南京大学计算机科学与技术考博考试注重对考生学术潜力、专业基础和研究能力的综合考察，其参考书目和考试范围覆盖计算机系统结构、算法与数据结构、计算机网络、操作系统、人工智能等多个核心领域。考生在备考过程中需系统梳理知识体系，重点关注以下三个维度：第一，经典教材的理论深度与学科前沿结合，如《计算机组成与设计：硬件/软件接口》（David Patterson）需结合南大自编的《计算机体系结构》补充案例分析；第二，算法设计与复杂度分析能力需通过《算法导论》（Thomas H. Cormen）与LeetCode高频题库的交叉训练强化；第三，人工智能方向考生需额外研读《深度学习》（Ian Goodfellow）及南大AI学院近三年顶会论文集，建立理论联系实际的研究思维。

在复习策略上，建议采用"三阶段递进式"学习模式：第一阶段（1-2个月）完成《计算机网络：自顶向下方法》（James Kurose）等五门核心课程的基础知识图谱构建，每日保持3小时专业文献精读；第二阶段（2-3个月）针对南大历年真题（2005-2022年）进行专题突破，重点攻克分布式系统、编译原理等易错模块，同步参与南大计算机系实验室的组会活动积累科研经验；第三阶段（1个月）进入模拟实战，通过全真模拟考试检验学习成果，特别注意南大独创的"交叉学科综合题"（如将区块链技术与密码学结合的开放性论述题）的解题思路训练。

值得关注的是，2023年考纲新增对"计算思维与创新实践"的考核权重，要求考生在系统回答传统理论问题后，能结合南大"智能网络与系统"国家重点实验室的最新研究成果提出创新性观点。例如在回答OSI七层模型时，需延伸讨论南大教授提出的"自适应协议栈优化框架"在5G边缘计算中的具体应用场景。考试中约30%的题目涉及与南京大学计算机学科特色相关的命题，如自然语言处理方向需关注南大"中文信息处理"团队的最新成果，计算机图形学方向则需了解南大可视化与图形学国家重点实验室的科研项目。

考生在时间管理上应遵循"721"原则：70%时间用于深度学习核心知识体系构建，20%投入跨学科交叉研究，10%用于模拟考试与错题复盘。特别要重视南大计算机系博士生的"学术潜质评估"环节，建议提前联系2-3位意向导师，参与其课题组正在进行的前沿项目（如类脑计算、可信计算等），相关科研经历可作为复试的重要加分项。最后需注意，南大考博实行"一考多评"机制，初试成绩仅占综合评分的40%，后续的学术潜力面试（含英文文献汇报、开放性课题设计）更为关键，建议提前准备3个以上与南大学科布局契合的博士研究计划。