文章整理自：https://twitter.com/jbhuang0604/status/1426039195542360070?s=21

人工智能领域如何follow最新技术？这应该是咱们这个行业非常关心的问题之一吧。

当你刚开始进行研究时，会发现每年都有成千上万的论文，如何在这些海量论文中准确找到自己需要的新技术？

来看看这位大佬怎么说：

追踪人，而不是论文

推动这个领域进步的关键人物远少于论文数量。所以，在你阅读时，要关注作者是谁，长此以往，你会认识到更多更重要的人。

阅读related work做得好的论文

一个好的related work部分能够节省你大量时间，帮助你清晰的了解先前的工作。（PS：请写一个好的related work部分以节省他人的时间）

我喜欢阅读/撰写论文的related work部分，有助于组织先前的研究。

如何做？请看下面的攻略：

分而治之

没有人喜欢读1-2页满满的文字。所在阅读之前，先确定几个与你的研究相关的重要“主题”，添加段落标题(\paragraph{})，以便导航。

主题

对于每个主题，写下：1)作为一个故事的研究进展轨迹，2)先前技术和本文之间的关系。

轨迹

描述的问题是什么？为什么具有挑战性？以及人们在这个领域做了哪些工作来解决这个问题？将现有的工作整理成一个清晰的研究轨迹。

避免罗列式描述

与其学习应该写什么，更好的方法是学习不应该写什么。不要写“作者A做了xxx。作者B做了xxx。作者C做了xxx”。关注工作本身，而不是人。

不要将引用作为名词使用

即使移除所有括号内的引用标注，你的句子也应该是完整并准确的。

不要只描述，要关联

在每个主题中，明确先前工作和你的工作之间的关系。比如：我们的工作类似，因为我们也......我们的工作不同之处在于......与......形成对比，我们......

识别关键差异

尝试找到一个关键对比概念来区分你的工作和其他工作。用\emph高亮显示。

例如：

- 多个 -> 单个

- 内容无关 -> 内容相关

- 静态 -> 动态

保持尊重

不要贬低先前的工作，作者很可能是你的审稿人......

慷慨一些

确保你加上了所有重要的参考文献。给予他人应有的积极评价不会让你的工作价值降低。

下面是一些示例：

示例1

轨迹：

- 学习LR-HR --> 挑战:大的patch空间 --> 学习混合模型 --> 学习1D轮廓 --> 高层特征

关系：

- 对比概念：外部vs内部(无学习)

来源：

https://cv-foundation.org/openaccess/content_cvpr_2015/papers/Huang_Single_Image_Super-Resolution_2015_CVPR_paper.pdf

示例2

轨迹：

- 基于视觉的方法在评估中的应用。

- 强调最有关联的工作。

关系：

- 在某种方法论的基础上进行扩展...但是使用了深度学习。

来源：Deep Paper Gestalthttps://arxiv.org/absf/1812.08775

组织文献

不要单独阅读每篇论文，想想它们之间的关系(在某些方面相似，在其他方面不同)，可以建一个关系表格，用这个表格阅读新论文会很容易(只需添加更多行)。

避免阅读整篇论文

与其花时间阅读整篇论文，如找一些更容易理解的资源，比如演讲、YouTube视频、摘要式结果、介绍视频或概览图表。通常来说，理解论文的要点看这些就够了。

有目的地阅读

在准备阅读一篇论文之前，思考你为什么要阅读它，你是为了实验设置、结构组织、故事情节、风格、方法还是可视化？

确定趋势

用你喜欢的工具来找热门：

例如:

http://arxiv-sanity.com

https://paperswithcode.com

https://twitter.com

阅读较早的论文(2000年之前)

许多重要见解已经出现几十年，所以不要仅仅只阅读某一部分的论文，要涉猎更广泛的领域，比如：统计学、机器人学、物理学、应用数学、图形学、编程语言、数据库、语言学、人机交互。

阅读这些论文引用的书籍

目的是学习基础知识，不要说“这与论文无关”。

关注下方《学姐带你玩AI》🚀🚀🚀

回复“500”获取AI必读论文合集

免费资料、前沿资讯、福利活动都在这里👇

码字不易，欢迎大家点赞评论收藏！