本科生柯潔

① 2018畢業生薪酬榜前幾名是哪幾所大學

8月27日報道，日前，中國薪酬網公布了一份2018年中國大學畢業生薪酬排行榜TOP200，這份榜單通過對包括39所985工程院校和112所211工程院校在內的近百所高校2017屆、2015屆、2013屆本科畢業生進行調研(調研樣本數量達到281萬人)，計算出了各高校畢業生的薪酬狀況，從中可以對中國高校畢業生各專業的就業狀況有大致的了解。

此外，還有中國各大學專業畢業生薪酬水平排行榜TOP20和中國各大學專業畢業生薪酬水平排行榜BOT20。

從上榜高校來看，清華大學2017屆畢業生平均薪酬最高，達到9065元。北京大學和北京外國語大學分別位居第二和第三位，平均薪酬為9042元和9020元。

基礎設施主要包括交通運輸、機場、港口、橋梁、通信、水利及城市給排水系統、供電設施和提供無形產品或服務於科教文衛等部門所需的固定資產，是所有企業、單位和居民生產經營工作生活的共同物質基礎，是城市主體設施正常運行的保證。

我國的基礎設施建設行業投資在逐年加大。

2016年全年，全國固定資產投資206466億元。根據資料顯示，2018年僅交通基礎設施投資就增加了1.5萬億元。其中貴州省公路水路投資1650億元，山東省計劃投資944億元。

城市方面，2018年，山東省濟南市共安排240個重點建設項目和80個預備項目，投資額達到了驚人的13682億元，其中240個重點項目投資10280億元，年計劃投資2788億元。此外，城市軌道交通M2線，全長43.1公里、31個車站全部為地下站的軌道交通M3線工程項目均在今年開工。

② 清華大學開學報到，楊晨煜、柯潔紛紛高調現身，為何不見武亦姝

作為大學生，最快樂的事情莫過於能夠拿著行李懷揣對未來的憧憬前往心儀的大學報到。清華大學自然是眾多莘莘學子朝思暮想嚮往的大學，所以一年一度的開學報到，一大批明星學生都是人們關注的焦點。楊晨煜、何潔紛紛高調現身，為何不見武亦姝？這個問題就有意思了，明明知道武亦姝已經考上清華，可為何就是沒有相關報道？

武亦姝並不是不見她去清華報到，而是她最終像成名之初那樣選擇了低調從事。楊晨煜、柯潔紛紛選擇在媒體面前高調現身，這是人家的自由，而武亦姝選擇低調報到，這也是人家的自由。楊晨煜、武亦姝、柯潔，能夠躋身清華，不管怎麼說，人家終歸都是未來的精英階層。對於楊晨煜、柯潔選擇高調現身，而武亦姝低調報到，諸位有何高見？

③ 國腳唐佳麗被保送湖南師大本科生，你還知道哪些保送大學的運動員

根據相關部門的報道，2021年我國有737名運動員通過了審核，獲得了保送上大學名額。在中韓女足之戰中表現出色的女足姑娘唐佳麗獲得了保送到湖南師范大學的名額。

劉國梁是乒乓球協會主席，不論在運動員還是教練時期劉國梁是國家隊永遠的靈魂人物，劉國梁在2003年進入上海交通大學學習，因為工作任務太過繁重，劉國梁的大學念了12年才畢業，甚至被人調侃到，拿個畢業證比拿奧運會冠軍還要難。

