原标题：研究生的早期科研之路
之前写了一篇文章《计算机系本科生开展科研学习的九问九答》，主要是关注本科生。这一篇继续谈一下研究生的早期科研之路。因为大家的背景不同、经历不同，所以我也只是从个人角度来说一下，内容仅供大家参考。
研究生阶段是连接本科和社会的关键节点。很多同学进入研究生阶段往往经历了保研或者考研的洗礼。能够进入心仪的学校甚至实验室学习，已经是一个重要的收获。本科阶段侧重基础学习，保研或者考研对于应试能力有着较高的要求；
研究生阶段则更为关注实战能力和解决问题的能力。
研究生阶段与本科生的整体学习方式和训练方式不太一样。不总会有教科书教你如何科研入门，不总会有资料直接将idea传达给你。很多同学做的转型实际上不好。经历了保研和考研，很多同学可能惯性认为本科的学习方式仍然适用于自己，毕竟这些原有的学习方式帮助大家走到了这个阶段。然而原有的学习方式不是最优的方式，需要进行调整和摸索。
确定了研究生阶段已经确定无疑后（例如考研填报完成或者考研复试通过），要及时开始下一段的规划。越早上路的人还是会有优势的。过去的“辉煌经历”（例如GPA达到年级第一名、获得过ACM金奖等）应该早点“丢”进箱子里了，新一程的奋斗又要开始了。
不要躺在舒适区，每天沾沾自喜，实际上你会发现之前同水平的同学可能早已在科研上领先你很多了。
千万不要固化自己的学习方式，要勇于做改变，勇于接受新的挑战。第一步就是在心理上做好准备，尝试新的学习方式，也要接受忽然不能得心应手的落差。
很多同学用了很多功夫，但是
做不好科研，除了天赋外，一个很重要的原因就是不专业。
科研是一个系统化的学习过程，可能包括阅读英文原版书籍、学习基础理论（机器学习）、使用标准规范编写代码、使用科学写作方法攥写论文等等。每一个环节不应当对标某本教科书某篇论文，而是要对标学术界的标准。这样所有环节都下来，才能真正达到一流。
我强烈建议
初学者一定要真正地学习一两门顶尖学者开设的视频课程
，从教材、讲义以及课后作业都认真完成一遍。通过阅读相关经典论文，可以最接近学术界的科研语言；而独立做作业会让大家有足够的思维训练和动手训练。另外一个好处是，无人监督的情况下，自己是否能够完成一个学习过程，我觉得学公开课程实际上是很好的一个检测手段。
专业的论文从写作、理论以及代码等多个维度都是专业的；相反不专业可以体现在糟糕的排版、英文术语不规范、代码复用性很差。说到这里，我强烈建议研究生一旦发表论文后，能够创建一个project web page，让你的所有东西可以复现，接受学术同行的考量。当然，这个要求很高，能做到的人不多。很多学生，包括很多狂发论文的研究生，有一个心态，一个工作被发表了，这个工作就结束了。那么原来的代码为了赶论文写的差一些就差一些吧，论文里的图片区分度不高就不高吧。
学术成果是研究人员的名片，一份“邋遢”的工作会是一段抹不去的黑历史。既然做了，就要专业，也要持续维护这种专业。
很多研究生有的时候会经常立flag，譬如，今年无论如何都发出来一篇A类论文。我想说的是好的工作人人渴望，但是工作不是靠期望得来的，当然不可否认信念和信心的重要性。大部分研究生都需要循序渐进的科研，需要将各种基础打好后，才能出一个较为满意的工作。一般来说，这个过程可能花费1-3年。就和游戏机里过关一样。例如，塞尔达第一场刚出来的林克是无法搞定游戏后期的妖怪的（不排除有一些游戏达人能够完成）。别着急，从基础做起。
很多研究生经常将无法发表论文归为自己能力不够、导师指导不好、运气太差等因素，但是我想说，
科研这东西，只要按照专业的方式持之以恒学习，或多或少都会有些结果的（例如论文）
。
如果暂时没有发表论文的同学也不要着急。为什么呢，因为很有可能是真没有达到这个水平。可以对标一个理想状态“熟读论文百篇、白纸推公式、vim写代码”，你是否达到了呢？当你很轻易地实现这个理想状态，能不能发论文只是时间的问题（但是好工作未必一定能出来，论文和好工作是两回事）。
“高筑墙、广积粮”。所有好的工作最终都归结为持续的付出与积累，不要随便喊口号、立flag。
