机器学习论文怎么读？大神给你三步妙招

读论文绝对是个技术活，无论是机器学习，还是密码学分布式共识算法，或者神经网络什么的，要想真正对计算机学科的某个领域有专业的理解，你必须紧跟这个方面最新研究。对相关专业有专业严谨的评估，是我们必备的能力。

只要有耐心并多加练习，以及很多很多的咖啡，你一定可以掌握高效读论文的方法。

我每周通常会每周读10-12篇研究论文，以紧跟计算机领域的潮流。随着时间推移，读论文的能力也越来越好。

找机器学习论文时最爱的资源是Reddit，在他的机器学习板块，每天都有好多人发表很有趣的论文，还有很酷的周报，显示你这周读了哪些论文，哪些最让你感兴趣。另外还有个很棒的网站arxiv-sanity.com,由大佬Andrei Karpathy开发，它会帮你寻找aRxiv上你最感兴趣的或者最热的论文，此外，谷歌和DeepMind也会在各自的网站上发表研究成果，并且在《nature》这样的期刊上也很容易找到顶级的论文。

那么，应该如何阅读论文？

最好带着目的去读，比如学习更好的激活函数，或者能帮我使用注意机制的概率模型等等。等明确目标后，就很容易确定读论文的策略，使我们直奔目标。只是从数学上看懂机器学习论文并不是我们的理想目标，能让自己有耐心有动力读下去更为重要。

下面是我读论文的三步矫正法：

• 第一步：仅浏览论文，理解论文大意。

首先看论文标题，要是觉得有意思，好了，可以开始了。然后看摘要，摘要是论文中研究工作的简短和独立的总结，可以用他作为文章的综述。然后仔细阅读段落和小节的题目而不管剩下的部分，主要是忽略数学部分。然后读末尾的总结，可能会扫一眼引用的论文，看看有没有已经看过的。在第一步，我会假设数学部分是正确的，这步的主要目的是弄懂作者的目的，论文的主要贡献、论文想解决什么问题以及我是否真的感兴趣。

在完成这一步后，我会回头看看别人怎么评价论文，把我的初步想法和大家对比一下。

这一步的主要目的就是确保论文是我想看且需要的，人生苦短嘛，毕竟还有好多东西要看。

• 第二步：重新阅读

更严谨的读论文，并做笔记。我会读全部的内容，并尽力高度理解数学部分，并尽力评估实验结果，是否重复？结果有明显的证据支撑吗？然后去GitHub上找找是否有已实现的相关代码，自己读一遍然后运行一遍，复现结果。通常代码中的注释会帮助我理解，此外我还会搜寻其他有助于我理解代码的东西，比如文章、总结、教程等。通常一篇很火的论文会有很多人分享对他的见解。

• 第三步：关注数学细节

拿出笔来自己解析论文里的公式，同时也会借助百度帮我理解公式。并用论文给出的参数尽可能的复现代码。