④ 讀研到底有什麼意義

1.
作為考研輔導行業的工作人員，我的工作是鼓勵同學考研，幫助大家實現成為研究生的夢。但是我也常常思考，讀研究竟是為了什麼?
最早對研究生的認識，是小學時候看一個節目，電視台邀請幾位國際知名的大學校長，來談一談他們自己學校的研究生教育，在節目中他們具體講的什麼，我已經看不清了，只記得在現場提問環節，有一個同學問，你們的學費那麼貴，如果讀了研，以後學費可以賺回來嗎?要不然這個書讀的是不是太不值了?
其中一位大學的校長回答，是所有從這所學校畢業的人都從事高薪工作，但絕大多數的畢業生在求學期間找到了自己內心所想熱愛的事，有的畢業生去華爾街做金融成為萬人眼中的成功者，也有的畢業生去非洲做志願工作幫助那裡的難民讓自己的內心更富足，讀研是平台和眼界的提升，是通過這里了解世界的一個途徑。
我的一位朋友，本科為雙非院校，研究生為985院校。因為兩所學校的差異，讓她確實看到了不同層次學校所帶給的眼界和機會。本科的院校，所辦的很多活動是為了提高考評分獲得高獎學金而辦的活動，而碩士的活動是真正想著怎樣豐富學生的生活而辦的活動，她甚至還作為學生代表，向學校的食堂校醫院提意見，並且收到一線領導的回復。
本科學校放暑假就是放暑假，而研究生學校真的是利用暑假豐富經歷，可以申請去讀北大的暑期學校，也可以參加暑期實踐活動，會有很多短期出國交流訪問的機會，她在這里才知道原來出國不是件難事。在這所學校，她接觸到了本科階段很多時候都沒有想到的事情，在一次一次的鍛煉和實踐中，她知道了自己內心真正喜歡什麼，並打算為這個方向進行奮斗。
《人類群星閃耀時》有這樣一句話，一個人最大的幸福莫過於在人生的中途、富有創造力的壯年，發現自己此生的使命。
2.
讀書是有意義的。無論什麼學歷，在現在社會想要得到成功，都是沒有上限封頂的，如果拋去所謂的倖存者偏差，但不同層次的學歷，會幫你守住人生不同的下限。「雙一流」不代表命運的保險櫃，也不是每個人考上top2都能站上金字塔尖，但努力讀書，「上一流」至少讓你能保有一個人生的「下限」。
因為當你站得更高，看到更廣闊的視野，做出來的事業也就不會僅限於眼前。如同曾經的北大保安第一人，又如文章開頭的那個博士，他們通過讀書，真真切切地改變了自己。
最近熱播的《小捨得》，劇中無論多麼佛系的父母，都對孩子的學習成績有要求，因為他們知道，讀書是真的可以擁有更好的人生。
考研很難，這條賽道窄，每年的擴招人數與報考增加的人數相比是微不足道。可別的賽道對於大家來說，只會更狹窄。假設你有籃球天賦，天才如邁克爾喬丹，但想要毀掉你很簡單，一次意外的傷病，可能籃球生涯就此斷送，這就是競技體育的殘酷。
《平凡的榮耀》中白敬亭飾演的孫弈秋，需要面對圍棋那個殘酷的古訓：「二十不成國手則終生無望」。孫弈秋已經足夠優秀，但在一群天才里成國手，太難了…或許圍棋界不止有一個人成為國手「柯潔」的實力，但卻沒有柯潔的運氣。
面對天賦碾壓，這比考研殘酷。考研過程雖難，可這段知識和閱歷進入大腦成為沉澱，可以成為決定自己未來的權力。

⑤ 柯潔到清華報道，搞體育都這么高智商的嗎

8月14日，中國圍棋職業九段棋手柯潔以大一新生的身份，來到清華大學報到，成為清華2019級經管學院工商管理專業的一名本科學生。柯潔是以「國家級運動健將」的身份入選國家體育總局「優秀運動員免試攻讀大學推薦名單「，再經過針對優秀運動員的單招考試選拔，最終被清華錄取的。他的師兄古力九段兩個月前剛從清華大學歷史系畢業，曾經或正在清華大學攻讀的著名體育運動員還有王義夫、鄧亞萍、伏明霞、諸宸、田亮、葉詩文等。

