|13 分钟阅读

IYPT 命题规律与 CUPT 参赛策略

从近八年 IYPT 赛题的命题规律出发,谈谈 CUPT 赛场上正方、反方、评论方三方博弈的策略,以及团队协作与备赛心态。

CUPTIYPT物理竞赛参赛策略
IYPT 命题规律与 CUPT 参赛策略

一、赛题命题规律总结

IYPT 的赛题大多以生活中的复杂现象为题,但是大致可以找出一些命题规律,如电磁学、声学(振动与波)、结构力学、流体力学、光学……

类别 8 年总计 年均题数 占比 稳定性
流体力学 38 题 ~4.8 题 27.9% 极高(每年 4–6 题)
电磁学 24 题 ~3.0 题 17.6% 高(每年 2–5 题)
经典力学(含刚体) 25 题 ~3.1 题 18.4% 高(每年 2–4 题)
声学/振动 18 题 ~2.2 题 13.2% 较高(每年 1–4 题)
光学 11 题 ~1.4 题 8.1% 中等(每年 1–2 题)
热学 10 题 ~1.2 题 7.4% 波动较大
结构力学 7 题 ~0.9 题 5.1% 波动较大

1. 流体力学(占比最高,每年必出 4–6 题)

生活中的流体现象是 IYPT 最核心的命题来源:

  • 2026 Ring fountain:金属环落入水中产生喷泉
  • 2026 Autumn coin:硬币在液体中下落的“秋叶飘摆”
  • 2025 Dripping Faucet:水龙头滴水模式与流速关系
  • 2025 Wirtz Pump:螺旋泵抽水
  • 2024 Wet Scroll:湿纸在水面自动卷曲
  • 2023 Jet Refraction:射流通过筛网发生折射

2. 电磁学(第二高频,磁现象尤其热门)

  • 2026 Magnetic accelerator:磁铁轨道加速器
  • 2026 Levitation control:光控石墨磁悬浮
  • 2025 Climbing Magnets:旋转磁铁沿铁棒攀爬
  • 2024 Magnetic Gear:磁力齿轮无接触传动
  • 2023 Euler’s Pendulum:磁欧拉摆

3. 声学 / 振动与波

  • 2026 The singing ruler:夹持尺子敲击发声
  • 2025 Sound Versus Fire:声波灭火
  • 2025 Wailing Bowl:金属碗敲击发声
  • 2023 Siren:旋转盘汽笛
  • 2023 Whistling Mesh:水流冲击金属网口哨
  • 2022 Rayleigh Disk:瑞利声强计

4. 结构力学

  • 2026 Twisted spaghetti:扭转意大利面抗弯强度
  • 2026 Elastic wave dynamics:橡皮筋扭转弹性波
  • 2025 Dancing Slinky:弹簧“跳舞”
  • 2022 Tennis Ball Tower:网球堆叠塔稳定性

5. 光学

  • 2026 Sweet monochromator:糖溶液旋光单色仪
  • 2024 Droplet Microscope:水滴透镜成像
  • 2022 Invisibility:透镜隐形

二、赛场上的三方博弈

CUPT 的赛场本质上是一个三方动态博弈的角斗场,每个角色的策略目标截然不同,理解这一点比单纯把题目做深更加重要。

1. 正方:先声夺人,埋下“可控的破绽”

正方的核心误区是把 IYPT 当成学术报告来做,从背景介绍一路讲到结论,但实际上评委和反方在前三分钟就会对你的能力形成定调。一个好的正方开场应该像 2026 年的 Ring fountain 那样——直接放一段金属环落入水中激起喷泉的慢动作视频,抛出现象矛盾,而不是从“表面张力”的定义开始念。

更重要的是,正方要有意识地在自己的报告中埋下“可控的破绽”:这些不是致命缺陷,而是值得深挖的物理切入点。比如你在研究 Autumn coin 的硬币飘摆轨迹时,可以主动承认“我们忽略了液体的可压缩性”,引导反方顺着你的思路提问,而不是去挖掘你真正没做的东西。

当反方或评论方问到未纳入考虑的参数时,切忌只说“这个不重要”,而要像回应 Dripping Faucet 的滴水模式那样,给出半定量的估计——“通过量纲分析,该参数的贡献约为 5%,相对于主效应可忽略”——数字和趋势永远比定性判断更有说服力。

