从初涉竞赛的懵懂新人到多次在重要期刊发表论文，他在计算机领域深耕求知，荣获两次国家奖学金，本科阶段三年综合测评成绩位居年级第一，累积获得国家级奖项15项，自治区级奖项15项，并成功推免至天津大学……作为2025年校长奖学金获得者，计算机科学与工程学院/软件学院/人工智能学院计算机科学与技术专业2025届毕业生钱浩栋在创新钻研的路上走出自己的“新路子”。
兴趣驱动：
他在数据世界深耕求索
问学初阶之时，钱浩栋就对编程等计算机技术产生了浓厚的兴趣和展望。他认为，在当今时代，计算机行业能够真正改变世界。基于这样的憧憬，他在高中阶段就立下未来选择计算机相关专业的决心与目标。
进入计算机科学与工程学院/软件学院/人工智能学院计算机科学与技术专业学习后，他逐渐体会到计算机“算法设计与逻辑架构构建”的核心魅力。“就像人工智能，它底层实现的本质是数学建模与逻辑推理的融合。”钱浩栋介绍道。人工智能可以揭示全新科学规律的巨大潜力，令他无比兴奋和着迷。
近三年的专业综合测评成绩中位居年级第一，GPA达到4.23，对于成绩的保持，钱浩栋有着自己学习的“一套”。在课程学习中，他时刻围绕课程的“作用”“目的”和“意义”进行详细分析，对于较为抽象难懂的课程，他坚持打好知识的“地基”。在课后将每一个复杂的电路图的构造完全“吃透”，用“为什么要这样设计？这样设计有什么好处？不这么设计行不行？”……提问式思维摸清不同电路图之间的设计思路，他就在反复的回顾、练习中直至彻底掌握这一知识点。
在参与长达132课时的学院助教中，钱浩栋利用回答其他同学提出问题的时间空隙，不断提高自身的语言表达能力，在脑海中不断温习已学知识，提高对知识的熟练度。“通过压缩空余时间来扩展自己可自由分配的时间，在特定的时间干特定的事情，并且不被其他事情所打扰，从而做到高效的办公。”钱浩栋坦言。
竞赛攻关：
他在角逐中实现多维成长
对于钱浩栋而言，高水平竞赛绝非仅仅是奖牌的角逐场，更是他将人工智能技术应用于复杂现实问题、锤炼工程能力、挑战认知边界的创新实践。
“竞赛极大地锤炼了我的算法设计思维、工程实现效率和问题解决韧性。”钱浩栋总结道，他视竞赛为检验课堂所学、深化科研理解、并在高压环境下锻造实战能力的宝贵机遇。“它迫使我跳出舒适区，在严格的时间限制和巨大压力下，保持头脑清晰，快速拆解复杂问题，并高效地设计、实现和解决方案。”不惧锋芒，迎难而上，正是驱动他在科研与工程领域追求卓越的核心动力之一。
在2022年第47届国际大学生程序设计竞赛（ICPC）亚洲区域赛的赛场上，面对连番出现的算法“硬骨头”，他化身解题战场上的“破局者”。比赛进入白热化阶段，钱浩栋不断用精密的计算将复杂的逻辑拆解重组。团队陷入思路僵局时，他主动承担起攻坚任务，在高强度的脑力消耗下，用严谨的推导为团队拨开迷雾。团队成员间互相鼓励，鼓舞士气，最后成功完成比赛。“虽然比赛最终只是获得了铜奖，但那种团队协作、永不放弃的精神以及最终突破难题的喜悦感，至今都让我非常难忘。”团队力量，也成为了他编程之路上宝贵的财富。
从校赛、省赛到全国乃至国际舞台，钱浩栋积极参与涵盖机器人开发、数学建模、程序设计大赛等领域的大量竞赛，积累了极其丰富的实战经验。每场赛事都是一场与时间赛跑、同难题博弈的极限突围战，促使他快速学习新知识、优化解决方案、提升工程化能力和临场应变水平
。
