常见问题

我是大一 / 大二，现在开始做科研太早吗？

不早。路线 A 的内容主要是基础知识和动手能力，对课程学习、竞赛、实习都有帮助。时间投入比年级更重要：每周能稳定投入 6 小时以上，就可以从路线 A 开始；走路线 B 或正式进组后，每周需要 10 小时左右。

我的电脑没有 NVIDIA 显卡怎么办？

• 基础知识、Linux、Docker、K8s（用 kind）、Ray、向量数据库这些实验不需要 GPU。
• 需要 GPU 的实验用实验室服务器。进组后申请账号。
• 还没有服务器账号时，可以先用 Kaggle、Google Colab 的免费 GPU 熟悉 PyTorch，或者按小时租用云 GPU。

用 Mac 可以吗？

可以用来写代码、读论文、跑不需要 CUDA 的实验。Apple 芯片的 Mac 可以用 Ollama 本地跑小模型体验，但 vLLM、CUDA 相关的实验要在 Linux 服务器上做。

英文论文读不懂怎么办？

刚开始都会这样。先读摘要和引言，配合 AI 工具翻译难句，同一个方向读到第 5 篇以后会明显变快。专业术语查术语表。

本科生能发论文吗？

能，前提是按照入门路线打好基础，复现扎实，并且持续投入。从入门到第一篇论文，通常需要半年到一年。

组内论文先读哪篇？

先读课题组的综述（端侧 AI 模型综述，ACM CSUR 2025）的前几节，再按方向读，见读组内论文的推荐顺序。容器调度方向建议从篇幅短、有代码的 LRScheduler 开始；生成式 AI 加速方向从 BWCache 开始。

组内论文的公式太多，看不懂怎么办？

建模与算法类论文的公式虽多，但大部分是定义。先把符号表整理成“已知输入、决策变量、中间量”三类，再画出一个任务从到达到完成的时间线，公式就好读了；证明部分第一遍可以跳过。具体方法见读组内论文，需要的数学见数学基础。

论文没有开源代码，怎么复现？

组内调度类论文的实验大多是仿真，照着系统模型自己写仿真器就能复现。先做 L9 层感知容器调度仿真，再看复现组内论文。遇到论文没写清的细节，直接问作者。

仿真实验的结果可信吗？

仿真能在相同条件下公平地比较多种算法、方便改变参数，是调度研究的标准做法，前提是参数和数据来自真实系统（真实的镜像层、真实的集群 trace）。仿真忽略了真实系统的一些开销，所以重要的结论最好再在真实系统上验证，组内的 LECU、EAT、VELO 都这样做了。

环境配置卡住了很久怎么办？

一个问题卡了两个小时以上就去问。提问时带上：你想做什么、运行的命令、完整的报错、已经尝试过的方法、环境信息。见如何使用本手册。

文档里的命令跑不通？

大模型相关的软件更新很快，参数和用法会变。先看报错信息，再查对应软件的官方文档。确认是文档写错了，请告诉我们，帮助后来的同学。

这份手册的内容可以转载吗？

许可证确定后会在这里说明。