只有把一件事情做得专业、打好基础，才能有所成绩
。
想想马斯克发射火箭和人造卫星，这可不是一句口号外加鸡血能搞定的。日复一日，年复一年。总之，为什么有的人那么厉害，因为他比你更加拼命而又坚强。我看到很多同学因为一两次论文的被拒，就认为自己不适合科研的想法。我很理解这种心态，但是同时也想说，有志者事竟成。鸡汤有的时候讲起来真的特别虚伪，但是有的时候又特别应景。有大付出者，才有大回报。
首先想说，热点这东西不总是好事。如果所有人只关注热点，那么科技创新可能就会受到影响。想想三剑客们在主题模型（topic model）“横行十年”的背景下，安心去做神经网络，其定力、判断真是非同一般。
但是，对于初学科研的人，我不建议盲目追踪冷门课题。因为，我们的基础不够做足够的探索。相反，热点问题的讨论和基础很多，可以很好地切入并且空间很大。同样地，即使一个老的课题，里面可能也有一些新兴的热点，也是值得初学者高度关注的。
能够早期预见以及锁定一些热点，这是一种很强的科研嗅觉
。想想BERT刚刚出来的那一个月，如果我们能马上吃透这个模型，并且将其应用在之前一个很难被提升的任务上，我想这样的一个工作可能也会是不错的一个研究工作（对于初学者）。虽然我不是特别鼓励这种套模型的研究，但是还是觉得对于初学者这真的已经很厉害了：能在第一时间预判热点、能在短期阶段学会并且掌握该模型、能够很好地迁移该工作或者该想法在自己的任务上。
不过现实是，我看到的是，追踪热点的同学往往都不是新手；相反都是一些前期功力深厚的研究组或者研究生。说起来，这有点像投资专家，你观察他选择一支股票的过程，经常会不服气吐槽他好像没啥技术，但是他就是对于商机把握的好，着实买到了潜力股（注：我个人确实没有任何投资经验，如果举错了例子，还望包容）。
模仿是人类成长的重要手段。从婴儿阶段学习语言表达到进入一个领域学习新的技术，都需要找到一些可参照可学习的目标。当你还不清楚什么是正确的、什么是重要的科研时，那么请模仿吧。
有些同学会说，我也没有国际大师作为导师啊，我也没有什么好心的师兄师姐啊。有些同学总会抱怨导师对自己关注不够，没有亲自告诉自己做啥题目。我想说模仿是一种能力，就和预见热点一样。
在线课程、大佬儿的论文、极客的代码等等，只要你抱着学习心态，就有大把可供模仿学习的途径。
有的同学说我不会写论文，写的乱糟糟的。我想问一下是否认真读过几篇论文的写作，从标点到用词是否真的揣摩过作者的意图、是否用英英词典查过每个词的具体意思以及用法、是否定期摘抄一些好的句子。总结起来一句话，模仿做的不够。
模仿不是抄袭。
打过游戏的同学，我想可能对这句话有着深入的体会。我想看过一些专业游戏玩家的一些高级操作后，你以后也会在一些类似的场景下受到启发。同理，在奥数比赛里，很多同学都会总结一些常见的规律结题法，比如连线证明三角形相似。总之，模仿要深入骨髓、模仿要活灵活现、模仿要适当创新。
但是模仿必须专业。比如写作。要找到写作达到国际水准的论文，然后逐词逐句分析。很多A类会议论文的写作可能未必达标，千万别随便拿到一篇论文就开始模仿，以免照错学错。看看别人是为什么要做一个工作、如何论述一个工作的意义、如何介绍模型、如何进行公式推导等等。总而言之，模仿能够做到位，第一个工作不会做的太差。
研究生没有特殊情况，不要总是更改题目。正常来说，一个研究生只有2-3年时间做科研学习，中间再换2、3个题目，那么产生的再次学习代价会很高。
有的同学可能要问，我这个题目我已经做了很久了，就是不出成果、就是效果不好，怎么办啊。首先，判断一下研究领域是否是处于国际学术的热点。比较简单的方法是，找到对应的顶级会议，看看每年发表的相关论文（包含大的关键字）是否有5-10篇，甚至更多。这是在检查当前问题是否还有可研究的空间。其次，判断所提出的idea在所使用的数据是否合适。研究人员要不断培养对于数据的敏感性，以便减少对于方法的试错时间。很多idea或者思路，看一下具体的数据其实就可以判断是否会work。如果说，一直无法说清楚自己的数据有怎样的特点，反倒指望黑箱模型去提升效果，这种途径失败的概率是很高的。而且很多想法也是从数据而来。当然，这和看着test data去调参数是完全不同的。注意，idea不是去跟着bad case去走的，idea要普适、要适应于多个数据集合。
