研路炼钢 | 复盘六个获奖项目后，我终于明白：平台愿景为什么打不过一条证据链
研路炼钢 | 复盘六个获奖项目后，我终于明白：平台愿景为什么打不过一条证据链
比赛结束后，我和一位队友把获奖展板重新看了一遍。最初得出的结论很粗暴：有实物，大于无实物。再往下拆，我发现真正拉开差距的不是那块硬件，而是它背后那条能被看见、被测量、被追问的证据链。
先说明边界：这篇文章只依据现场展板、演示和个人记录复盘，不代表官方评审结论。涉及个人的信息均已脱敏，对评分动机等无法验证的内容也不作事实判断。为保护参赛者信息，正文配图使用脱敏重绘。
01｜我一开始只看见了“有实物”
我们学校是第一次做这种跨学院合作，校内是三选一。现场有长期参赛的学校，选拔强度大约是六选一；也有学校八支队伍来了四支。有人已经在这个赛道积累了十余年，我们则刚把第一套合作流程跑通。
从结果看，获奖作品里确实有不少硬件、传感器、穿戴设备和真实部署图。于是我很容易把它归因为：有实物的项目更占优势。
但这个结论只对了一半。
实物本身不会自动产生创新。它真正提供的是一种“信任压缩”：评委在几分钟里能看到输入从哪里来、算法处理了什么、输出怎么测、最后放到哪里用。纯软件当然也能做到，只是必须用更扎实的实验和真实数据，把缺少的可见性补回来。
至于现场不同评委的提问风格和打分差异，我赛后也有过主观猜测。但没有完整评分明细，就不能把偏好甚至关系当成主要解释。比起猜人，拆作品更有用。
02｜一等奖最强的不是论文数量，而是闭环
一等奖项目 RadarCare 做的是非接触式生命体征监测。它的切入点非常具体：ECG 贴片可能刺激皮肤，穿戴设备容易忘戴，摄像头又带来隐私压力，而老人需要长期监测。
现场材料里能同时看到雷达硬件、信号处理流程、误差表、App、床边部署图，以及与贴片、穿戴设备和摄像头的直接比较。评委不需要先相信一个宏大愿景，只需要顺着展板回答四个问题：
- 为什么必须用这个传感器？
- 核心算法处理了什么信号？
- 误差和对照结果怎么样？
- 谁会在什么地方使用？
它当然也有局限。仅凭现场展示，我看不出样本规模和医疗验证是否足够。但在所有作品里，它把“痛点、技术、数据、场景”接得最完整。团队的论文积累是加分项，真正让成果站住的仍是可验证闭环。
03｜二等奖把算法放进了行动链路
HopeGuard 把普通心理应用的“等用户主动求助”，改成“系统主动发现风险”。手机、健康平台和穿戴数据先进入 Data Agent，Risk Agent 计算风险，Intervention Agent 再根据等级做安全确认、提醒或资源连接。多模态模型不是孤零零地做一次情绪识别，而是进入了“采集、判断、干预、反馈”的链路。
另一项城市轨道作品同时服务乘客和运营方：VideoMAE、Transformer、Cross-Attention、RT-DETR 等模型负责识别暴力、跌倒、滞留、拥挤和逆行，Conv-GCN 提前预测客流；乘客端负责查询与导航，管理端负责告警和调度。
模型名称很多并不等于先进。两项作品真正做对的是：每个模型后面都有一个动作。 风险分数会触发干预，拥挤预测会影响调度，异常识别会进入告警。算法没有停在识别结果上。
04｜三等奖赢在“把一个问题切小”
三个三等奖项目也给了我同一种感觉。
医路通围绕就医前的一条路径展开：用户不会描述症状、不知道挂什么科，也不知道是否紧急。文字、语音、图片或穿戴数据进入系统后，输出症状整理、风险分级、科室建议和医院信息。
AcuGuide 只解决“普通人找不准穴位”这件事。它用 MediaPipe 找人体关键点，再做个体尺寸校正、Kalman 滤波和局部解剖特征定位，最后在 AR 画面中给出位置和置信等级。
