史丹佛大學教授是如何閱讀論文的?
本文約1000字,需3分鐘,原文連結
本文整理自史丹佛大學David R. Cheriton教授的論文How to Read a Paper,筆者對其編譯提煉,用於指導自己閱讀論文,希望對大家有幫助。
“3遍”閱讀法
核心思想是一篇論文至少閱讀3遍,每一階段都要達到特定的目標,併為下一個階段奠定基礎:
- 第一階段你要能知道論文的
整體想法
- 第二階段你要能抓住論文的主要內容,但不要考慮細節
- 第三階段你要能夠
深入理解論文
第1遍
花5-10分鐘快速閱讀論文,初步判斷這篇論文是否值得閱讀。注意論文以下部分:
- 標題、摘要和簡介
- 子標題
- 結論
- 引用
下面的問題用來檢驗自己的閱讀效果:
- 論文屬於哪個類別
- 中心思想是啥
- 論文的假設或者方法是正確的嗎
- 論文做了哪些貢獻?(解決了什麼問題?)
- 文章是否排版清晰、結構合理?
上面的點也可以用來指導自己撰寫論文,一般盲審時是按照這個步驟稽核的~
第2遍
這一遍要更仔細閱讀了,但是忽略掉證明等細節。你需要:
- 仔細閱讀文中的圖表、示意圖和說明,注意圖中的座標軸以及是否有錯誤、結論是否符合統計資料
- 標記下重要的、你沒有讀過的引用文章
第2遍大概需要1小時,此時你應該能總結論文的重點和論據。
當然,有時讀完第二遍你還是看不懂。這有很多原因,比如論文的方向你不熟悉、有一些你不認識的術語和字母縮寫等。
如果你實在讀不下去或者理解不了,那就放棄吧,論文那麼多,何必在一棵樹上吊死呢。畢竟世上無難事,只要肯放棄...
第3遍
如果要完全理解一篇論文,你就需要閱讀第三遍了。
這一遍讀完你要能夠獨立把論文重寫一遍:即假設你就是作者,把作者的工作再做一遍,然後寫論文。
你需要特別注意細節,甄別出作者的創新點、假設和優缺點。同時,你要思考如何展示自己的想法和創新點。
初學者可能需要4到5小時,經驗豐富大概要1小時。
文獻調查
“文獻調查”是一種有效訓練論文閱讀技巧的方法,選定一個你不熟悉的領域,然後閱讀該領域10篇論文,記得使用“3遍閱讀法”:
- 使用Google Scholar、CiteSeer或者中國知網搜尋該領域近期的論文。快速閱讀一遍,對論文做的工作進行簡短總結。如果你足夠幸運找到了調查性質的論文,那你的文獻調查就做完了,讀這篇論文就行。
- 找到這10篇論文中重複的引用和重讀的文獻作者,看看他們都發布在哪些會議上,一般這些會議就是
頂會
- 到頂會網站檢視近期會議記錄,快讀查詢近期被高質量引用的作品,這些作品組成你的文獻調查
總結
讀者可能覺得工程師不需要讀論文,這是一種偏見。在進行一些前沿領域的開發時是需要閱讀論文的,從別人的研究成果裡汲取營養和靈感,向tidb、etcd等開源軟體都學習、借鑑了論文中的思想。希望大家重視,成長為真正的研發工程師。
參考
相關文章
- 並行多工學習論文閱讀(五):論文閱讀總結並行
- 論文閱讀:SiameseFC
- 論文閱讀20241117
- GeoChat論文閱讀
- 阿里DMR論文閱讀阿里
- [論文閱讀] Hector MappingAPP
- 深度學習論文閱讀路線圖深度學習
- XGBoost論文閱讀及其原理
- Q-REG論文閱讀
- MapReduce 論文閱讀筆記筆記
- 「DNN for YouTube Recommendations」- 論文閱讀DNN
- G-FRNet論文閱讀
- AutoEmbedding論文閱讀筆記筆記
- 論文閱讀——Deformable Convolutional NetworksORM
- 【2020論文閱讀】11月
- 如何入門論文閱讀&綜述小解答
- ACL2018最佳短論文:史丹佛大學釋出的機器閱讀理解問答資料集SQuAD 2.0
- 論文閱讀 狀態壓縮
- 如何讀論文
- 論文閱讀2-思維鏈
- CornerNet-Lite論文閱讀筆記筆記
- Visual Instruction Tuning論文閱讀筆記Struct筆記
- 論文閱讀:《Learning by abstraction: The neural state machine》Mac
- 閱讀論文:《Compositional Attention Networks for Machine Reasoning》Mac
- 論文閱讀 Inductive Representation Learning on Temporal Graphs
- 閱讀論文的方法和技巧(快速且有效)
- 論文閱讀-Causality Inspired Representation Learning for Domain GeneralizationAI
- ACL2020論文閱讀筆記:BART筆記
- Reading Face, Read Health論文閱讀筆記筆記
- Pixel Aligned Language Models論文閱讀筆記筆記
- 論文閱讀 Exploring Temporal Information for Dynamic Network EmbeddingORM
- [論文閱讀] Residual Attention(Multi-Label Recognition)
- [論文閱讀筆記] Structural Deep Network Embedding筆記Struct
- [論文閱讀] RNN 在阿里DIEN中的應用RNN阿里
- 並行多工學習論文閱讀(一):多工學習速覽並行
- 哈工大秦兵教授:機器如何寫作議論文
- 論文閱讀筆記:Fully Convolutional Networks for Semantic Segmentation筆記Segmentation
- 《learn to count everything》論文閱讀、實驗記錄