研究生期間如何成為科研大佬？

作者?|??葉小飛@北美奔馳研究員?

整理?|?NewBeeNLP

由于不清楚小伙伴們的研究方向，以下分享只針對ML/DL/CV/NLP方向。

先潑個冷水，如果你本科積累不多，也不是天賦異稟，碩士成為真正的科研大佬是不太可能的，成為“灌水大佬”倒是有可能。因為在我看來，只有真正做出能對學術(shù)界與工業(yè)界有很大啟發(fā)的研究作品的人才能被稱作大佬（比如搭積木提高一兩個百分點就別拿出來吹了吧。。。），而沒有很多積累與好的指導是很難做到的。

我在北美研究生一年零三個月期間零基礎(chǔ)入門計算機視覺，發(fā)了兩篇還可以的應用向ML論文，畢業(yè)后還在灣區(qū)找到了待遇不錯的算法崗位。按照我下面這套操作來，可以讓你三年碩士期間 進可發(fā)質(zhì)量不錯的文章，為讀博鋪好道路，退可畢業(yè)后進入工業(yè)界拿到不錯的offer。?

第一階段：確定大致研究方向

進實驗室之后第一步一定是先大概了解師兄師姐們都在做什么，同時和老師聊一下他大概希望你做的課題方向。也許這個方向并不是你最后的方向，但是會讓你大概有個sense。

只有你知道了實驗室做什么，你自己可能做什么之后，才能針對性地夯實基礎(chǔ)知識。比如你們實驗室一直做聯(lián)邦學習，那么你去惡補太多CV方向的知識用處就不大，畢竟CV在這里只是一個應用場景，并非主體。同樣，如果你要做Visual Question Answering, 那么除了CV，你還要彌補NLP方向的知識。

第二階段：基礎(chǔ)知識惡補

如果你對自己將要研究的領(lǐng)域所知不多，我很不建議一開始就啃論文，在你沒有基礎(chǔ)的情況下去讀各種最新的論文就像啃天書，事倍功半。

舉我自己的親身例子，我在CV領(lǐng)域讀的第一篇論文是supervised descent method for face alignment. 當時我也不懂SIFT，也不懂PCA, 也不懂gradient descent, 花了很久也沒搞明白，后來把相關(guān)課程惡補一下之后，結(jié)合著代碼很輕松就懂了。

所以在最初的三個月強烈建議多上些網(wǎng)課，針對性地彌補基礎(chǔ)的理論與相關(guān)的編程知識。這個階段不需要花太多精力深挖理論，大概知道怎么回事即可，所以找的網(wǎng)課盡量以應用為主，先找到些感覺和自信再說。

對于剛?cè)肟覥V的小伙伴，我一般強烈推薦“三件套”網(wǎng)課：Coursera Andrew的深度學習系列課程，Udacity 的intro to CV(在這里你能學到圖像處理最基本的知識）以及MIT老爺子著名的線性代數(shù)。

第三階段 大量閱讀文獻/代碼+幫師兄師姐打雜

這一階段我個人認為是成為“潛力大佬”最重要的環(huán)節(jié)。只有你文獻讀的足夠多，才能判斷出自己的方向是不是個坑，自己的idea是不是別人都做過，并最終提出一個改進前人工作的idea。這一階段注意事項如下：

1. 讀文獻是有技巧和優(yōu)先級的，不要一腦袋就扎進去瞎讀。具體優(yōu)先級如下：
• 近一到兩年你大致研究方向的文獻綜述。這種綜述一般會幫你把各種流派以及最先進的方法整理出來，讀完后你會有一個大概的big picture
• 近五年內(nèi)該方向的經(jīng)典著作（高引用，具有啟發(fā)性的）。這類文章一般也有很多博客講解，原文讀不懂可以看別人的博客。
• 帶開源代碼，近兩年的頂會sota.
• 無開源代碼，近兩年的頂會sota.
2. 對于質(zhì)量較高的文章，強烈建議對著源碼一起閱讀。有些你看不懂的公式，讀完代碼就能大徹大悟。同時，學會把公式轉(zhuǎn)化為代碼也是一項核心能力。
3. 列個表，紀錄你讀的論文的名稱、核心要點，你所看到的它存在的缺陷或未來可延伸的點。
4. 你在閱讀過程中很可能會想到一些新的方向、idea，或者發(fā)現(xiàn)原來要做的方向是個坑，這個時候要多和導師溝通。導師都很忙，溝通前要做好準備。比如你覺得原來的方向不好做，一定要給出你讀了哪些論文之后得出了這樣一個結(jié)論，為什么是這樣的一個結(jié)論，而不是說“我感覺這方向不行”。
5. 在你閱讀文獻的同時，主動接觸你優(yōu)秀的師兄師姐們，提出幫他們打下手。這個并不是為了蹭個四五作或者討好同門，而是在這個時候你還沒有經(jīng)歷過一次完整的科研，通過這種站在巨人肩膀的方式，你可以快速了解到做一次完整的科研是什么樣的經(jīng)歷，同時開始下手寫一些實際的代碼，最后還能蹭個作者，只要負荷不是太大，何樂而不為？
6. 除了你主攻方向的論文，相似領(lǐng)域也可以閱讀。比如你是要做超分辨，那么圖像去噪有很多論文可能也會對你有所啟發(fā)。