金粹华章面向非遗金银细工，把数字收藏卡、工艺展示、AR 学习和 3D 内容串成一条可探索、可收集、可传播的体验。
它们都不是无边界的平台，但三分钟内都能回答：我解决哪个具体问题，核心技术在哪里，用户最后得到什么。
05｜再看 LinkAble：不是创意不够，而是证据不够
LinkAble 的方向并不差。它面向视障、听障、老年人和临时困难者，设计了“AI 先处理，真人志愿者兜底”的帮助链路。首页、AI 对话、转人工、志愿者匹配、通话、评价和求助记录已经能形成完整演示；高对比度、文字缩放、语义标签等无障碍设计也不是贴在页面上的口号。
问题在于，我们把很多环节做全了，却没有把一个环节做成不可替代的核心。
比赛版优先保证 Demo 闭环，AI、匹配、通话、SOS 等关键路径仍有不少本地回退或模拟状态。页面和状态机很完整，但缺少稳定的对照实验、真实运行指标和试点结果。站在开发者视角，这叫工作量大；站在评委视角，它更像多个成熟技术的服务编排。
所以我现在对 LinkAble 的判断是：不是创意不如别人，而是平台愿景大于真实证据。 获奖项目普遍把一个问题做深，我们则把很多问题做全。前者容易形成技术钉子，后者容易变成功能清单。
06｜评分不是功能相加，而更像证据相乘
这次评分里，创新性占 40%，技术与应用、未来发展、展示各占 20%。如果核心创新说不清，后面再完整，也很难把最高权重补回来。
我现在更愿意把项目可信度写成一个乘法：
项目可信度 ≈ 痛点清晰度 × 核心技术辨识度 × 实测强度 × 场景真实性
任何一项接近零，整条链就会塌。硬件之所以常显得有优势，是因为它天然把痛点、输入和部署场景摆在桌面上，并不是因为评委只喜欢“有东西可以摸”。纯软件项目如果有真实用户、稳定基线、可复现实验和明确决策输出，同样可以建立很强的证据链。
07｜下一版不该继续堆页面
如果再做一版 LinkAble，我会先砍功能，再补三层证据。
第一，把调度机制算法化。 明确需求类型、志愿者技能、距离、响应时间、历史完成率和可用时段等特征，给出正式的匹配评分，并与随机匹配、先到先得等简单基线比较。
第二，完成三组对照实验。 匹配策略比较响应延迟、成功率和重试次数；AI 单独处理与 AI 加真人兜底比较解决率、转人工率和平均处理时间；默认交互与无障碍适配比较任务完成率、错误率和中途退出率。
第三，做一个小而真实的试点。 范围可以小，但参与者、任务、同意流程、数据口径和失败案例必须真实记录。宁可公开一个有限结论，也不要用十个模拟页面暗示系统已经成熟。
海报和三分钟答辩也要跟着重做：只讲一个人、一个任务、一个核心算法、一组对照结果和一个真实场景。页面墙放到附录，证据放到正中间。
08｜第一次参赛，真正该留下的是组织资产
我们和一所长期参赛学校的差距，不只在某个模型，也在组织经验。对方一位老师就能带队，因为选题、材料、海报、演示和答辩已经形成了传承；我们第一次跨学院合作，每个环节都在临场摸索。
下一届最该留下的不是一句“继续努力”，而是一套可复用资产：历届项目数据库、评分拆解、海报模板、三分钟脚本、演示验收清单、评委问题库，以及技术与设计老师都能接手的交接文档。比赛经验只有被写进流程，才不会每年从零开始。
写在最后
这次复盘让我修正了最初那个粗暴结论。
不是“有实物大于无实物”，而是可验证的东西大于只能被描述的东西。实物只是最直接的一种证据，真正让评委相信你的，是从痛点到技术、从技术到数据、从数据到场景没有断点。
LinkAble 下一步最需要的也不是再加一个 Agent、再补一个页面，而是把最核心的匹配与兜底机制做深：算法化、做对照、跑试点、讲清楚。
先做深，再做全。比赛如此，研究和产品也是如此。
研路炼钢，记录一个计算机研究生的真实成长。
