博0进化版
以下内容来自github分享(可能也融合了个人的一些粗浅想法）：
pengsida/learning_research: 本人的科研经验
“我们的目的不是去做一个计算机的好学生，完成计算机的考试，而是将技术与自己的专业和兴趣结合起来。”
“要敢于与更厉害的人合作。”
有一个长期的方向，走有意义的事情优先于做有答案的事情，论文阅读面要拓宽？【方向吗】，尝试新技术
入门某一个方面的科研de阶段：
stage1:学习基础知识，追求广度而非深度
stage2:上手做科研，追求深度，构建细分方向的算法基础
参与科研项目来了解一篇论文是怎么做出来的（寻找科研问题、想idea、做实验、写论文）。
选择一个感兴趣的细分方向，制定具体的学习计划【基础算法复现，新方法的pipeline】，
同时旁听学长学姐科研项目，积累够了基础，开始帮着做实验
stage3:自己一作的project
如何培养自己的科研能力
learning_research/getting_advanced_in_research.md at master · pengsida/learning_research
想idea-实验-写作
想idea【主包未完待续】
如何培养想idea的能力（选题能力和解题能力）
论文的四类novelty
1类novelty：milestone task的seminal work。【该任务/问题的开山之作】
2类novelty：novel pipeline/representation的seminal work。【开创性的方法】
3类novelty：novel module的seminal work。【新模块，改进已有方法框架】
4类novelty：加一些module改进已有pipeline地工作。【+模块，改进pipeline】
两个tree
如何创建literature tree：
- 收集相同方向的论文。
- 通过阅读论文，梳理出当前方向已有的milestone tasks，并标记提出该task的第一篇论文（1类novelty）。【该方向有哪些任务/问题，他们的开山之作】
- 将论文根据milestone tasks进行归类。梳理出有代表性的pipelines/representations，并标记提出该pipeline/representation的第一篇论文（2类novelty）。【每个task的pipeline】
- 根据pipeline/representation再细分，归类论文（3类novelty）。【pipeline有哪些module可以改进】
- 随着自己对领域的理解，增加新的milestone tasks。
例子：如果你研究“图像分类”，文献树可能是这样的：
- 里程碑任务：【具体小目标or其他】图像分类（1类novelty：第一篇提出图像分类的论文）
- 开创性方法：CNN（2类novelty：第一篇用CNN做图像分类的论文）
- 开创性模块：注意力机制（3类novelty：第一篇将注意力机制加入CNN的论文）
- 改进性工作：改进注意力机制（4类novelty：某篇论文优化了注意力机制）
如何创建challenge-insight tree：
- 收集该领域遇到的challenges。
- 收集解决这些challenges的insights。
例子：如果你研究“图像分类”，挑战-洞见树可能是这样的：
- 挑战1：数据不足
- 洞见1：用数据增强（如旋转、裁剪图片）
- 洞见2：用生成模型生成更多数据
- 挑战2：模型计算量大
- 洞见1：用模型压缩（如剪枝、量化）
- 洞见2：用轻量级网络（如MobileNet）
step1:规划科研方向的general goal，制定达到这个general goal的roadmap。
step2:选题
根据novelty-tree列出的roadmap，选择有研究空间的task，调研这个task有没有重要的technical challenge。选题是对一个research project影响最大的一步，而不是后面的想方法。
其中涉及到的
读论文
如何有效地读论文
组会的讨论
如何高效地讨论
博士生应该具有的能力【主包还没学呢】
博士生应该具有的意识与能力、如何锻炼这些能力、如何做Research Project
科研上忌讳的事情
科研学习与课程学习的不同之处【没看呢】
科研学习与课程学习的不同之处
主包的问题记录
9.1主包现在卡在了000步，老师给了一个细分方向[A+B+C]，但是太细了，不知道怎么找【高级检索是找不到的，后面直接问gpt，让他帮我找，找了一篇，目前计划读读abstract，找找引用，看看pipeline】【现在的问题可能是如何找论文Ծ‸Ծ】