，换成混合整数、非线性变体立刻就会露馅。
AI到底怎么帮优化题？看一份最新复盘
8月初，知乎上一篇2025国赛C题复盘记录了从问题分析到论文定稿的全流程。四个子问题形成了“关系建模—时点优化—多因素扩展—异常判定”的递进分析链。知乎
作者给出的整体问题分析框架图，把四问的输入输出关系画得一目了然：第一问回归出的浓度函数和残差标准差，直接作为第二、三问时点测算的输入。这个结构在国赛优化题里非常有代表性——先建立量化关系，再定决策变量和约束求最优，最后做验证与解释。值得注意的是这份复盘里AI的位置：文献整理、公式排版、初稿润色交给AI，模型逻辑和有效性论证由人完成。这恰好就是新规要求的那个姿势。
AI真正的价值：把校验成本打到接近零
一位金融专业的复盘作者写过一条死规矩：论文里出现的每个数字，必须能由代码重新算出来，不允许手填。知乎听起来苛刻，但在AI时代这反而是最便宜的一条防线——让AI复算、复核、复跑的成本几乎为零，真正贵的还是过去那种人工逐项对数的笨办法。
这份C题复盘里就能看到校验做到位是什么样。“BMI越高浓度越低”这个结论，不是跑一次回归就敢写进论文：作者用健康胎儿子集、一人一档截面、Huber稳健回归、主口径四种口径重新估计，BMI 负向效应在所有口径中方向一致、量级相近（−0.0020 至 −0.0024）且均显著。知乎
上图中不同口径下的系数稳定性对比，哪个口径方向变了、量级飘了，一眼就能看出来。这类图才是评委判断“你有没有真做验证”时盯的东西。复盘作者还做了误差压力测试：故意把残差尺度放大50%，90%覆盖约束直接失去可行解——说明最优时点方案对误差估计很敏感，残差标准差估得准不准，是整套结论可靠性的前提。
复盘里的SHAP特征重要性图是另一个例子：它把“谁在驱动模型结论”量化了出来。对第三问的浓度预测，抽血次数以平均绝对SHAP值0.00926位居贡献首位，后面是对齐率、体重、持续孕周，贡献方向与第一问的结论互相印证。评委指着这张图问“为什么抽血次数影响最大”时，你能指到数据里的具体逻辑，这张图就是你的；答不上来，图越漂亮越暴露你不懂。
三件事，不能交给AI
第一件，是把赛题翻译成模型。要优化什么、能决策什么、不能违反什么，面对题目时这三个问题只有人能回答。反驳“全靠AI拿国奖”论的作者说得直白：AI替代不了认知门槛，它只替代执行门槛。知乎自己都没想清楚这是个什么问题，提问都提不对，AI只会尽职尽责地给你一个看起来合理的错误答案。抄代码同理，走捷径非常危险：网上代码都是适配别的题，参数、数据和赛题不匹配。就算跑通，结果也不对，论文很难自圆其说。小红书
第二件，是对结果的解释和答辩。一位国一队员的感受很直接：现在做数学建模问题时对建模的完成度、计算答案的正确度和论文的完整性要求都更高了。小红书评委的时间有限，看的就是你的结果图读不读得懂、结论能不能被追溯。
复盘里的C题第二问给了个例子：90% 覆盖目标下最优方案为 3 组，BMI 小于 29.0 的 67 人可在 10 周低风险检测，BMI 不小于 29.8 的 200 人需推迟至 21.5 周。知乎上面的BMI分组时点结果图，把不同覆盖目标、不同BMI区间的时点差异画得清清楚楚。评委很可能追问：为什么切点是29.0和29.8？覆盖目标提到95%会怎样？模型如果是AI生成的，这些问题的答案你得自己准备好。
第三件，是合规声明——这是今年最要命的新变量。新规写得明确：只要使用AI，哪怕仅润色一句话，论文声明 +《AI工具使用详情.pdf》缺一不可。哔哩哔哩而且AIGC检测仅作辅助，漏写声明也算违规。别74小时拼完了，栽在一份声明上。
剩下19天，怎么花
给第一次参赛的同学：别补新模型了。找一道历年优化题（比如2025年C题这类时点优化题），走完一个完整闭环：自己写目标函数和约束、跑通求解器、再用代码把论文里每个数字重算一遍。走完这一遍，你就知道完整的建模流程长什么样，上场才不慌。
给二刷的同学：补两个短板。一是补校验，给现有代码加上多口径稳健性检验和误差敏感性分析，练到论文里任何一个数字都能一键重算；二是练讲解，挑出论文里任何一张结果图，练习用一分钟讲清楚“这张图在说什么、为什么是这个结果、误差变大时会怎样”。
不管属于哪一类，赛前都应该把这条纪律演练一遍：自查仅做辅助，核心建模必须人主导，AI 内容务必人工核验。小红书把这句话贴在队伍白板上的话，74小时里它会救你。
74小时拼到最后，拼的不是谁的AI工具多，而是谁能把一个真实问题翻译成能解的模型，并把每个数字辩护到底。AI是个能力放大器，不是许愿机。知乎19天，足够把一个可验证的闭环跑通一遍——这比再收藏一百份模板靠谱。
