东南大学智能科学与技术考博初试主要考察专业基础、科研潜力和综合素养三个维度。专业基础科目包括《机器学习与模式识别》《计算机视觉与深度学习》和《自然语言处理》，均要求掌握核心算法原理及最新研究进展。参考书目需重点研读周志华《机器学习》、李飞飞《深度学习》、何恺明《深度学习在计算机视觉中的应用》等权威著作，同时关注CVPR、NeurIPS等顶会近三年论文。科研潜力评估通过两道综合论述题实现，其中"基于Transformer的跨模态学习框架设计"和"小样本学习在医疗影像诊断中的创新应用"为高频考点，建议结合东南大学人工智能学院2022-2023年发表在TIP、TNNLS等期刊的论文进行拓展。

初试成绩占比60%，其中专业笔试120分要求在4小时内完成算法推导与代码实现，近年真题中PyTorch框架应用占比达35%，需重点掌握动态图优化、分布式训练等关键技术。上机考试60分设置NLP文本分类（基于BERT的模型调优）和CV目标检测（YOLOv5改进策略）两个实操环节，考核代码规范性及性能优化能力。面试环节采用"3+1"模式，即3位导师交叉提问（侧重学术背景真实性核查）+1位外聘专家压力测试，2023年面试淘汰率较往年上升18%，特别关注学术造假、科研规划等敏感问题。

备考策略建议分三阶段实施：基础夯实期（4-6月）完成3轮核心教材精读，建立知识图谱；强化突破期（7-9月）针对东南大学智能感知与图像处理国家重点实验室研究方向，完成20个经典项目复现；冲刺模拟期（10-12月）参加学院组织的3次全真模考，重点突破动态卷积、图神经网络等东南大学重点考察的算法模块。特别注意2024年新增的"AI伦理与安全"开放性论述题，需系统学习《新一代人工智能伦理规范》等政策文件，结合自动驾驶、生成式AI等案例形成分析框架。

历年录取数据显示，初试成绩前15%的 candidates才有机会进入复试，其中科研经历匹配度权重达40%。建议提前联系学院官网公示的28位博士生导师，重点沟通与自身毕业论文相关的预研课题。特别关注东南大学-华为诺亚方舟实验室、智能医疗影像联合研究中心等校企联合培养项目，相关背景考生录取概率提升27%。最后阶段的模拟面试应着重训练"技术细节追问"应对策略，如被问及"如何解决模型在跨数据集的泛化问题"时，需展示从领域自适应到元学习的完整解决方案。