Compare

竞赛多维对比

对比重点不是谁更“高级”，而是哪一项更符合学生目标专业、当前基础、可投入时间和成果沉淀方式。

对比维度	CS与AI A CTB CTB 试点记录用于综合研究竞赛主题页联调；具体官方赛季节点需上线前复核。	CS与AI B+ Kaggle Kaggle 试点记录用于数据科学竞赛主题页联调；具体赛事与官方赛程需按项目单独更新。
申请相关性	项目化经历便于构建技术履历、数据处理和问题拆解叙事。	与科研/申请场景衔接紧密，可用于支撑技术深度与问题解决能力。
适用阶段	G9-G10-G11-G12	G9-G10-G11-G12
备赛周期	建议按赛季提前 8-12 周制定训练计划，并固定每周复盘节奏。	建议每月完成一次完整赛道复盘，按季度提升模型与叙事质量。
难度	A 级 / 中高	B+ 级 / 中高
成果证据	Notebook 与代码仓、实验记录、可复现实验说明	评测报告、实验对照、可复现代码
投入方式	数据分析路径诊断、代码复盘辅导、技术简历与成果包装	技术路径复盘、模型优化咨询、项目表达与简历整合
科研/课程联动	以任务拆解、迭代复现、成果复盘支撑长期能力展示。	强调可解释的方法论与结果验证，提升长期项目能力。
主要风险	赛题切换导致计划偏移；重现性不强会影响可验证性	盲目追求分数会降低可解释性；缺少持续迭代会导致路径停滞

CTB 的下一步

先明确任务方向和评估指标，再拆解时间表。

建立每周 review 机制，避免模型优化失焦。

如果竞赛之间难以取舍，通常说明还缺少目标专业、学术基础或时间窗口判断。建议先做路径分诊。