非正式版讀文獻(xiàn)指南：兩個月，刷了八千篇Arxiv，我發(fā)現(xiàn)……

從五月初到現(xiàn)在，大約刷了八千篇Arxiv之后，我發(fā)現(xiàn)我有毛病。

當(dāng)然，這是讀論文上頭時的牢騷，不是真心話，只是說，我在Arxiv上投入的精力的努力，與我預(yù)計的收獲不成正比。

故事的起因是這樣的：

作為一個博一的萌新，學(xué)校和導(dǎo)師不會直接讓你上手科研，而是先上上課，確保來自不同學(xué)校的同學(xué)們能夠擁有相近的知識背景，互相認(rèn)識認(rèn)識。但是，當(dāng)你的日常是上課的時候，看著學(xué)長學(xué)姐們學(xué)術(shù)討論，實驗跑得風(fēng)生水起，人總是會慌的。

“天吶我已經(jīng)是一個成熟的研究生了，為什么每天還像本科生一樣課課課，我也要搞科研！“

然后想想除了課程和作業(yè)報告，似乎確實沒什么整塊的時間可以靜下心來研究，最可行的只有每天看看論文了。下定決心的時候是5月，由于各種課程的大作業(yè)開始陸續(xù)下發(fā)，最終，實際能干的事情，就是通過RSS訂閱[1]，開始遍歷Arxiv和一些領(lǐng)域相關(guān)Journal的論文。

在開始做這件事情的時候，我充滿了干勁和對論文的美好期許：

“每天能夠接觸到所有研究者最新的idea和發(fā)現(xiàn)，我就是時代的弄潮兒！“

“那么多新發(fā)的方法，研究與研究之間都是相通的，可以把數(shù)理領(lǐng)域的前沿成果拿過來實現(xiàn)我們領(lǐng)域的研究問題，這效果絕對杠杠的！“

“順帶還可以練一練英語速讀能力，文科理科兩手都抓，太機(jī)智了！“

現(xiàn)在回頭望去，我就像個戲臺上的老將軍——渾身插滿了Flag。

Arxiv是北京時間每天上午九點(diǎn)更新，美國時間的周末不更新。我訂閱了CS領(lǐng)域下 人工智能 AI，機(jī)器學(xué)習(xí) ML，計算機(jī)視覺 CV，信息理論 IT 四個方向的論文。平均每天加起來這些領(lǐng)域會更新150篇上下，周一會更多一點(diǎn)，因此我每周大約會接收到800～900篇論文推送。5月到7月中旬，加起來推送的總量必然有8k以上。

作為一個理智尚存的成年人，我采取的策略是首先速覽題目，對于研究相關(guān)的、或者看起來很有意思的文章，瞅一眼Abstract。如果Abstract挑不出毛病，再打開原文更詳細(xì)地閱讀。

• 綜述類文章：這類文章的價值是介紹一個方向的研究進(jìn)展和前沿技術(shù)，并總結(jié)研究難點(diǎn)痛點(diǎn)，幾乎不具有創(chuàng)新性。寫得好的往往會直接投稿給期刊，因此在Arxiv上出現(xiàn)頻率不高。一篇好的綜述除了方法，更重要的是指出有待研究的空白。因此，對于只是羅列方法，總結(jié)不足的綜述我都不會進(jìn)一步閱讀。
• 理論/觀點(diǎn)型文章：顯然，這類文章最重要的就是它的觀點(diǎn)和論證過程。一定要搞清楚文章的假設(shè)是哪些，限制在哪，如果不合理的話就不用看下去了。論證一般要么靠邏輯，要么靠公式推導(dǎo)，想很快把公式搞懂顯然是不現(xiàn)實的，但可以看看是基于哪些數(shù)學(xué)方法來決定是否值得細(xì)看。
• 方法型文章：這類文章的常見結(jié)果中包括“我們做到了xxx方面的SOTA”，但是，模型的評估指標(biāo)有哪些，和什么樣的參考如何比較得出了這個SOTA，往往暗藏玄機(jī)。所以，看一眼模型構(gòu)造，如果不是眼熟的縫合怪，再看一下實驗，實驗沒有太大問題，再瞄一眼結(jié)果，到底進(jìn)步了多少，有沒有機(jī)理分析。這些全齊活了，文章的具體方法才可能具有可信度。

瀏覽方法是合理的，實施過程是痛苦的。我看到了五花八門標(biāo)題美麗，開頭讓人心神蕩漾，實驗結(jié)果或者方法一言難盡的文章。還有些投稿，只描述了作者想達(dá)到的效果，方法剛寫了一小段，實驗還沒跑，導(dǎo)致我最終養(yǎng)成了開文章先看眼頁數(shù)，免得被畫餅欺騙感情的好習(xí)慣。

