有关的一些科研碎碎念

没事，你以后上班了也会去魅的，都是面试造火箭实际造锤子，能数年如一日坚持系统学习的起码也是小中层。

唉，虽说如此，但总想着能多少有点意义，最起码系统的科研也得试试吧，一直跟着AI走我感觉太难受了。

不要背ai债！不要背ai债！一个好的论文需要有足够的insight，有些idea只是手段可以用codex/cc来大规模尝试，你需要去发现问题定义问题！这样就会好一点

我也是，老师和师兄都不怎么指导，自己也不知道完整的科研流程，不懂该怎么拷打ai得到一个真的可行的idea ^-^组内卡也很少，有时候排队能排个好几天，每天都在问自己当初为什么要读研 ^-^

我是传统工科但是做算法的，我现在全部都是让codex帮我做，我现在就是在ai帮我推进项目的时候恶补相关知识，然后做完写paper的时候就让他给我梳理整个项目，让我能做到不在他的帮助下纯看代码就能明白其含义，这就代表你完全吸收了内容，那就ok了

第一步是找问题，通过可视化或者相关领域的论文，去发现问题，有了问题去解决。或者创造需求，你去解决需求！这个过程自然就是idea

对，唯一我觉得我这半年下来，锻炼的也就是看问题的能力，或者说有了一些思考。

哈哈，我卡都是师兄借来的，自己只能租服务器跑实验，虽然报销，但前前后后用AI的钱倒是花了不少。

有思考很重要，我感觉很多方法类的文章属于术，思想/找到本质需求的过程是求道。vibe可以取代术，但是道由自身起

但是有一点，AI很容易迎合和造假数据，在我们能力没他强的时候怎么保证自己数据是真实的呢？

我不知道你们啊，我是做阻力预测的，我们都是有正经实验的，拿实验数据去对就行了

安全类的感觉都很水，我们只要work了，比baseline强感觉就可以了，但具体表都是AI直出的，我也不懂怎么reveiw，我只会一个AI用完拿另一个AI检查 ^-^

哈哈，好玄乎，我感觉我目前好像就是把其他领域方法搬过来那种类型的，也没有深入理解过原理和算法。

你得对你的方向有足够的了解，才有产生新idea的可能。先调研吧，加深自己的理解

嗯嗯，在看自己感兴趣方向的论文ing

发现问题，问题定义，提出想法，进行实验验证，写作。

我觉得科研主要就是这样几步。对于一个普通的期刊会议（CCFB,CCFC,部分一区二区期刊）来说，最难的是第四步。对于顶会顶刊来说，最难的可能是第二步（其实还需要看运气和人脉关系。。）。

我觉得最值得系统性训练的就是写作和实验设计。前者需要叙事逻辑连贯，推理严谨，语句通顺能让人看懂（你可能觉得这很基础，但是我觉得这并不简单，绝大多数ai写的论文都不满足上述三个基本条件。我在审稿的时候绝大多数拒掉的论文都是因为写作，要么逻辑稀碎，要么根本看不懂）。后者需要能解读现有结果，并下判断，是否继续优化，下一步的改进方向，根据现有结果指定下一步的实验设计。