⑥ 2018畢業生薪酬榜是怎樣的

日前，中國薪酬網公布了一份2018年中國大學畢業生薪酬排行榜TOP200，這份榜單通過對包括39所985工程院校和112所211工程院校在內的近百所高校2017屆、2015屆、2013屆本科畢業生進行調研（調研樣本數量達到281萬人），計算出了各高校畢業生的薪酬狀況，從中可以對中國高校畢業生各專業的就業狀況有大致的了解。

此外，還有中國各大學專業畢業生薪酬水平排行榜TOP20和中國各大學專業畢業生薪酬水平排行榜BOT20。

985、211高校畢業生薪酬水平大幅度領先普通高校

從上榜高校來看，清華大學2017屆畢業生平均薪酬最高，達到9065元。北京大學和北京外國語大學分別位居第二和第三位，平均薪酬為9042元和9020元。

位居前十的高校還包括上海交通大學、對外經濟貿易大學、外交學院、復旦大學、浙江大學、同濟大學、 中央財經大學等，這些高校2015屆畢業生和2013屆畢業生薪酬水平相比2017屆畢業生也有較大提高。

整體來看，排名靠前的大多是原985和211重點建設高校，普通高校畢業生薪酬水平差距較大。

一線城市的高校在畢業生薪酬上明顯占據優勢

從上榜高校所在城市來看，一線城市的高校在畢業生薪酬上明顯占據優勢。除浙江大學外，位居前十的高校均為北京和上海高校。

下面我們來單獨看下北京和上海高校的情況：

北京高校畢業生薪酬排行：

3、基礎設施建設類

其中包括：力學、土木工程、建築學、風景園林和城市規劃、電氣工程、交通運輸工程、水利工程、測繪科學與技術和地理信息系統等。

2014年，武漢市城建總投資超過1500億元。這是個什麼概念呢？根據當年英國財政部的消息，英國將在未來7年完成公共投資1000億英鎊，平均每年大約140多億英鎊，約合1250億人民幣。也就是說，武漢一年的基礎設施建設投資，相當於英國全國一年的。

基礎設施主要包括交通運輸、機場、港口、橋梁、通信、水利及城市給排水系統、供電設施和提供無形產品或服務於科教文衛等部門所需的固定資產，是所有企業、單位和居民生產經營工作生活的共同物質基礎，是城市主體設施正常運行的保證。

我國的基礎設施建設行業投資在逐年加大。

2016年全年，全國固定資產投資206466億元。根據資料顯示，2018年僅交通基礎設施投資就增加了1.5萬億元。其中貴州省公路水路投資1650億元，山東省計劃投資944億元。

城市方面，2018年，山東省濟南市共安排240個重點建設項目和80個預備項目，投資額達到了驚人的13682億元，其中240個重點項目投資10280億元，年計劃投資2788億元。此外，城市軌道交通M2線，全長43.1公里、31個車站全部為地下站的軌道交通M3線工程項目均在今年開工。

這個只是排名而已。

⑦ 柯潔被清華免試錄取，體育明星上名校公平嗎

體育明星上名校是公平的，因為從高校招收體育明星的角度上來看，招收體育明星的高校，其全校的體育運動的氛圍，會由於體育明星的加入而被一下子帶動起來，全校師生都會由於體育明星的加入，更加關注體育運動。另外，招收體育明星的高校，在社會上也會提升一定的知名度，體育明星會為高校增光添彩，提升榮譽。雖然說，高校對體育明星採取的嚴進寬出的政策看似沒有意義，但是其實對於學校來說是值得的，相比於體育明星給學校帶來的更多的社會關注，還有其他的榮譽，以及與將來更有可能創造的貢獻來說，學校只需要為體育明星提供一張文憑證書即可。

然而，體育明星在進入高校之後，也不一定就是混日子只為了得到一張文憑，也有許許多多的體育明星，他們在進入大學校園之後，依然刻苦學習，從本科學習到碩士，甚至有的人到博士學習都是非常勤奮的，高校給予他們這個幾乎顯然是值得的，公平的。

