——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

1. 基本能力——编程能力、英语能力、数学功底
2. 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
3. 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
4. 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
5. 选择具体领域，深耕并进一步阅读，培养领域科研嗅觉