先选专业，再看方向，最后进入具体研究主题

让模型理解 CT、MRI、X-ray、病理切片等医学影像，做分类、检测、分割、报告生成和预后预测。

研究模型为什么这样判断、是否稳定可靠、是否存在偏差、是否保护隐私，以及能否在真实场景中被信任。

让学生、老师或业务方知道模型依据什么做判断。医疗、金融、自动驾驶和司法场景尤其常见。

多个机构不能直接共享数据时，让模型在保护隐私的前提下协同训练，常见于医疗、金融和政务数据。

把图像、文本、语音、视频、传感器或临床信息放到一起理解，解决单一模态看不全的问题。

让智能体学习环境如何变化，在内部模拟未来，再用于规划、控制、自动驾驶或游戏智能体。

研究大模型如何理解指令、调用工具、检索知识、规划任务，并形成可执行的复杂工作流。

研究模型被攻击、泄露数据、产生幻觉、输出有害内容或违反规则时，如何检测和防护。

研究如何把合适内容、商品、课程、论文或服务推荐给合适的人，适合做可落地项目。

研究如何从噪声生成图像、视频和设计方案，适合文生图、可控生成、图像编辑和合成数据。

研究节点、边和关系结构中的 AI，适合推荐、交通、金融风控、知识图谱和 AI for Science。

让智能体进入虚拟或真实环境，完成导航、抓取、视觉语言行动和长期任务执行。

用 AI 加速科学发现，覆盖蛋白、分子、材料、天气气候和科学仿真等高价值交叉方向。

把文档、实体和关系组织成图，让 RAG 能按证据链检索、推理和生成可追溯答案。

用历史序列预测未来趋势、异常风险和业务需求，适合金融、交通、能源、医学监测和工业设备。

从医学影像中提取大量定量特征，再和临床结局、病理、基因或治疗响应关联。

模型换医院、换设备、换数据集或遇到噪声后，还能不能稳定工作。真实科研中很重要。