⑧ alphago為什麼會下圍棋

最強AlphaGo Zero是怎樣煉成的
剛剛，Deepmind在Reddit的Machine Learning板塊舉辦了在線答疑活動AMA，Deepmind強化學習組負責人David Silver和其同事熱情地回答了網友們提出的各種問題。由於在AMA前一天Deepmind剛剛發表了《Mastering the game of Go without human knowledge》(不使用人類知識掌握圍棋)的論文，相關的提問和討論也異常熱烈。
什麼是AMA?
AMA(Ask Me Anything)是由Reddit的特色欄目，你也可以將其理解為在線的「真心話大冒險」。AMA一般會約定一個時間，並提前若干天在Reddit上收集問題，回答者統一解答。
本次Deepmind AMA的回答人是：

David Silver：Deepmind強化學習組負責人，AlphaGo首席研究員。David Silver1997年畢業於劍橋大學，獲得艾迪生威斯利獎。David於2004年在阿爾伯塔大學獲得計算機博士學位，2013年加盟DeepMind，是AlphaGo項目的主要技術負責人。
Julian Schrittwieser：Deepmind高級軟體工程師。
此前有多位機器學習界的大牛/公司在Reddit Machine Learning版塊開設AMA，包括：Google Brain Team、OpenAI Research Team 、Andrew Ng and Adam Coates、Jürgen Schmidhuber、Geoffrey Hinton、Michael Jordan 、Yann LeCun、Yoshua Bengio等。
我們從今天Deepmind的AMA中選取了一些代表性的問題，整理如下：
關於論文與技術細節
Q: Deepmind Zero的訓練為什麼如此穩定?深層次的增強學習是不穩定和容易遺忘的，自我對局也是不穩定和容易遺忘的，如果沒有一個好的基於模仿的初始化狀態和歷史檢查點，二者結合在一起應該是一個災難...但Zero從零開始，我沒有看到論文中有這部分的內容，你們是怎麼做到的呢?
David Silver：在深層增強學習上，AlphaGo Zero與典型的無模式演算法(如策略梯度或者Q學習)採用的是完全不同的演算法。通過使用AlphaGo搜索，我們可以極大改進策略和自我對局的結果，然後我們會用簡單的、基於梯度的更新來訓練下一個策略及價值網路。比起基於簡便的基於梯度的策略改進，這樣的做法會更加穩定。
Q：我注意到ELO等級分增長的數據只與到第40天，是否是因為論文截稿的原因?或者說之後AlphaGo的數據不再顯著改善?
David Silver：AlphaGo已經退役了!這意味著我們將人員和硬體資源轉移到其他AI問題中，我們還有很長的路要走吶。
Q:關於論文的兩個問題：
Q1：您能解釋為什麼AlphaGo的殘差塊輸入尺寸為19x19x17嗎?我不知道為什麼每個對局者需要用8個堆疊的二進制特徵層來描述?我覺得1、2個層就夠了啊。雖然我不是100%理解圍棋的規則，但8個層看起來也多了點吧?
Q2：由於整個通道使用自我對局與最近的/最好的模型進行比較，你們覺得這對於採用參數空間的特定SGD驅動軌跡對否會有過擬合的風險?
David Silver：說起來使用表徵可能比現在用的8層堆疊的做法更好!但我們使用堆疊的方式觀察歷史數據有三個原因：1)它與其他領域的常見輸入一致;2)我們需要一些歷史狀態來表示被KO;3)如果有一些歷史數據，我們可以更好地猜測對手最近下的位置，這可以作為一種關注機制(註：在圍棋中，這叫「敵之要點即我之要點」)，而第17層用於標注我們現在究竟是執黑子還是白子，因為要考慮貼目的關系。
Q：有了強大的棋類引擎，我們可以給玩家一個評級——例如Elo圍棋等級分就是通過棋手對局的分析逐步得出的，那麼AlphaGo是否可以對過去有等級分前的棋手的實力進行分析?這可能為研究人類的認知提供一個平台。
Julian Schrittwieser：感謝分享，這個主意很棒!
我認為在圍棋中這完全可以做到，或許可以用最佳應對和實際應對的價值差異或者政策網路給每一手位置評估得到的概率來進行?我有空的時候試一下。
Q: 既然AlphaGo已經退役了，是否有將其開源的計劃?這將對圍棋社區和機器學習研究產生巨大的影響。還有，Hassabis在烏鎮宣稱的圍棋工具將會什麼時候發布?
