研究生应具备的能力
良好的英文文献阅读能力
- 辨别文献质量：优先读顶会/顶刊论文、优秀团队和学者的论文。
- 辩证看待文献中的方法：论文不是教科书，所有的方法都有缺陷和漏洞。
- 层次与要求：理解论文研究内容，理解作者行文构思，反思如果是自己会怎么写？
基本的编程能力
- 读代码的能力：读懂现有的代码，可以运行和debug，和论文的流程能对上。
- 编程的思维能力：理解代码背后的设计思维，以及算法到代码的转换思路。
- 写代码的能力：要具备将idea理论化、代码化并调work的能力。
逻辑思维能力
- 从文献中发现问题/不足，从工程实践中发现并提炼科学问题；
- 思考新方法、提出新理论，设计实验验证理论；
- 讲故事写论文：如何才能打动审稿人；
- 回复审稿意见：从字里行间剖析审稿人进行response/rebuttal；
- 汇报与答辩：充分根据听众的基础进行表达，有效且高效地沟通
表达与交流能力
如何展学术研究
查阅文献
拿到一个课题，作为小白了解一个领域的基本流程：
- 查阅最近的领域相关的==优秀国内学位论文==，读前两章；
- 找到主流期刊上的近3-5年的 ==综述论文(survey, overview, review)== ，了解领域内的主流方法；
- 根据所阅读的综述的引导，查阅各主流期刊或会议上的优秀文献，进行研究。
- 通过IEEE Xplore来follow领域的最新进展
如何阅读英文文献
==切忌使用翻译软件 全文/整段/整句 翻译== - 先泛读后精度，精度与泛读相结合；
- 如果读不懂，找到读不懂的原因，针对处理。
- 英语积累不够；（多查多记多读）
- 相关基础了解不够；（书、博客）
- 对领域不熟悉；（读更多的论文）
- 关键知识点或公式看不懂；（问作者、问同行）
- 如果是在读不懂就暂时放弃，过段时间可能就懂了
- 经典文献反复研读，温故而知新。（思路-逻辑-表达）
发现问题
创新点(idea)从何而来
践而不思则惘，思而不践则殆！ - 发现有未被充分研究的领域或问题；
- 提出新的算法能够把已有的问题解决的更好；
- 将其他领域内的某个范例迁移应用于本领域解决的更好；
- 做出目前还没有人涉足的新工作（综述、评测、数据集等）；
在寻找Topic(入坑)时，应仔细审查以下情况：
时间很宝贵，入坑需谨慎！ - 该问题已经被学界研究透彻，仅剩余工程应用；
- 该问题时当前理论和技术暂时无法突破的难题；
- 该问题没有具体实际的应用需求（落地场景）；
- 该问题很有价值，但是学界还没有人发现，正在等待一个新人去挖掘。
解决问题
尝试才会进步，接受不完美并不断迭代优化！ - 寻找方法解决现有问题（迁移、演绎）
- 将解决过程理论化（公式）或系统化（详细分析）；
- 进一步了解领域现状（对自己的方法进行定位）；
- 设计实验，充分验证算法的优越性（对比算法、数据集、详实的分析）；
撰写论文
不要怕拒稿，此处不录用，自有路用处！
- 沉下心来做研究，不要急于写（shui）论文。
- 三好原则：好的方法+好的结果+好的表述。
- 组织逻辑（tell a story）非常重要，而且颇有难度。
- 追求论文质量，瞄准高水平期刊和会议。
- 建议使用LaTex撰写论文（排版和布局非常重要）。
- 细节决定成败，要把每一篇论文当作艺术品来创作。
个人心得与体会
- 天道酬勤：相比于智商，学术研究更需要勤奋；
- 要自律：要定期检查自己的课题进展，学会self-push；
- 要站在学术前沿上去做工作，不要回避最新工作；
- 要敢于投稿顶会顶刊：1）审稿意见质量很高，有助于提升科研水平；2）可以把工作做得更扎实，有助于写大论文；3）论文发表后有助于评奖评优找工作等；
- 不要做paper tiger：摆正心态，努力提升工作质量，不要刷论文；
- 大论文的逻辑框架很重要：大论文与小论文看中不同的方面，同时要求也不一样；
- 不要被小论文创新点牵着鼻子走：要思考每篇小论文如何服务于大论文的逻辑框架，领域里的坑不一定非要填，如果小论文不能作为大论文框架的一部分，会浪费博士阶段宝贵的时间和精力。
不要做“搭积木”的工作：要做有意义有深度（insightful）的工作，Incremental的工作会在投稿与返修的过程中耗费大量的心里，消磨对于科研的信心。同时也会影响博士论文的质量。
论文要做一个close一个（做一个工作，丢出去时完整的）
- challenge是切切实实的、创新点是有理有据的、实验设置是充分考虑的、实验结果是完整的。
- 找problem是花2个月左右去调研、想问题和做problem exploration，没问题就去下一个实验阶段
- 当实验搞定后整个paper已经在心里建立起来了
- 一星期写完和自己改完。
题外
做有意义的东西（国民生命、经济、军事国防、商业产品落地化）远比论文灌水更重要和更有价值
附顶会
- CV：CVPR, ICCV, ECCV, WACV
- ML：NeurIPS, ICML, ICLR
- AI/多媒体：AAAI, IJCAI, ACMMM
附期刊
- Top-most: PAMI、IJCV
- High-rank：TIP、TMM、PR、CVIU、TNNLS、TCSVT、 TOMCCAP
- Famous：SPL、PRL、Neurocomputing、MTAP、MS
找工作相关
算法一定得是核心业务下的才能可持续发展
- 方向match最重要
- llm、多模态大模型、AIGC、3dgs
- llm安全
- 阿里医疗岗，医疗没有业务支撑
- 腾讯的医疗AILAB
- 医疗大语言模型的
- 隐私和AI对齐，投毒、对抗攻防这些不太行，没有落地场景
- 工业界有需求的
- AI安全：需要切中工业界的需求，而不是对着学术上的假设自嗨
- 公司不管你发了多少论文，学术这些toy不能直接带来收益他们不care
- 头部计划看中gpt4o这种多模态模型的形式，或者就是文生图这种AIGC
- 蚂蚁大安全
AI safety/ AI 对齐研究员
- 本岗位聚焦AI safety、AI治理/数据治理、可信AI等领域理论探索和技术创新研究，包括但不限于：大模型价值对齐、大模型幻觉、公平/非歧视、透明、机器伦理等前沿理论和技术研究。
社交网络数据挖掘、谣言检测和网络安全