拿到赛题的第一反应，往往决定了整篇论文的上限。有的队伍半小时就锁定方向开始干活，有的队伍讨论一天还在「这个问题到底在问什么」上打转。差距不在数学水平，而在审题方法。本文给出一套可复用的流程：通读、拆解、翻译、匹配、验证。
第一步是通读，而且要读出声、读三遍。第一遍了解全貌：这道题的背景是什么、最终要交付什么；第二遍圈出所有「动词性指令」——establish（建立）、determine（确定）、evaluate（评估）、predict（预测）、recommend（建议），这些动词就是评委的评分点清单；第三遍标出所有数据与附件，确认哪些是给定数据、哪些需要自己收集。
第二步是拆解。把赛题按小问切开，然后为每个小问写一行「输入 → 处理 → 输出」的描述。例如：「输入：过去十年各城市人口与 GDP 数据；处理：建立人口流动与经济指标的关系模型；输出：未来五年人口预测及置信区间」。这个一行式清单是整篇论文的任务分解表（WBS），后续的时间安排、分工、论文章节都直接由它派生。
第三步是翻译——把现实语言翻译成数学语言。这是审题的核心环节：识别问题背后的数学结构。「评选最好的医院」翻译成「多指标综合评价问题」；「安排救护车待命点」翻译成「选址优化问题」；「预测下一年的客流」翻译成「时间序列预测问题」；「判断谣言是否会扩散」翻译成「微分方程动力系统问题」。翻译得越准，后续选型越顺。建议全队头脑风暴，把每个小问可能对应的 2-3 类候选模型都列在白板上。
第四步是匹配与取舍。候选模型列出来后，用三个问题过滤：数据撑得住吗（小样本就别硬上机器学习）；时间算得完吗（四天赛期内，一个能出结果的简单模型胜过一个跑不完的复杂模型）；队伍写得清吗（自己讲不明白机理的模型，论文里就是灾难）。匹配完成后，给每个小问指定一个「主模型」加一个「备选模型」，备选是主模型跑不通时的逃生通道。
第五步是快速验证：用一组玩具数据（哪怕是编的十行数据）把主模型的最小闭环跑通。这一步能在投入大量时间前暴露致命问题——数据格式不对、约束写反、结果明显违背常识。闭环跑通后，全队开一次「方案锁定会」，把总体方案、论文大纲、时间表一次性定下来。
关于时间分配有一个重要的经验法则：前 10% 的时间做审题与方案设计，看起来「慢」，实际是全程最快的路径。方案锁定后原则上不再推翻重来——比赛第二天推翻方案，等于烧掉四分之一的时间预算。如果确实发现致命错误必须转向，果断执行备选模型，而不是在原方案上无限修补。
审题还有一个容易忽视的维度：揣摩出题人的意图。赛题的每个小问都是精心设计的阶梯，通常遵循「从描述到分析、从分析到决策」的递进。最后一个小问往往是开放性的「给某某写一封建议信」或「讨论模型的推广」——它考察的是把数学结果翻译回现实语言的能力，分值不低，却最常被草草应付。读题时把每个小问的「分值感」标出来，时间投入与之成正比。
「翻译成数学问题」的能力从哪里练？最有效的方式是反向拆解：拿一道往届赛题，先不看 O 奖论文，自己写一页「我会怎么建」的方案；然后对照 O 奖论文，看人家如何定义变量、如何分解问题、如何安排章节。每拆一道，题感就深一层。本站赛题库收录了 HiMCM 2017-2024、MCM/ICM 2023-2024、IMMC 2015-2026 的完整赛题，论文库有对应的 200 余篇顶尖获奖论文，正好构成完整的「题-文」对照训练材料。
最后记住一个朴素的判断标准：当你能向一个不懂数学的朋友，用三句话讲清楚「这道题要干什么、你打算怎么干、干完能得到什么」时，审题阶段就可以结束了。讲不清楚就继续磨——磨刀的这一个下午，会在后面的九十多个小时里连本带利地还给你。