David Silver：現在這個工具正在准備中。不久後你就能看到新的消息。
Q：AlphaGo開發過程中，在系統架構上遇到的最大障礙是什麼?
David Silver：我們遇到的一個重大挑戰是在和李世石比賽的時候，當時我們意識到AlphaGo偶爾會受到我們所謂的「妄想」的影響，也就是說，程序可能會錯誤理解當前盤面局勢，並在錯誤的方向上持續許多步。我們嘗試了許多方案，包括引入更多的圍棋知識或人類元知識來解決這個問題。但最終我們取得了成功，從AlphaGo本身解決了這個問題，更多地依靠強化學習的力量來獲得更高質量的解決方案。
圍棋愛好者的問題
Q：1846年，在十四世本因坊跡目秀策與十一世井上幻庵因碩的一盤對局中，秀策下的第127手讓幻庵因碩一時驚急兩耳發赤，該手成為扭轉敗局的「耳赤一手」。如果是AlphaGo，是否也會下出相同的一首棋?
Julian Schrittwieser：我問了樊麾，他的回答是這樣的：
當時的圍棋不貼目，而AlphaGo的對局中，黑棋需貼7.5目。貼目情況不同造成了古今棋局的差異，如果讓AlphaGo穿越到當年下那一手，很有可能下的是不同的另一個地方。
Q：從已發布的AlphaGo相互對局看，執白子的時間更為充裕，因而不少人猜測，7.5目的貼目太高了(註：現代圍棋的貼目數也在不斷變化，如在30年前，當時通行的是黑子貼白子5.5目)。
如果分析更大的數據集，是否可以對圍棋的規則得出一些有趣的結論?(例如，執黑或者執白誰更有優勢，貼目應該更高還是更低)
Julian Schrittwieser：從我的經驗和運行的結果看，7.5目的貼目對雙方來說是均勢的，黑子的勝率略高一些(55%左右)。
Q：你能給我們講一下第一手的選擇嗎?ALphaGo是否會下出我們前所未見的開局方式?比如說，第一手下在天元或者目外，甚至更奇怪的地方?如果不是，這是否是一種「習慣」，或者說AlphaGo有強烈的「信念」認為星位、小目、三三是更好的選擇?
David Silver：在訓練中我們看到ALphaGo嘗試過不同方式的開局——甚至剛開始訓練的時候有過第一手下在一一!
即便在訓練後期，我們仍然能看到四、六位超高目的開局，但很快就恢復到小目等正常的開局了。
Q：作為AlphaGo的超級粉絲，有一個問題一直在我心中：AlphaGo可以讓職業棋手多少子?從論文中我們知道AlphaGo可以下讓子棋，我也知道AlphaGo恐怕讓不了柯潔兩子，但我想你們一定很好奇，你們是否有做內部測試?
David Silver：我們沒有和人類棋手下讓子棋。當然，我們在測試不同版本的時候下過讓子棋，在AlphaGo Master>AlphaGo Lee>ALphaGo Fan這三個版本中，後一個版本均可讓三子擊敗前一個版本。但是，因為AlphaGo是自我訓練的，所以尤其擅長打敗自己的較弱的前一版本，因此我們不認為這些訓練方式可以推廣到和人類選手的讓子棋中。
Q：你們有沒有想過使用生成對抗網路(GAN)?
David Sliver：從某種意義來講，自我對弈就是對抗的過程。每一次結果的迭代都是在試圖找到之前版本的「反向策略」。
傳言終結者
Q：我聽說AlphaGo在開發初期被引導在某一個具體的方向訓練以解決對弈中展現出的弱點。現在它的能力已經超過了人類，是否需要另外的機制來進一步突破?你們有做了什麼樣的工作?
David Silver：實際上，我們從未引導過AlphaGo來解決具體的弱點。我們始終專注於基礎的機器學習演算法，讓AlphaGo可以學習修復自己的弱點。
當然你不可能達到100%的完美，所以缺點總會存在。 在實踐中，我們需要通過正確的方法來確保訓練不會落入局部最優的陷阱，但是我們從未使用過人為的推動。
關於DeepMind公司
Q：我這里有幾個問題：在DeepMind工作是什麼感受?AlphaGo團隊成員都有誰?你能介紹一下AlphaGo團隊工作分配的情況嗎?下一個重大挑戰是什麼?
David Silver：在DeepMind工作感覺好極了:)——這不是一個招聘廣告，但我感覺每天可以在這里做我喜歡的事實在是太幸運了。有很多(多到忙不過來!:))很酷的項目去參與。
我們很幸運有許多大牛在AlphaGo工作。您可以通過查看相應的作者列表來獲取更詳細的信息。
Q: 你覺得本科生是否可以在人工智慧領域取得成功?
