既然决定了卷论文，那就开卷吧！

最新推荐文章于 2024-09-06 16:58:59 发布

李rumor

最新推荐文章于 2024-09-06 16:58:59 发布

阅读量434

点赞数 3

文章标签：算法机器学习人工智能 java 大数据

本文链接：https://blog.csdn.net/m0_37310036/article/details/126516018

版权

卷友们好，我是rumor。

又到了开学季，一大波研究生即将入学。对人工智能方向的硕士同学来说，不管是导师要求、自己想做研究、还是为了找份好工作，越来越多的同学开始卷Paper了。而当实验室没有科研氛围时，自己从0到1完成一篇顶会级别的论文可是真的难，因为它需要很强的综合能力，同时还有很大的不确定性和失败概率。

今天我就和MLNLP社区一起，分享一份简单的RoadMap，我们会综合企业面试官、硕博士学长的角度来提供建议，希望能对硕士、博士新生们从0到1完成自己的第一篇Paper有帮助。

MLNLP社区指路👇

注：机器学习、深度学习、线性代数、概率论、编程基础就不赘述了，个人建议是三四个月内尽快扎实基础，然后花一两个月打个比赛，把综合能力培养起来。

1 调研

选一个细分方向，一般建议方向定了之后就不要变，以后都做这个方向的研究，对于找工作来说面试官重视深度而不是广度。

找方向时可以关注以下特征：

越细越好（比如医疗领域的信息抽取），大方向都比较卷（比如NLP里的信息抽取）
实验迭代快：降低做实验的时间成本，注意该方向的数据集不能太大、同时也不能选取太大的基模型、太复杂的pipeline流程。不然实验都没做完就要毕业了。

选定完方向之后，就开始初步调研了，可以按照以下几步：

读一两篇最近的综述，最好找知名机构写的
顺着综述的reference，把比较经典、重要的文章都看一下（关于如何读论文，可以参考李沐老师在B站发的各个视频）
综述的实时性有限，可以使用MLNLP出品的「AI-Paper-Collector」^[1]工具，搜索最近顶会上该方向的文章

初步调研的目的是建立起自己对这个方向的知识体系，包括有什么主要问题、针对该问题有什么经典方法、有什么经典数据集、如何评估等。

了解了该领域之后，就开始重头戏了，如何找Idea呢？在讲Idea之前先稍微说两句，部分同学上来就想做特别大的创新，这种想法是比较理想的，一般一年里面全球范围有几篇特别创新的工作就很难得了。所以刚上来不用对自己要求过高，能帮助该方向进步一小步即可。

找Idea的不确定性是最大的，核心就是发现问题和解决问题，可以有以下途径：

多读该方向的文章：量变产生质变，说实话读个几十篇之后就有一定的sense和判断力了，自然就会突然发现某篇文章有什么问题，自己就可以去优化一下
亲手跑顶会文章代码：照着论文顶会代码debug的过一遍，不仅能够很快的熟悉这个领域，也能在调试的过程中发现和总结问题。在找代码的时候可以参考MLNLP社区开源的顶会论文代码总结^[2]，能帮助大家快速找到开源代码的会议文章
关注业内热点：比如预训练、对比学习、Prompt、Diffusion都是这几年的热点，把这些热点方法迁移到自己的领域，很有可能在全样本或者小样本上有所提升
多和别人交流：比如CV和NLP的很多方法都是互相迁移的，不同领域的也是，有可能你方向上的一个问题，你同学就见过它方向相似的问题和解法

2 实验

有了Idea之后，就可以快速开始尝试是否work了，这一阶段求快，尽快把方法变成代码跑出结论，如果效果好，恭喜你可以继续了。如果效果不好，那就得调整超参数、看数据找哪里出了问题，再继续迭代。这里也是很考验算法er能力的地方，需要代码少出bug、快速迭代、分析数据等综合能力。如果试了一两个月还不work，那恭喜你可以换idea了。

当Idea行得通之后，就可以开始考虑Paper的内容，制定更详细的实验计划了。相比一股脑扎进细节里，提前想好会更加全面。不然最后赶ddl时边写边补很痛苦的。

主要考虑以下点（对应文章章节）：