在国际竞赛lEEE BigData2024大数据挑战赛中，钱浩栋参与了“Characterizing User Behavior in Social Networks: Propagation,Prediction, and Sensemaking”(描述社交网络中的用户行为：传播、预测和意义构建）的赛道。在这场比赛中，钱浩栋需要使用包含156万条微博数据的大规模数据集训练一个深度学习模型，同时与全世界的参赛者们进行竞争、量化评分。面对完成模型、预测转发行为过程的时间紧迫性，他从容镇定，凭借出色的信息数据筛查能力不断兼顾模型的准确率，同时以高效的算力资源调配与数据处理推进有效的数据可视化，在比赛中脱颖而出，最终勇夺lEEEBigData2024大数据挑战赛冠军。压缩空余时间来扩展自己可自由分配的时间，在特定的时间干特定的事情，并且不被其他事情所打扰，从而做到高效的办公。”钱浩栋坦言。
科研编译：
他投身人工智能的前沿探索
计算机世界奔腾不息的创新浪潮，以其变革性的力量深深吸引着钱浩栋。钱浩栋在师长与伙伴的启发下，通过广泛深入的文献阅读和对AI领域技术前沿的敏锐洞察，主动投身人工智能核心领域的前沿探索。
在人工智能科学领域，当前的通用的视觉语言模型在解决天文研究任务中时常遇到表现和效果不佳的问题。钱浩栋在开展AI for Science（人工智能助力科学发现）研究时，将探索的目光聚焦到这一现实矛盾，并在团队多次针对性实验中发现了其中的原因———“当前最先进的视觉语言模型都构建于欧几里得几何之上，这使得它们天生就不适合天文学研究。”钱浩栋解释道。
为了突破这一对于视觉语言模型的限制，助力解决基础科学研究中关键难题，他与他的团队全身心投入相关模型对比研究和运用上，反复试错，深耕演绎，创新性地提出以赋予模型理解并处理非欧几里得几何能力为核心的首个专门为“几何感知”而设计的VLM框架。该框架凭借恰当的几何“语言”来处理天文数据，实现模型性能的提升，并成功发表于CVPR(Conferenceon Computer Vision and Pattern Recognition）(计算机视觉与模式识别会议）。面对这一创新锚点突破，钱浩栋自豪地说：“我的工作虽属基础研究，但其开创性的方法为利用AI解析宇宙奥秘提供了强大的新工具，也推动了我们对宇宙的集体认知！”
科研之路充满挑战，挫折锤炼了钱浩栋迎难而上的勇气，成为他不断检验自己，突破自我的“炼金石”。“我们需要从高达20TB的原始天文数据中精准清洗出有效的一百多GB训练数据。”钱浩栋谈及研究过程时说道。
从项目启动到截稿仅有短短一个月，面对巨大的数据处理，团队采用了极高强度的研发模式。紧迫的时间下，钱浩栋处变不惊，坚持面对面交流或语音通话等直接高效的沟通，从早到晚全力投入、计算服务器持续满载运行已成为他专注研究时的常态。几乎每天都在和北京航天航空大学的团队伙伴们密集讨论模型设计、实验细节和论文进度，高频开会，最多时一周达15场。”他逐步攻破研发阶段困扰团队的众多难题，最终推动团队在截稿前成功完成了这篇开创性文章的写作和最终检查。
在无数次调试复杂AI模型、探索算法改进的不懈努力中，钱浩栋实现了其科研能力的“亮眼”蜕变：他以第一作者身份在CCF-C类会议ISPA'24发表《RLGNN:RobustGraph Neural Networks with Noisy Label Learning》（面向噪声标签学习的鲁棒图神经网络）；以第三作者身份在CCF-C类会议ICPADS'23发表《RelaxedGraph Semi-Supervised Contrastive Learning for Node Classification》（用于节点分类的松弛半监督图对比学习方法），不断为人工智能领域提供新思路，新方法。
这四年的宝贵经历，深刻塑造了钱浩栋未来的学术志向。他坚定地选择继续研究深造AI for Science领域，致力于探索下一代人工智能模型如何更有效地赋能科学发现，在AI驱动科学创新的广阔天地中潜心钻研，矢志利用前沿人工智能技术推动科学前沿突破，为解决科学问题贡献智慧与力量。