Julian Schrittwiese：當然。我本人就只有計算機科學學士學位，這一領域變化迅速，我認為您可以從閱讀最新的論文和試驗中來進行自學。另外，去那些做過機器學習項目的公司實習也是很有幫助的。
關於演算法的擴展和其他項目
Q：Hassabis今年三月份在劍橋的一個演講中表示，AlphaGo項目未來目標之一是對神經網路進行解釋。我的問題是：ALphaGo在神經網路結構上取得了什麼樣的進展，或者說，對AlphaGo，神經網路仍然是神秘的黑盒子?
David Silver：不僅僅是ALphaGo，可解釋性是我們所有項目的一個非常有意思的課題。Deepmind內部有多個團隊從不同方式來探索我們的系統，最近有團隊發表了基於認知心理學技術去嘗試破譯匹配網路內部發生了什麼，效果非常不錯!
Q: 很高興看到AlphaGo Zero的好成績。我們的一篇NIPS論文中也提到了對於深度學習和搜索樹之間效率的相似問題，因此我對於在更長的訓練過程中的行為尤其感興趣。
AlphaGo的訓練過程中，創建學習目標的蒙特卡洛樹搜索的貪心演算法、策略網路的貪心演算法、以及在訓練過程中價值功能變化的貪心演算法之間的相對表現如何?這種自我對局學習的方法是否可以應用在最近的星際爭霸 II API中?
David Silver：感謝介紹您的論文!真不敢相信這篇論文在我們4月7日投稿的時候已經發布了。事實上，它與我們的學習演算法的策略組件非常相似(盡管我們也有一個值組件)，您可以參考我們的方法和強化學習中的討論，也很高興看到在其他游戲中使用類似方法。
Q：為什麼早期版本的AlphaGo沒有嘗試自我對弈?或者說，AlphaGo之前也嘗試過自我對弈但效果不好?
我對這個領域的發展和進步程度感到好奇。相比起今天，在兩年前在設計一個自主訓練的AlphaGo的瓶頸在哪裡?今天我們見到的「機器學習直覺」又是經歷了什麼樣的系統迭代過程?
David Silver：創建一個可以完全從自我學習的系統一直是加強學習的一個開放性問題。 我們最初的嘗試包括你能查到的許多類似的演算法，是相當不穩定的。 我們做了很多嘗試，最終AlphaGo Zero演算法是最有效的，而且似乎已經破解了這個特定的問題。
Q：你認為機器人什麼時候能夠有效解決現實世界關於高度、尺寸方面的問題(例如，自己學習如何抓取任何形狀、尺寸、位置垃圾的設備)?策略梯度方法是否是實現這一目標的關鍵點?
Julian Schrittwieser：這主要是由於價值/政策網路上的雙重改進，包括更好的訓練和更好的架構。具體參見論文圖4對不同網路架構的比較。
Q：據說擊敗柯潔的ALphaGo Master的功耗只是擊敗李世石的AlphaGo Lee的1/10。你們做了什麼樣的優化呢?
Julian Schrittwieser：這主要是由於價值/政策網路上的雙重改進，包括更好的訓練和更好的架構。具體參見論文圖4對不同網路架構的比較。(你確認不是上一個問題的答案嗎)
Q：看起來在增強學習中使用或模擬Agent的長期記憶是一個很大的障礙。 展望未來，您覺得我們是否能以一種新的思維方式解決這一點? 還是說需要等待我們技術可以實現一個超級網路?
Julian Schrittwieser：是的，長期記憶可能是一個重要的因子，例如在「星際爭霸」游戲中，你可能已經做出了上千個動作，但你還要記住你派出的偵察兵。
我認為現在已經有了令人振奮的組件(神經圖靈機!)，但是我認為我們在這方面仍有很大的改進空間。
Q：David，我看過你的演講視頻，你提到增強學習可以用於金融交易， 你有沒有真實世界的例子? 你會如何處理黑天鵝事件(過去沒有遇到過的情況)?
David Silver：已經發表增強學慣用於現實世界的財務演算法的論文非常少見，但有一些經典論文值得一看，例如Nevmyvaka、Kearns在2006寫的那篇和Moody、Safell在2001年寫的那篇。
Q：你們和Facebook幾乎同時研究圍棋問題，你們能更快獲得大師級表現的優勢是什麼?
對於那些無法獲得像AlphaGo如此多的訓練數據的領域如何開展機器學習或者增強學習?
David_Silver：Facebook更側重於監督學習，我們選擇更多地關注強化學習，因為我們認為AlphaGo最終將超越人類的知識。 我們最近的結果實際上表明，監督學習方法可以讓人大吃一驚，但強化學習絕對是遠遠超出人類水平的關鍵之處。

