总的来说，MCM 偏自然、理工，而ICM偏社科、人文。更多的建模er更倾向于选择MCM的ABC题。MCM出的题目更偏向于运用数理知识建模解决，ICM则更偏重于运用跨学科知识。
特点：聚焦连续变化过程，多关联全球热点或美国本土问题，需构建连续函数模型，依赖微分方程等高深数学工具。
技能要求：熟练掌握偏微分方程，具备连续方程离散求解编程能力，能运用数学软件做数值分析与模拟。
适合人群：数学基础扎实、数理推导能力强，且具备一定编程技能，擅长处理连续型问题的理工科学生。
特点：围绕离散型问题，侧重离散优化、方程组求解，可借助元胞自动机；多关联环境因素，可能涉及差分序列、地理信息数据，数据量较少，建议采用客观方法。
技能要求：精通算法与数据结构、离散数学，逻辑思维和编程能力突出，能以算法解决实际离散问题。
适合人群：计算机专业或深耕数据结构、算法的学生，可快速拆解问题并设计有效算法方案。
特点：以数据分析挖掘为核心，官方常提供数据，多涉及时间序列、机器学习，关联统计学、数理金融等领域，需挖掘数据规律并预测解释。
技能要求：掌握数据分析方法与SPSS、R、SAS等工具，具备基础金融/经济知识；常用多变量回归、神经网络、决策树等模型，可通过概率分析构建图模型深化探究。
适合人群：对数据分析感兴趣，掌握统计学知识与技能，能熟练运用统计软件的学生。
特点：聚焦复杂系统/网络优化，关联算法、网络科学，需运用运筹学方法与网络理论；核心为整数规划、多目标规划，实操中常结合图论、博弈论做评价模型。
技能要求：掌握线性/整数规划、图论等运筹学模型与算法，具备网络科学知识和编程能力，能使用可视化工具呈现结果。
适合人群：了解运筹学与网络科学，建模、编程能力强，擅长从复杂系统中提取关键信息分析的学生。
特点：主题固定为环境问题（污染、资源、可持续发展等），需评估环境状态、预测趋势或分析政策，多依赖宏观时间序列数据（需自行搜集），数学难度较低，重点在于可视化表达环保信息。
技能要求：具备基础环境科学知识，掌握数据分析建模技能，能融合学科知识与建模方法，擅长绘制可视化图表传递核心信息。
适合人群：对环境科学感兴趣、有一定建模能力的学生，尤其适合有绘图、美工背景的新手，回归等基础方法即可满足需求。
特点：围绕政策问题展开，跨社会、经济、政治多领域，需找准切入点分析政策影响、可行性及优化方案，以事实为依据，对方法复杂度要求低。
技能要求：具备强资料搜集分析能力，能提取有效信息；逻辑思维与英文写作功底扎实，可清晰阐述观点与分析结果。
适合人群：对政策研究感兴趣，文字表达与逻辑思维强，能多学科视角分析问题的学生，优秀英文写作可冲击高奖。
10个月宝宝每天需要喝多少奶粉？