第四階段 開始實驗你的idea

你從近乎零基礎(chǔ)進行到這一步時，大概已有半年多一點了，這時候的你有了一定理論基礎(chǔ)，完成了一些課程代碼，并且閱讀了大量文獻和開源代碼，和導師進行了幾次討論，這時候還留在你筐子里ideas很有可能是可行的，現(xiàn)在就需要把你的idea實現(xiàn)了。如果你還是無從下手，不知道該怎么實現(xiàn)自己的idea, 可以參考我這個回答的三四步（一二步你已經(jīng)在第三階段度過了）。

• 對自己深度學習方向的論文有idea，可是工程實踐能力跟不上，實驗搞不定怎么辦？1203 贊同 · 51 評論回答^[1]

當然，在這個階段你也不必孤軍奮戰(zhàn)，可以尋找同組的小伙伴一起合作，你負責核心部分，他負責一些零散的部分，到時候掛他二作。同理，你也可以多找同組或組外的小伙伴主動尋求合作，作為輔助貢獻一些，這是能快速拿到二三作的捷徑。

第五階段 論文撰寫

當你的idea基本證實有效之后，就可以動手寫論文了。都21世紀了，建議不要用word來寫論文，強推線上多人合作版“LATEX”——Overleaf。一開始剛寫論文的時候有幾個誤區(qū)特別容易陷入：

1. 不列大綱，上來就開干。我發(fā)現(xiàn)很多認識的大佬都會把每一章節(jié)甚至每一段大概要寫什么，論點是什么會先列上，這樣寫起來事半功倍。
2. 第一遍初稿就極度追求完美，寫的每一句話都斟酌很久，精心選詞。第一遍如果過于注重語法與修飾，很容易寫到崩潰，寫了一周都沒把前兩章寫完。一般來說，第一遍只要能把自己要寫的大概內(nèi)容表達清楚即可，甚至有些句子是由單蹦的詞語組成也沒事，后面一遍遍修改。
3. 作圖草率，稀里嘩啦隨便畫?，F(xiàn)在很多reviewer極度缺乏耐心，你圖做的不好看基本就被判死刑了。
4. 自己孤軍奮戰(zhàn)，不會借助外力。正如前面選題、讀文獻、實現(xiàn)idea一樣，寫論文也要學會借助外力。起了草稿之后，多多“騷擾”師兄師姐提意見，讓他們幫忙修改（當然你要掛人家名字），然后差不太多了再找老師修改。

另外推薦一個答主對關(guān)于如何寫好英文論文的分享，我從這篇回答里學到了頗多。

• 如何開始寫英文論文？1 萬贊同 · 164 評論回答^[2]

第六階段 乘勝追擊

當你進行到這一階段時，你已經(jīng)投出去一篇一作，運氣好的話還蹭到了同門的一到兩篇論文。接下來就是如法炮制，你可以接著上一個idea做更深的挖掘，或者更高維度的挖掘（比如從圖像超分辨到視頻超分辨）或者換一個有些類似但又不一樣的方向，接著開始下一篇創(chuàng)作。然后依舊要多和組里甚至組外的人合作，研究生期間一作能有兩篇就很不錯了，要想數(shù)量更多只有去給別人打下手，尋求場外合作。

在這一階段，我還大力推薦在繼續(xù)攻克下一篇論文的同時，系統(tǒng)地提升下自己的數(shù)學+計算機理論知識。之前上網(wǎng)課對理論理解不夠透徹，讀論文則是容易只有碎片化知識，借這個機會對一些基礎(chǔ)的數(shù)學理論和計算機理論好好系統(tǒng)學一下（比如概率論，凸優(yōu)化，數(shù)據(jù)結(jié)構(gòu)，算法概論），對你以后申請博士（很多老師看重你的理論基礎(chǔ)）或者找工作（不懂數(shù)據(jù)結(jié)構(gòu)你怎么刷題？）都有很大的好處。

寫在最后

如果一切順利，你的運氣還不錯，按我這幾個階段做下來后，在第三年開始不久，你已經(jīng)投了/中了兩篇質(zhì)量不錯的一作論文（讀了大量文獻+與導師同門經(jīng)常溝通后的科研產(chǎn)物質(zhì)量一定不會差了），N篇二三作，其實成果已經(jīng)蠻不錯了，這個時候最重要的是想好未來的選擇。

是繼續(xù)深造讀博士呢還是到工業(yè)界去工作？

如果打定主意要讀博，那么接下來的最后一些時間你就要把精力放在申請、connect上。如果你想去工作，那就要多刷題刷面經(jīng)，憑借你碩士期間的這些產(chǎn)物，拿到面試機會不成問題。

最后的最后說一點自己的個人價值觀，我認為科研帶來的最大收益就是它本身帶來的純粹的樂趣，千萬不要為了灌水而科研，很難走遠、走得開心。

本文參考資料