⑨ 柯潔那麼年輕，有沒有可能轉行搞人工智慧

給大家介紹一位清華基科班的前輩：曾蓓是清華第一屆數理基科班學生，也是第三屆十傑中唯一的一位本科生。曾蓓出生於國際象棋世家，但直到8歲她的父親才同意正式教她，13歲拿到了全國少年組冠軍，14歲拿到世界少年賽季軍，15歲入選國家青少年集訓隊，16歲奪得全國棋協大師賽冠軍，17歲獲得全國青年賽季軍。1998年，她被清華大學體育代表隊特招，事實上，當年高考她裸分650。這位曾被教練評價為「專業下棋、業余讀書」的國際象棋大師進入清華後不僅進入了基礎科學班，而且在大二時名列班級的第一名。曾蓓曾是第八屆研究生學術新秀得主，更是清華大學特等獎學金歷史上少有的「雙料」得主：即本科生階段和研究生階段都獲得特等獎學金，她也是清華歷史上同時獲得這兩項榮譽的三位女生之一。碩士研究生畢業後，曾蓓赴麻省理工學院攻讀物理學博士並於2009年獲得學位。2010年曾蓓成為加拿大滑鐵盧大學量子計算研究所的研究員和圭爾夫大學助理教授，當屬華人物理學界的後起之秀。

她現在的研究方向之一是量子信息。。換句話說今後造出來量子計算機有她一份功勞。以及她曾在去年alphago對戰李世石前夕表示過，放棄國際象棋轉投物理的一個原因是看到國際象棋的AI有多厲害。柯潔轉行做AI？給你們看個轉行的例子就是告訴你們說，人家就是要轉行，也不可能是你們整天喊的CS好找工作大法好。這類人的水平，下棋的時候是在挑戰人類的智力極限，轉行了也一樣是。哪像你們，坐井觀天，覺得所有人理應追著熱點搶風口的那點兒虛名浮利。