如果上述这两点没问题，相信我，这是你自己的问题。很多同学刚开始接触科研，经常抱怨自己的效果总是不好。
实际上，这是缺少数据的敏感性以及实践能力（比如调参等）缺乏造成的，甚至很多时候还是代码写错了。
那么这个时候该怎么办？不要换题目，至少从相关工作、模型设计、代码设计以及错误分析多条途径不断检查、修正和改进。多读多想多尝试，持续推动对于这一问题的理解。攻克困难需要持续发力，使自己处于不断在进步的状态。大家一起爬山，有的人路好走一些，有的人难走一些。但是
一座山过不去，盲目换到另一座山，结果就是很大概率也爬不上去。
很多学生会问我如何能做好科研呢？我想借用一句话，那就是“实干兴邦”。在科研上，
真的，想太多捷径、立太多flag、说太多牢骚，都是没有太多意义的
。
我有的时候经常被问到“读论文有什么方法吗”、“写作有什么方法吗”、“有什么办法可以想到好的模型”。我想肯定是有一些技巧的，但是很多时候不愿意回答这种问题。相反我会反问，你精读过50篇论文吗？你完整写过一篇论文吗？你试过了五种以上的模型吗？没有的话，那么先去踏实地做。马步还没有扎好的话，可以先不用想太多的技巧。同样的技巧，如果配以经验，会得到不一样的感悟。
所以初学者，别想太多，安心推进。今天你是否读了新的论文、写了新的代码、有了新的想法等。科研很多时候很枯燥。科研工作者需要日复一日的重复固定流程来强化自身能力，读论文、写代码、想idea、跑数据等等。
科研没有轻松和捷径，去做就好了。
我给初学者的建议是，坚持读完若干经典书籍、坚持复现若干经典模型的代码、坚持每天不断阅读新的论文、坚持写作、坚持跑不同的实验、坚持去做错误分析。。。这就是秘籍。
到任何时候，别小看时间的力量。
研究生3年能够坚持上述的过程（每年有300天以上），我相信毕业时，你会发现一个“强大的自己”，强大到你曾经不敢相信自己能够做到。相反，也可能让你“泯然众人矣”。科研前期是一场自律与放松的博弈。然而入门后，你会发现阅读论文其实也是在放松、也是在享受。我回顾自己认识做科研较好的同学，往往都是执行力很强的同学，我想这一点也必须在这里再强调一下。
有了行动后，我觉得再聊聊“说”和“写”。表达与交流是很重要的。“酒香也怕巷子深”。即使再好的工作，不被别人接受，不为他人所知，可能也失去应有的价值。我感觉国内学者其实有的时候很谦虚。相反，老外实际上是注重宣传的。一旦有了一个新工作，经常会说“proud of”、“important progress”。
当我们有了新工作后，也要适度进行宣传。
首先，把论文写清楚。最近几年，顶会论文的数量不断增多，而其中有的时候会遇到一些不知所云的论文。在这种情况下，论文读得懂全靠猜的准。科研工作者有义务让自己的工作表述是清楚的。我一直觉得论文写得清楚不清楚，和通用的英语写作关系不是特别大。英语技巧只会是让论文读起来感觉美不美。之前智源做过一次英文写作的讲座，我也参与给了一个报告。关于此部分，我想大家也可以在网上搜到很多谈科学写作的文章，这里不再这里赘述。但是我还是想强调一下，用词和逻辑。不要随便用一些当前领域文章没有出现的名词，不要想当然地用一些自以为正确的单词。其次，就是逻辑。论文不是堆砌内容，而是要循序渐进引导读者阅读。
其次，做好交流报告。现在越来越多的报告交流会，这都是很好的和其他学者交流的机会。讲报告最忌讳就是自我沉醉。讲报告是为了让听众有收益，在作报告之前，要反复问自己，听的人能听懂吗、听的人能有收获吗？这样，让自己置身自己的工作之外，才能讲好自己的工作。一般来说，20分钟主要的报告，要讲清楚动机、模型以及实验结论，不要陷入细节讲个没完。刚开始作报告的同学有个误区，就是希望把自己工作的所有细节都告诉给听众。实际上，听众的重点和关注通常在固定时间内都是极为有限的，重要内容传递过去已经很不容易了。
