悄悄告訴你幾個竅門。

1

痛苦

做科研，不能不讀論文。

但是，我見過不少研究生，論文都讀得愁眉苦臉的。

這其中，自然有因為拖延的關係。例如教授佈置了2周後討論論文，你原本可以每天抽出時間，慢慢消化。可你非得拖到截止日期的前一天晚上才開啟看，希望畢其功於一役……這顯然是態度問題。

但是，不可忽略的，有些同學，卻真的不是態度問題，而是方法不當。

他們喜歡跟論文死磕。

讀不懂，就一遍一遍反覆讀，試圖從字裡行間，悟出精髓。

這可能是為了遵從那句古訓：

且不說這樣是不是最終能走通。只論這個過程，就很痛苦，而且事倍功半。

有的同學對著一篇論文發奮了幾天甚至是幾周，依然看不懂。那種挫折、沮喪，別人看著都難受。

問題出在哪裡呢？

2

困難

更進一步，不斷湧現的論文，其實就是學術界的升級安裝包。

你不斷讀論文，就是為了跟學術共同體保持同步。但是，只有你跟這篇論文所依賴的那些基礎知識同步以後，安裝這個升級包才有意義，也才能水到渠成。

而對著論文犯愁的你，不管出於什麼原因，顯然不大具備這個新包兒（論文）的安裝條件。

所以，你需要做的，不是跟這篇論文自身較勁。而是應該儘快補充調整自己的知識架構，使得這篇論文對你而言，是可以相容，並且升級的。

論文羅列的參考文獻，可以作為你補充基礎知識的一個有效手段。畢竟，作者親自在這裡為你指明的路徑，如同給了你一張寫有路標的迷宮地圖。

這就是為什麼，許多優秀的博士，都是要讀數百篇文獻的。

讀過那些文獻以後，再看什麼新文獻，都會很有感覺，一下子就能找到方向，看到論文的優勢和弱點。

這時候，你就已經是個專業人士了。

但是，對於初學者而言，你得先讓自己樹立自信。而不是用一種近乎於閉卷考試的方法挑戰自己。

做買賣不怕賠錢，但是怕剛開張的時候賠錢。這是有道理的，因為“貧窮陷阱”曲線有多個均衡。

同樣，做科研也不怕面對困難。但是初始階段，還是得給自己降低一些難度。

許多時候，你要讀的論文來自陌生領域，你並沒有那麼多的時間，一篇篇文獻去啃、去挖掘。

舉個例子，假設你的研究方向，不是自然語言處理或者深度神經網路。但是你最近在學術研討會上聽說了一個神奇的東西，叫做 BERT 。

你自己學科裡面的很多人，都在談論他。他們用上了 BERT ，所以可以高精度、自動化處理很多從前只有人類才能做好的文字處理工作，例如情感分析，例如智慧問答等。

見他們發了很好的論文，你也想一探究竟。

你找到了 BERT 的原始論文，它就在預印本平臺 arxiv 上面。

但是一開啟，你就暈了。

這些術語（例如“fine-tuning”），這些圖，都是什麼意思啊？一點頭緒都沒有。

怎麼辦？

好在，要讀懂論文，是有不少竅門的。你可以善用許多從前忽視的資源，幫助自己消化和理解論文中令你感到困惑的部分。

下面我一一講給你聽。

3

幻燈

俗話說，解鈴還須繫鈴人。

如果你覺得一個作者在論文中使用了很多公式，而且表達晦澀，那是因為要發表，他只需要顧及審稿人和領域內小圈子專業人士的感覺就可以了。

為了表達效率高，他就得用術語。為了表達精準，他就得用公式。

用術語，就是壓縮；用公式，就是加密。

所以，論文其實就是一個加密壓縮包。

它安全，只有內行看得懂，不會引來很多外行抬槓。

它高效，壓縮了所有冗餘的資訊。

但這搞得你這個初學者讀不懂，很不愉快。

你得先解密再解壓縮，然後才能看懂。可你癥結在於，你不具備解密和解壓的能力。

好在，每一個作者，都要同時面對兩個問題——共識與知名度。

共識是說，別人承認他；知名度是說，別人喜歡他。

要提升知名度，他就不能只悶頭寫論文。還得出席一些會議，做做報告和講座什麼的。

面對大領域同行，他要把一個事兒說清楚，就不能再用那麼多的術語了，而必須考慮到聽眾的感受。

這時候，他可能更多使用描述性語言，生動的例子，甚至更吸引人的內容，例如視訊或者動圖。

這些會議的幻燈，很多都是公開發布的。所以你不妨搜搜看。

例如說，你在搜尋引擎裡面搜尋 BERT 那篇論文的第一作者，加上 BERT 這個關鍵詞，以及把資源型別指定為 ppt 之後，你就能看見很有趣的搜尋結果了。

點開看看?