這兩個月里，各式各樣的SOTA我見了上百篇，近期的few-shot，explanable AI，看起來都是研究熱點(diǎn)。然而最終，這大約8k篇的論文中，我挑挑揀揀，目前下載導(dǎo)入Mendeley打算好好研究的只有不到100篇。這樣做的時間成本是多少呢？

• 假設(shè)每天我穩(wěn)定讀了150個標(biāo)題，這大約需要半個小時。
• 這150個標(biāo)題中，有10篇能引起我的興趣，我花十五分鐘，過了一下它們的摘要。
• 作為一個新手，我對于摘要的判斷能力還不是很強(qiáng)，因此，這10篇文章中我需要仔細(xì)地閱讀5～8篇文章的intro，result，conclusion。這至少需要半個小時。
• 最后，由于我連續(xù)讀了這么久文章，我獎勵自己就地躺平一刻鐘。

所以，在Arxiv上刷文章，我每天需要花一個半小時左右，能夠獲取1～2篇可能有價值的文章。 而作為一個新手，我的研究嗅覺未必足夠靈敏，也就是說，在這些決定精讀的這些文章中，有50%以上的概率，在繼續(xù)閱讀1～2小時之后，我仍將一無所獲。而 如果利用這些時間有目的地定向搜索特定領(lǐng)域的文章， 參考文章的引用量，**我將更可能在同樣的時間內(nèi)了解更有價值的研究成果。

在Arxiv上，作為一個研究領(lǐng)域的新手面臨的問題是選擇太多了，難以甄別有效信息。最初我試圖從數(shù)理領(lǐng)域獲得新的方法的設(shè)想并不成功。數(shù)理領(lǐng)域的breakthrough出現(xiàn)概率并不高，而且，想要將其他領(lǐng)域的方法遷移到自己的領(lǐng)域，一方面，獲取方法的時間成本會成倍地增長；另一方面，踩雷的風(fēng)險絕不低。

作為一個能夠流暢讀寫論文的研究生，絕對不要指望用Arxiv能對英語水平有多少提升。 很簡單，因為Arxiv上的論文，在沒有經(jīng)過會議和期刊對語言的篩選打磨時，英語質(zhì)量著實參差不齊。目前英語詞匯量在1w左右的我感受到的瓶頸，主要來自詞匯的使用不夠多樣化導(dǎo)致的語言生硬，以及做不到快速逐行閱讀。而論文能讓人鍛煉快速閱讀的部分并不多，很多內(nèi)容都是要邊思考邊看的。論文作者也未必是Native speaker，很可能寫文章的時候也詞窮。對于這個個人問題，最近摸索的結(jié)論是，看CNN和BBC的新聞，對語言的提升效果遠(yuǎn)好于讀論文。

總而言之，Arxiv上良莠不齊，對于研究領(lǐng)域的新手（博一博二及以下）來說，并不應(yīng)該以刷Arxiv作為信息獲取的主要渠道。我的導(dǎo)師在聽說我的計劃的時候，曾經(jīng)勸阻過我：

“你現(xiàn)在不應(yīng)該大量漫無目的地閱讀文獻(xiàn)。而是應(yīng)該努力尋找可能給你提供新的研究靈感，或者教會你研究方法的論文?！?/em>

也就是說，搜索特定詞條下的論文和Tutorial對我這個階段的研究生幫助會更大。Arxiv在現(xiàn)階段更適合作為檢索是否存在idea撞車的數(shù)據(jù)庫，而非圖書館。至于領(lǐng)域中的老手，刷Arxiv的時間成本應(yīng)該顯著降低（很多方法只要大致瀏覽就能理解），但若要緊跟研究潮流，每天1～2小時的閱讀應(yīng)該還是少不了的。具體細(xì)節(jié)，就等我能看到他們眼中的風(fēng)景時再來和各位分享吧。

不過呢，Arxiv上樂子還是不少的?？梢赃@么說：如果回到兩個月前，我不會開始刷Arxiv；但在經(jīng)歷這么多痛苦，逐漸摸索到一些門道之后的現(xiàn)在，我還是打算繼續(xù)刷下去的。希望接下去，Arxiv能提升我甄別論文的能力，此外，我會對有價值的論文做一些筆記，從而提升自己的理解概括能力。

本文描述的讀文獻(xiàn)方式“導(dǎo)師見打”，非搞笑人士請勿模仿！

[1].^RSS (Really Simple Syndication) 是一種消息來源的格式規(guī)范，網(wǎng)站可以按照這種格式規(guī)范提供文章的標(biāo)題、摘要、全文等信息給訂閱用戶，用戶可以通過訂閱不同網(wǎng)站 RSS 鏈接的方式將不同的信息源進(jìn)行聚合，在一個工具里閱讀這些內(nèi)容。

如果覺得有用，就請分享到朋友圈吧！