文章目录
——选择大于努力
【纯个人向，CS/EE大类适用，持续更新】
这篇草草记录一些方向性的思考和选择，来源可能是线下讲座，大牛主页，网上的视频等，我只记下一些我感觉有用的东西
关于科研选题与方法的若干思考
来源：厦门大学纪荣嵘教授讲座，整理汇总
如何选题
- 导师只能为你提供大致的研究方向
- 小问题也有大量的非常挑战性的困难
- 大量的阅读！并且特别注意两点：
1.论文的Future Work
2.批判性地阅读论文 - 与同实验室的同学分享并讨论你所问读的论文
再次提高理解
提高表达能力
思想上的碰撞-获得更好的灵感
选题tips
- 新问题，老思路
提出新问题/需求/应用，尝试用已有的思路/方法/技术解決 - 老向题、新思路
用新的思路/方法/技术解决已有的问题 - 他山之石、学科交叉
跨学科的时候，保持自己学科的优势 - 调整目标、学会放弃
"放弃，是一门艺术、痛苦的选择：很有可能错过了突破的机会 - 不要只在“灯下找钥匙”：这个路灯代表一个科研的热点，现代社会，信息、人员与资本的流动性急剧增加，灯光打到哪里，人们就会一涌而上，而忘了其他地方（我就是这样）
- 学科的生命周期：探索、开发到跟风——清风明月，路灯寻钥，内卷踩踏（私以为大模型现在在第二阶段，cv在第三阶段）
确定研究问题之后
- 继续阅读！
继续丰富自己的技术路线 - 继续分享！
在同学的反馈中获得进步 - 继续思考、尝试，并回到第一步并重复循环！
复现或者用在部分横向课题中 - 直到建立你的方法！
独一无二的技术路线，效果拔群的实验结果
如何读论文——与一篇优秀论文作者的博弈
（指一般论文，非综述）
- 先看摘要，然后停下来，想想换做是我：我该如何设计方法，我该如何做实验，我该如何对比
- 然后再读论文，思考：方法区别在哪，实验没有考虑之处，我能做出更好论文吗
阅读论文的技巧
阅读论文的技巧
- 不需要阅读全部的论文（浪费时间、影响创新思维）
- 基本出发点
综述性论文：寻找方向
主要国际会议：把握趋勢
期刊论文及活跃研究组的研究报告：深入研究 - 怎样阅读
扫读(Scanning)、泛读(Abstract)与精读(Entirely)相结合
精读几篇好的文章（获奖论文、期刊论文等）
代码实现过程中
代码编写是必要过程，但是：
代码要注重你所构建算法的原理，而不是程序有多鲁棒
做实验前，请一定先明白你为什么需要这些实验
•与创新点的关系
•如何更好的展示实验数据
•尝试分析实验结果的原因
•千万别做成实验报告
总之：所有实验都是为了服务你的创新点
成果发表四步走：
组内汇报——会议论文——期刊论文——学位论文
tips:下载目标期刊和会议的高引论文，学它的结构和写法
科技论文的书写顺序
- 实验与结果
- 核心方法
- 整理出结论
- 撰写引言
- 起草摘要和题自
- 静置与通读
静置：刚写完：啊我真是天才，多么天衣无缝之作！
静置两周后：什么辣鸡文章，狗都不看
继而知道哪里需要修改完善
学会利用工具
- grammarly：修改基本语法错误
- GPT协助润色
- overleaf:在线编辑排版latex
科研的正确姿势
- 不要认为所有人都能很快明白你的工作
学会站在听众与读者立场表达自己 - 不要浅尝辄止，而是由浅入深
循序渐进从易到难，完善自己的方法 - 不要认为学术报告的内容与自己无关就不热衷
其他领域的方法可能适用于自己领域科研问题
研究生时间线
自己推导的，适用于放养导师，全靠自己从0开始科研的三年制全日制研究生，不适用于研一就发文章的大佬
个人思考
入门一个领域的步骤（以深度学习NLP为例）
参考：徐嘉诚：DeepGuide.md
- 基本能力——编程能力、英语能力、数学功底
- 行业通识教育：课本，课程——《神经网络与深度学习》邱锡鹏
扩展选择：https://www.zhihu.com/question/26006703 - 锻炼的动手能力——《神经网络与深度学习》邱锡鹏-配套NLP-Beginner：自然语言处理入门练习
掌握Pytorch框架，并通过代码实现加深对理论的理解，熟练使用Google和Stackoverflow，以及各种group、论坛 - 了解研究领域概况——阅读行业最新综述论文——例如大模型领域，阅读A Survey of Large Language Models
这一步相比于第二步，会除了CNN、RNN外，补充学习到最新的知识，例如指令调优（instruction tuning）和对齐调优（alignment tuning）的概念和意义，同时通过综述论文学习又不失系统性 - 选择具体领域，深耕并进一步阅读，培养领域科研嗅觉