原來是 Jacob Devlin 在史丹佛大學一次演講的幻燈。

這裡面，清晰地定義了問題，並且梳理了各種疑問的解答。

特別地，還使用了更多的圖形，來對比 BERT 和現有技術之間的差異。

通過幻燈，你可以把論文中很多沒有能夠展開的問題，或者許多作者認為小領域同行默知默會的知識點，都詳細論述。

有了這些補充資源，再回去讀論文，是不是更加清晰了？

4

部落格

如果找不到作者的演示幻燈，或者看了作者的幻燈之後，你還是沒能很好理解論文的內容，也不必氣餒。

我們前面說的，只是通則。

例如我們假定，作者面對一群不同背景的聽眾時，他的幻燈會做得更加深入淺出，以調眾口。

但是，有些學者，就是不分場合跟你展示數學功底。指著一個包含超過30個數學符號的長式子興奮地說：

這種情況下，如果他的工作足夠重要，你不必擔心，會有人站出來幫忙做解密和解壓，也就是“科普”這件事兒的。

目前學術界有幾個科普文和教程聚居地。

其中我最喜歡的一個，是 medium.com 。

BERT 論文出來之後不久，你就可以在 Medium 上面查到這篇博文。

博文寫得如何？看看點贊（clap）次數也就知道了。

標紅的地方顯示，已經有超過3800人點讚了。這在 Medium 平臺的學術科普類文章裡，算是非常受歡迎了。

之後過了半個月，又有人寫了這篇。

隨後，因為許多與 BERT 類似的 Transformers 模型競相出現，所以 medium 平臺上的相關係列教程，也層出不窮。

例如釋出在 2019 年 2 月 “How the Embedding Layers in BERT Were Implemented”一文中的這張手繪圖形，就把 BERT 為什麼使用3種不同的嵌入層，講得一清二楚。

這些文章，可以讓你從一個感興趣的旁觀者角度，迅速建立相關概念。有了這些基礎之後，再去讀論文，你的感覺會輕鬆許多。

5

視訊

如果你足夠幸運的話，還能找到很好的視訊教程，作為補充資源。

其中許多視訊，還是免費的。

例如 BERT ，就有不少人一言不合發視訊給大家講講清楚。

中英文視訊都有。而且排名靠前的這些教程，往往都做得品質精良，讓你迅速瞭解 BERT 的來龍去脈。

我個人比較推薦那些大學老師做的視訊。當老師受到的最寶貴訓練，絕不是什麼師資班的培訓，而是上課的時候收穫的學生反饋。

因為總是給學生上課，他會明白學生的關注點在哪裡，會忽視或者錯誤理解什麼，從而可以有的放矢強調某些東西，讓你輕易避開很多認知誤區陷阱。

例如說李宏毅老師講的 BERT 介紹，就可稱得上是深入淺出，形象生動。

何況，還是中文的。

6

課程

有的時候，你會發現，雖然某些令許多人關注的焦點內容（例如 BERT ）會有這樣多的視訊可供觀賞，但是若你想仔細瞭解一下論文裡出現的其他技術，以便對比，就未必有這麼好的運氣了。

在視訊平臺上搜尋，也許很難有收穫，甚至還會找到很多噪聲。

這時候，你也不要氣餒。雖然你想看視訊教程，但如果只在某個視訊平臺搜尋，那就如同魚在坑的東邊，你卻非得在坑西邊釣一樣。

系統化了的知識，你沒有必要東奔西走地查詢。而是可以通過線上課程來快速概覽。這樣不僅選擇成本低，而且學習效率更高。

有的同學天然把課程等同於幾大 MOOC 平臺。實際上，這也是一種誤解。

例如你打算回顧一下，自然語言處理近幾年的發展與技術應用。那麼，選擇 Coursera 或者 Udacity 課程，自然也是一種辦法。

但你如果喜歡更靈活地學習，可以直接到 fast.ai 上面。因為這裡的特點是快速迭代，緊貼前沿，而且剛好就有一門 NLP 課程，內容非常新穎。

課程內容裡，自然也包括 BERT 。

而與此同時，它也囊括了 ULMfit, GPT-2 和 XLNet 等相關技術。以寫程式碼來理解不同技術的進展，邏輯清晰，讓你一站式瞭解領域裡面最重要的內容有哪些，特別是最近發生了什麼有意思的事兒。