2. 报告结构:讲“侦探故事”,而非学术论文

CUPT 的叙事弧必须围绕问题展开,我们或许可以不用照搬“背景→理论→实验→结论”的八股结构。注意这里的措辞是“或许”。以 Wet Scroll 的湿纸卷曲现象为例,好的报告会在前 30 秒用视频抛出核心矛盾——为什么湿纸会自发卷曲而不是均匀膨胀?接下来用一分钟提炼现有解释的不足,再用三到四分钟给出你们的关键物理图像,比如毛细力与弹性变形的竞争机制。

实验部分占据五到六分钟,核心任务是展示“模型预测 vs 实测数据”的对比,而不是参数扫描式的“改变 A 看 B 怎么变”。每一页幻灯片都要回答一个具体问题,遵循“6×6 法则”——每页不超过六行,每行不超过六个词。切忌在 Sweet monochromator 这类光学题目的报告中堆砌五页偏微分方程,却只留下两张实验照片;理论的篇幅以“能指导实验”为上限,一个简洁的标度律或闭式解析解,远胜于无法验证的复杂模型。

就报告结构补充一点:正方还应该注意理论的篇幅不能过于复杂。毕竟人的注意力有限,繁杂的理论并不会给比赛分数带来较大的收益。一个好的研究,重点应该是理论与实验相互印证——比如理论给出了一个闭式解析解,里面有很多物理量会影响因变量,那么实验就有义务来验证这些参数对于结果的影响是否如理论所说的一样,比如控制变量、设置空白对照组、利用数据点绘制曲线、给出一些数据图来说明。这一点在分数中的占比尤为重要。

3. 实验呈现:重中之重,也是最容易出硬伤的地方

实验的篇幅应该是重中之重,因为多媒体的吸引力相对于文字更加抓人,可以多给出一些 gif 格式的视频插入在幻灯片里。同理地,正是因为视频吸引力更强,所以更应该注意幻灯片中给出的视频图表的正确性。比赛里常见的问题有:数据图的横轴数据出问题、视频里的实验不完善、实验图片展示的现象和理论对不上等容易疏忽的问题。

这一点对反方得分很有利。就正式比赛而言,大多数学校的参赛队伍,其实验的缺乏这一问题最为突出——但这大部分因为赛题的实验本来就源于生活现象或是前沿研究,难以复现。所以作为反方应该尤其注意其实验现象、实验数据图。不排除有些队伍可能会利用当下发达的 AI 技术,将代码跑出来的数据代替实验数据来说明其理论——这样的数据最主要的特点就是绘制曲线光滑,是连续扫描参数(也就是每个横轴都有数轴的数据)。

4. 反方:攻击实验数据的可信度

按照前文所论证的,反方的首要目标不是证明“你的模型缺了什么项”,而是攻击实验数据的可信度。CUPT 的评分体系中,就我个人体感而言,实验占比应该高于理论,而实验也更容易找到硬伤。

面对 Magnetic accelerator 这类电磁学题目,反方应该优先追问样本量和重复实验次数,要求对方展示误差棒;对于 Droplet Microscope 这类光学实验,要追问系统误差的校准方法和对照组设置。

近年来一个需要警惕的现象是,部分队伍可能利用 AI 生成数据来替代真实实验——除了“曲线过于光滑”这一表面特征,更隐蔽的破绽在于:误差棒分布过于均匀、数据点缺少真实实验应有的采样加密区间,以及完全看不到离群点。真实做 Wirtz Pump 的螺旋泵实验时,你不可能在每个流速点都拿到同样标准差的数据,这种“过度完美”本身就是可疑的。

5. 实验设计:提前构筑“防御工事”

按照前文所论证的,那么我们的实验设计必须提前构筑“防御工事”,因为评委的质疑方向高度可预测。以 Twisted spaghetti 的扭转抗弯实验为例,你必须明确列出所有可能的系统误差来源——比如意大利面的湿度不均匀、夹持端的滑移——并展示校准方法;每个条件下的重复实验至少三到五组,关键数据做到十组以上,并在图表中规范绘制误差棒。