科研中心态是非常关键的。能做好科研的人，一定要相信自己能够做好。如果没有这种内在的力量，而要靠其他人的鼓励来维持心态，可能确实很难做好科研了。
很多时候，我们做的课题，和做投资是一样的，因为你并不能看到整个全景。起步的时候只是一个idea，加上自己的经验，但是你必须提前决策做还是不做。中间整个过程会遇到各种各样的困难，包括想不出来模型、实验效果不好等等。面对科研，不是所有的同学都是幸运到顺风顺水。很多大牛学者，可能都是科研入门的迟到者。
要坚信自己可以做好科研，它有各种不顺利都是正常的。
相反，太容易被困难吓怕了，早早结束自己的科研经历，也是一次对于自我能力的否定。
如果有幸进入一个强组，从一方面是一个很好的机会，从另一方面又是会有很强的peer pressure。甚至，可能整个研究所内部、国内相关研究领域内部一些明星学者都会传达一定的压力。有适当的竞争心理，我觉得是很好的事情。特别是研究生同学，如果身边能找到一个和自己实力相仿，甚至比自己厉害一些的同学作为参考，能够起到互相交流、互相促进的作用。
但是要控制这种心态的蔓延，不要盲目攀比论文的多少。要
保持一颗平和的心态，不能看到别人在某一个任务上发了很多论文，自己就盲目更换题目追随。
还是要有一个核心的研究目标，不断地做好规划，不断地持续推进。不要因为他人的进步而对自己产生过大的负面压力，而影响了自己的判断能力和执行能力。
如果说让我用一句总结“快乐科研”的秘诀，我想要说就是将科研融于生活。
将科研融于生活的好处是不会觉得“太辛苦”。有同学马上会反问，啥，这还不痛苦吗，这不是疯了吗？实际上，当人形成了一定的习惯后，略微加上一些正反馈，就可以很适应不断重复惯性行为。相反，隔几天做一次，才会觉得痛苦。就拿健身来说，一般坚持过1年以上天天锻炼的人，之后断的可能性很小。但是每周去2次左右的人，很容易放弃健身。偶尔一次健身，要不觉得很兴奋，要不觉得很难受。平和、自然其实是最好的状态。
将科研融于生活，你慢慢适应它了，你对他的心态就会逐渐平和了。
有一天，你发现你好像每天科研就像吃饭睡觉一样，那么即使连续工作多个小时，也并不会觉得太辛苦，因为那是生活的一部分。因为你心态平和了、自然了，你甚至没觉得你在吃苦。
要做好一件事，你就每天都想每天都做。所谓念念不忘，必有回响。我不太认同那句话“work hard, play hard”，把工作和放松完全割裂开。作为一个科研工作者，你的灵感要发生在每一次有意义的情景思考中。还清楚地记得，我自己第一个长文（EMNLP 2010的论文）模型就是在公交车上想出来的。时至今日，我都能清楚记得那一刻的兴奋。有的时候，我特别羡慕现在的学生：这样年轻的你们，而我又是曾经这样年轻过。在研究生阶段，大家操心的事情很少，可以一心一意做科研。
作为结尾，还是再次强调这篇文章仅是个人观点，谈的也是我们普通人的科研入门。
在当前复杂的国际形势面前，我们科研工作者要有所担当，至少要有这股决心，要把科研做好，至少把手头的研究工作做好
。一名优秀的研究生，至少应该有两年为科研奋不顾身的一段经历。那会是一段美好的回忆，甘之如饴。
AI 科技评论希望能够招聘 科技编辑/记者 一名
办公地点：北京
职务：以跟踪学术热点、人物专访为主
工作内容：
1、关注学术领域热点事件，并及时跟踪报道；
2、采访人工智能领域学者或研发人员；
3、参加各种人工智能学术会议，并做会议内容报道。
要求：
1、热爱人工智能学术研究内容，擅长与学者或企业工程人员打交道；
2、有一定的理工科背景，对人工智能技术有所了解者更佳；
3、英语能力强（工作内容涉及大量英文资料）；
4、学习能力强，对人工智能前沿技术有一定的了解，并能够逐渐形成自己的观点。
感兴趣者，可将简历发送到邮箱：jiangbaoshang@yanxishe.com
点击"阅读原文"，直达“CVPR 交流小组”了解更多会议信息。
微信扫码咨询专知VIP会员