7

程式碼

提到了程式碼，我們們就多說幾句。

Jeremy Howard 在他的課程裡面一直強調，對於技術類的問題，程式碼比公式更重要。

描述一個演算法，你用公式當然沒有問題。但如你能把它寫成程式碼，而且正確執行，那想必你是真的懂了。

同樣，現在我們看很多論文，都配有程式碼。

如果你讀論文的時候，只閱讀公式看演算法，搞不懂究竟是怎麼回事兒，則完全可以去看看那簡單的 Python 程式碼。

例如說 BERT ，你雖然看到各種圖片，但是可能還是不知道，如果你打算做一個分類下游任務，該怎麼給你的輸入文字做編碼呢？

這時候，如果你讀程式碼，效果就大不相同了。

你完全可以去讀 PyTorch 程式碼。至少讀起來，更像是人話。

有好事者，就把 Tensorflow 上的各種 Transformer 模型，都搬到了 PyTorch 上。目前這個叫做 Transformer 2.0 專案，在 github 上已經有了16300顆星。

在論文裡， BERT 模型輸入文字的預處理，是這個樣子的。你可能會很疑惑，特殊的 token （例如論文中出現的 [CLS] 和 [SEP] ），究竟如何設定，如何起作用？

這裡，看一下程式碼示例。你會發現，原來你該這樣把它們加入進去。

而且，只有真正看了程式碼倉庫裡面的示例，你才會瞭解， transformers 這個專案，為什麼會這麼火。

因為，你可以僅僅用10幾條語句，就完成一個經典的文字分類任務。

於是，你也就明白，在自己的研究任務裡面，用上最前沿的自然語言處理技術，根本就沒有預想得那麼困難。

8

小結

本文我們以 BERT 為例，為你講述了當直接閱讀科研論文時遭遇困難的原因，以及你可以求助的免費資源和路徑，它們包括但不限於：

• 幻燈。作者用幻燈和聽眾溝通的時候，是要在一定程度上，放棄術語和公式的便利的。這就給你一個聽懂的機會。

• 部落格。對於一個大家都認為有用，但是學起來很困難的知識點。你可以在主流技術部落格平臺上找一找，很可能會有驚喜。

• 視訊。視訊教程的好處，是可以用更為形象生動的方式，給你展現動態的過程。而且，有時你還能直接感受到講者的幽默。

• 課程。如果你需要形成知識基礎，系統化的課程可以讓這一過程快捷高效。

• 程式碼。對於那些技術性的問題，數學描述演算法有時候會讓人有疑惑。這時候，閱讀原始碼，甚至程式設計實踐出來，會極大提升你的理解程度。

當然，這不是全部。

最好的方式，當然是與專家甚至是作者本人，做面對面的高效溝通反饋。當然，這樣的機會很稀缺。如果你遇到，一定要抓住。

9

專欄

告訴你一個好訊息。

我的第一個訂閱專欄《科研新手全面入坑指南》已經在少數派（sspai）平臺正式上線了。

我用20多篇教程，為你介紹初窺研究門徑的研究生與高年級的本科生，很需要了解的一些科研基礎知識。包括但不限於如何選題、如何讀文獻、如何快速寫初稿……

這些知識，你的導師大約會預設你已經學會，因此不會手把手教給你。但是你若做不到，導師很可能會覺得你基礎不牢，或者不用心。

你唯一能做的，就是儘快把它們補充齊備，以便減輕剛剛走上科研之路時的痛苦，保護好你的好奇心與成就感。

除了方法，我還介紹一些工具給你。例如 VosViewer 。它可以幫助你快速掃描中英文領域文獻，發現作者、主題之間的微妙關聯。由此，你就可以快速識別已有研究的盲點、盲區，甚至是盲維，從而有的放矢地找到自己研究的獨特定位與價值。

如果你正在發愁畢業論文該怎麼著手做，那麼這是個很好的入手時機。

本文釋出時，正值少數派的雙十一促銷活動，該專欄限時八折銷售。

二維碼在這裡：

你也可以點選篇末的“閱讀原文”訂閱。

願熱愛學習的你，科研之路從此走得更加紮實與順暢。

感覺有用的話，請點“在看”，並且把它轉發給你身邊有需要的朋友。

讚賞就是力量。

由於微信公眾號外部連結的限制，文中的部分連結可能無法正確開啟。如有需要，請點選文末的“閱讀原文”按鈕，訪問可以正常顯示外鏈的版本。

訂閱我的微信公眾號“玉樹芝蘭”，第一時間免費收到文章更新。別忘了加星標，以免錯過新推送提示。

如果你對 Python 與資料科學感興趣，希望能與其他熱愛學習的小夥伴一起討論切磋，答疑解惑，歡迎加入知識星球。

延伸閱讀

你可能也會對以下話題感興趣。點選連結就可以檢視。

題圖： Photo by Tim Gouw from Pexels