实验视频中务必加入刻度尺、计时器和参照物,让评委能够独立验证你的测量,这既是学术诚信的体现,也是反方无法攻击的硬证据。对于 Dancing Slinky 这类涉及动态过程的题目,还要清晰界定边界条件——你们的模型在什么拉伸幅度和频率范围内成立?超出范围不声称成立,这种坦诚反而比大包大揽更让人信服。

6. 回应未考虑的参数

又因为每道题目都会有很多参数来影响给定的现象,作为正方和反方基本不可能面面俱到。但是当另外两方提问到一些未纳入考虑或者考虑欠缺的因素,正方应该要给出理由为什么不去重点研究该参数。如果回复该参数对结果的影响相较于其他参数是相对不重要,应该要半定量地给出一些值,或者说定性趋势来说明,比如其对结果的敏感性不高。

7. 评论方:最容易拿高分却被严重低估的角色

基于双方的注意力都有限的假设,那么理论上,评论方应该是最容易拿高分却被严重低估的角色。很多队伍把评论方当成“打酱油”的环节,但实际上评论方的价值在于提供双方都忽视的第三视角。不要把宝贵的时间浪费在总结正反方发言和讨论上——当然你作为评论方不能没有这个点。

比如在 The singing ruler 的声学题目中,正方可能聚焦振动模态,反方质疑边界条件,而评论方可以引入一个跨学科的视角——比如从材料内耗的角度解释为何不同材质的尺子发声品质不同。优秀评论方的经典话术不是简单站队,而是指出:“正方在某某条件下忽略了 YY 效应,反方提出的质疑其实可以通过 WW 方法解决,但双方都没有讨论……“这种整合与升华的能力往往能让评委眼前一亮。

建议每支队伍提前储备一到两个跨学科视角,比如用统计物理的眼光看结构力学问题,或用信息论框架重新解释某个流体力学现象,这种“降维打击”在评分胶着时常常成为打破平局的关键。但是但是,要注意正反两方的讨论高度——你不能在双方一直在讨论一个无关紧要的话题的时候,评论提一个机器学习优化参数的这种跨学科的视角,会显得弄巧成拙了。所以要灵活选择策略,随机应变才是王道。

三、团队协作:交叉审阅而非简单分工

关于团队协作,这一点我们没有一个较为良好、可以继承的体系,或者说还在探索中。团队协作的本质是“交叉审阅”而非简单分工。CUPT 是五个人的战争,但分工不应按“理论/实验/报告”切割,而应按题目切割——每个人深度负责两到三题,成为该题的“首席科学家”。(但是实际上,按我们学校物理系的平均水平来说,或许应该是两三个人深度负责才说得过去,因为每题的工作量实际上堪比一个科学训练小课题;但是由于我们只能上场五个人,国赛报销也是报销五个人,那么这个团队协作框架还待讨论。)

除此之外,更重要的是建立交叉审阅机制:任何数据、任何图表在提交前必须经过第二人独立复现或验证,因为一道 Jet Refraction 的数据错误就可能导致整题崩盘。临近比赛的每周应该进行内部模拟对抗(退而求其次也应该开会讲你都做了什么),一人讲、一人攻、一人评,重点训练五分钟的即时准备能力。

文献调研方面,CUPT 赛题大多能在 Am. J. Phys. 或 Eur. J. Phys. 找到对应教学论文,其模型复杂度刚好适配比赛;进一步追溯经典文献中的无量纲数——比如用雷诺数分析 Ring fountain、用韦伯数分析 Droplet Microscope——并做标度律分析,这会被评委视为理论深度的体现。

四、结语:把 CUPT 当作科研训练营

最后,没有任何队伍能在五个月内完美解决十七道题,评委看的是有限时间内展现的物理直觉和科研素养,而非终极答案。实验失败的数据、被推翻的模型,在答辩中坦诚提及反而比只展示成功更有说服力——这体现了真实的科研过程。

因此或许可以考虑在叙事逻辑里加上一些“失败案例”,比如在 Climbing Magnets 的实验中,如果你最初假设磁铁转速与爬升速度线性相关,但实测发现存在阈值效应,把这个“失败—修正”的过程展示出来,恰恰说明你们具备从实验修正理论的能力。我们应该牢牢记住,CUPT 更像是一个科研训练营;尽管可能创新性在评分表中只占约百分之五,却常常是打破金银牌平局的关键。