委员会先看什么证据
技术项目/科研叙事：具体问题 → 方法与技术栈 → 可核验的结果（性能、规模、准确率、用户量等指标最有力；无指标的项目写清交付物与被谁使用）；论文、开源贡献、竞赛名次；支撑读研的数学与编程基础。
逐条核对的清单
本站文书评审对这一领域逐项判定的检查项，每一项都要在文书里找得到对应的段落：
- 1至少两段技术经历写出了具体问题、方法与可核验的结果
- 2技术方向具体（ML/系统/安全/图形/HCI 等）且与经历一致
- 3数学与编程基础在叙事中可见（课程、证明、实现细节）
- 4点名实验室/教授/模块并与自己的技术方向衔接
- 5（研究导向项目）提出了初步的研究问题或想解决的开放问题
这一领域的高频失分点
在通用的失分点（空泛热情、职责罗列、Why school 换校名照样成立）之上，这一领域还特别常见：
- 编程语言/框架清单堆砌而无项目支撑
- 泛谈「AI 改变世界」而没有自己的技术实践
- 把普通课程作业包装成科研成果
比例与语气
技术证据占绝对主导（约 40–50% 篇幅用于项目/科研叙事，MIT Comm Lab 标准）；职业段落可短，但方向要与技术叙事一致。
本站给这一领域打分的五个维度与权重：动机与学术兴趣 15%、学术准备与证据 35%、项目契合度 20%、目标与叙事连贯 15%、结构与写作规范 15%。通用标准是动机 20%、证据 25%、契合 20%、目标 20%、写作 15%，差异就是这一领域的侧重。
依据：本站评审标准。整理自各校公开指南，表述与阈值是本站的口径。