开头先致歉，本人其实并没有发顶会，目前是中稿了一篇CVPR Findings，距离真正的CVPR main track还有一点差距，我作为整篇论文的一作和唯一学生作者也真的是尽力了。

简单介绍下个人背景

目前我是就读于福建一所双非院校，本科也是双非，两所院校甚至都不是双一流，而且我还是工作了2年后才去读的研，也算是debuff拉满了。目前是在外联培，联培单位不放实习，所以在这边基本只能搞搞科研，我也就把心思都放到这个上面了，目前除了已经中的这一篇，大概还有4~5篇一区论文在路上，在双非里也算是有点成果了吧。由于系统内的导师就是联培单位的导师，所以并没有学校内的导师，联培对我的指导也很少，基本就是导师可以帮忙改改论文的程度，其他几乎

都要靠自己探索和努力，不过依旧很感谢我的导师，为我提供了帮助。

写这篇帖子也是想记录一下自己的过去，也希望我自己的一些想法能够帮助到在科研苦海里的研究生们，不过本人能力并不突出，经验仅供参考，如果有错误也欢迎批评指正，另外也想跟各位聊聊后续的发展，无论是科研还是工作，希望各位佬友畅所欲言

好像写的有点难懂，我后续会润色一下，各位佬友有什么问题可以随时评论，我都会看的

一个有趣的idea

什么叫有趣呢？让别人看到后会想原来还能这样，或者想为什么这个方法会有效呢，在或者这篇论文提出了一个特别重要，但是大家普遍会忽视的问题。只要满足这三个中的任意一个，我认为都可以叫做有趣的idea，只要这个idea多数人会觉得有趣，那么这篇论文的价值一定不低。 科研并不一定是探索什么方案排列组合能够获得最高的性能（这个在工业界可能是需要的），而是思考这个方案是否把人类的认知往前推进了一步。 比如大家其实并不在乎用汽车跑的比马更快，而且相比于马，汽车是否把人类对于交通工具的认知更加推进了一步。

有趣的idea来自哪里

相比于网上说的多看论文，多做实验外。我觉得更多的来自对于一件事物本质的质疑和思考。还是拿汽车举例，相传 亨利·福特（Henry Ford） 说过一句话 If I had asked people what they wanted, they would have said faster horses. 这句话大概是说在汽车出现前，人们出行会想要一匹更快的马，而不一辆汽车。这个其实就是对出行这个事情本质的思考，人们想要的是一个更快的交通工具，但是很难直接表达出来，而是表述出“我想要一匹更快的马”，这就需要有人准确的发掘出这个更加本质的问题，并提出一个比较好的解决方案，这就是一个很好的idea。科研的idea也来自这个，比如视频理解，我们可以去想，目前视频理解为什么问题答不对，是因为没看到（优化帧采样，注意力机制），还是根本就没看瞎猜（强制模型输出视觉证据、解决模态融合问题），还是现在的benchmark其实跟实际生活根本不符（长视频理解、流式视频理解、更新的benchmark），这些都是可行的方。我们来更近一步如果真的是模型没看到，那么如何让模型真的“看到”，如何保证看到的是关键信息而不是背景信息，如何保证看到的信息不会扰乱答案的输出，如何在保证模型在能正确回答问题的前提下尽量减少视觉token以提高效率等等，当我们深入4层，基本就有一定的想法或者认知了，这时候可以提出一些简单的假设，去搜索相关的文献来验证。

另外还有一个来源，借用一句老话”没有问题创造问题也要上“，可以找下目前领域的SOTA模型，在能够正确复现后尝试增加各种扰动或者噪声，如果模型性能出现明显下降，那么这个或许就是一个可以进一步的方向

个人认为其实这个想法可以拓展到非常多的领域，去创业，做产品等等，能够思考用户真正的痛点，市场真正的空白，往往也是契机所在的地方，另外马斯克的第一性原理感觉跟这个也是相同的思想

还有一点，能否使用AI来想Idea，我认为当然可以，AI的信息总结和搜集能力所很强的，但是他们对于方向的把控却不够强，claude想的idea很符合逻辑，不过也往往太符合逻辑了，导致想出来的普遍已经被其他人做过了，gpt往往能将一个方案改上好几遍，不断的加防御性的论述，这个也是不合理的，你需要对一个idea有一个判断，在目前AI科研的趋势下，人能发挥的特长就是判断，知道什么能做什么不能做，剩下的让AI去做。

一个有效的methodology

当我们准确的发现了一个问题，那么接下来就该找一个有效的方案了，如果你的方案设计符合目前主流的神经网络设计方法，或者用到了强baseline，且没有做根本架构上的改变，那么是否SOTA其实只是工程问题，并不是创新性问题，你可以用很多方法让一个对baseline影响不是很大的模块优化到SOTA，但是是否SOTA并不影响你这篇论文是否能中稿，对顶会顶刊也是如此，就像我上面说的，科研并不一定是探索性能最好的方案，而是追求这个方案是否把人类的认知往前推进了一步。另外目前AI很发达了，只要你有一个大概的优化想法，让AI帮你设计，基本不会差的太多，但是让AI设计这也限制了方案的上限，他们很难写出 Attention is all you need，这样的论文，不过对于大多人来说，这个够用了。

一个吸引人的story

可能大家听说过无数次“你需要讲一个好的故事”，但是很少有人能够讲清什么叫“好故事”，我认为一个“好故事”需要以下这几点

一个“痛”且“痒”的问题

首先你提出的这个问题必须真实，这个问题越“痛”，越“痒”，越让审稿人觉得你提出的这个问题必须要解决不可，那么这个就是一个很好的问题。如果能让审稿人觉得，你这个问题非常关键，哪怕你的方案解决的不够好，但是发出来可以让其他人意识到这个问题，让这个问题有更好的解决，那么你这篇论文也有很大的可能被录取。但是很多人可能研究方向比较小众，或者泛用性偏差，那么我认为比较好的切入点是“为高楼添砖加瓦”，以大模型举例，如果你只是研究LLM在某个方向上的下游任务，可以说这个方向为LLM中的XXX能力的提升提供了探索方向。甚至如果你无法在一个benchmark上达到SOTA，那么最好的方式是限定范围，比如在动作识别上，目前已经有很多识别算法达到了97%以上的性能，你再去卷那百分之零点几的性能要耗费的精力很大，不如缩小一下范围，比如在低光场景下实现稳健的动作识别，这样即使你的性能不如目前的SOTA模型，你也可以用适用范围不同来回复审稿人

一个反直觉的切入点

当我们发现了一个问题，如果我们还想用比较大众化的解决方法，比如某个小众领域在单模态下性能不佳，就从其他领域迁移多模态的方法，然后实现了性能的提升，那么可能会被审稿人说你这个的工程上的改进，并不算创新。不过如果不是投顶会顶刊，这样已经够了，只要你的逻辑能自洽，证据充分（后续会讲），那么多数不会过分难为你。

不过，如果目标真的是顶会顶刊，那么就需要一个”反直觉“的切入点，领域内普遍这样做，那么就要说这么做存在缺陷；领域内普遍默认某个情况，那么就说这个情况不合理。比如异常动作识别领域，普遍做法就是跟分类任务或者检测任务类似，去学习特征表示，但是ECCV 2025（好像是）有一篇动作异常检测的论文，就将这个任务转化为概率任务，如果一个人的关节出现的位置没有落在一个高概率的区间内，就可以判定这个是异常的动作。这个相当于提出了一个打破这个领域普遍处理方法的新范式，就是一个很好的切入点。

最后更新日期：6月25日 15:16 后续会不断更新