计算机科学与技术考博备考需以中科院计算技术研究所历年真题和指定参考书目为纲，重点突破数据结构、算法设计与分析、操作系统、计算机网络、数据库系统、软件工程、计算机体系结构、人工智能基础、编译原理及分布式系统等核心领域。考生应系统梳理知识体系，建立跨学科知识关联，注重理论与实践结合。

数据结构部分需深入理解线性结构（栈、队列、链表）、树形结构（二叉树、AVL树、B树）、图论（最短路径、最小生成树）及查找算法的时间复杂度分析，重点掌握红黑树平衡机制与B+树在数据库中的应用。算法设计应强化动态规划、贪心算法、回溯算法及分治策略的实战应用，特别关注NP完全问题的近似算法与复杂度证明。操作系统重点突破进程调度（多级反馈队列、优先级抢占）、内存管理（分页/分段、虚拟内存）及文件系统（日志机制、分布式存储）的设计原理，需结合Linux内核源码实例理解页表机制与锁优化策略。

计算机网络需构建OSI七层模型与TCP/IP协议栈的对应关系，深入分析TCP三次握手、四次挥手机制及拥塞控制算法（拥塞窗口、快速重传），掌握HTTP/3多路复用技术演进。数据库系统应掌握关系代数运算、索引优化（B树与哈希索引对比）、事务ACID特性及MVCC实现原理，重点理解InnoDB存储引擎的undo日志与binlog机制。软件工程部分需系统掌握需求分析（UML建模）、设计模式（依赖注入、工厂模式）、版本控制（Git分支策略）及DevOps流水线构建，结合敏捷开发案例解析Scrum框架实施要点。

计算机体系结构重点突破指令集架构（RISC-V与x86对比）、流水线冲突解决（数据/控制 hazard）、存储器层次化（Cache映射策略）及多核并行计算（NUMA优化）。人工智能基础需掌握机器学习（SVM、决策树、神经网络）、深度学习（CNN、Transformer架构）及强化学习（Q-learning、PPO算法）的核心理论，结合ImageNet分类、AlphaGo案例解析模型优化技巧。编译原理需系统掌握词法分析（DFA构建）、语法分析（LL/LR范式）、语义分析（中间代码生成）及代码优化（常量传播、循环优化）的全流程，重点理解LLVM编译器中间表示（IR）技术。

备考策略建议采用三轮复习法：首轮通读参考书目建立知识框架（约60天），二轮专题突破结合历年真题（约45天），三轮模拟实战（每日6小时全真模考）。重点强化算法题手写代码能力（LeetCode高频题200道），操作系统与计算机网络需构建思维导图（建议使用XMind工具），人工智能方向考生应补充《深度学习》花书与经典论文（如ResNet、BERT）。特别关注计算所近三年在类脑计算、存算一体、可信计算等领域的科研动态，在综合应用题中体现学科交叉思维。建议组建3-5人备考小组，每周进行模拟答辩（使用Zoom在线平台），重点训练学术表达能力与跨学科问题解决能力。