paper道路上的一些感悟和思考

近日来，对之前的科研工作做了一些思考，也发现了一些思路上的错误，故总结如下。初上路，有认知欠妥的地方，还希望大佬们多多指教。

1. 在深度学习的实验中，真正牛逼的不是盲目的靠试、靠堆砌各种之前论文中的创新点。这样的工作比较缓慢且很难有更为长久的研究进展。
2. 尝试不断的发现现有模型的问题，发现模型作用在相应数据上所面临的问题。找到为何模型的设计在数据集中的部分数据上表现很差，进而分析这些数据的分布规律，再针对这些下手改进方法，远远比单纯为了刷点更有意义。
3. 算法、模型，时时刻刻都在更新，永远不可能穷尽，但抓住其背后的原理和本质更为重要。
4. 在看顶会论文时，你会发现：一些牛逼的方法，它的设计非常简单，其背后的逻辑也很简单易懂且富有新意。简单之处，性能也有极大的提升。

发现问题的过程，是一个拾级而上、厚积薄发的过程。一定要多找师兄师姐、老师们多多讨论，闭门造车会走很多弯路。